Plotly，一個用于做分析和可視化的在線平臺，曾被網友稱為“有史以來最牛逼”可視化神器（具體無從考據，只是在搜索資料時看到的），為何有如此稱號？因為它功能強大，功能強大，功能強大！重要的事情說三遍！
其功能強大到不僅與多個主流繪圖軟件的對接，而且還可以像Excel那樣實現交互式制圖，而且圖表種類齊全，并可以實現在線分享以及開源，等等；這種功能強大到還沒有一個人能夠完全掌握其全部應用，甚至國內對它的介紹使用也僅僅只是其中一部分。接下來筆者對plotly的一些隱藏功能進行介紹，并部分以python的使用來簡單說明。
（一）關于Plotly的功能
關于Plotly的功能介紹，有的從圖表類型上：基本圖表：20種；統計和海運方式圖：12種；科學圖表：21種；財務圖表：2種；地圖：8種；3D圖表：19種；擬合工具：3種；流動圖表：4種。。。。。
有的從交互性上：可以與R、python、matlab等軟件對接，并且是開源免費的，對于Python，Plotly與Python中matplotlib、numpy、pandas等庫可以無縫地集成，可以做出很多非常豐富，互動的圖表，并且文檔非常健全，創建圖形相對簡單，另外申請了API密鑰后，可以在線一鍵將統計圖形同步到云端。。。。
有的從制圖的美觀上：基于現代的配色組合、圖表形式，比matpltloa、R語言的圖表，更加現代、絢麗。。。。
即便如此，尚不能完全概括其功能，比如在圖表類型上，除以上所說，由于其開源性，plotly上還有很多網友上傳的自制圖表，在plotly主頁（https://plot.ly/ ）點擊try free edition，在不登錄的情況下（出來的log in 對話框點X），就會看到很多網友分享的圖表，并且可以看到其代碼，如下圖：
如圖，其中data是該圖形的數據表格，code則是不同軟件api接口代碼。
另外，plotly可以像excel那樣進行交互式制圖，在https://plot.ly/feed 點擊make a plot，就會進入plotly在線繪圖編輯工作臺，如圖：
在Grid1下邊的表格中可以輸入數據，在左邊可以進行圖形類型、變量選取，以及圖形修飾等等工作，其中style就是對圖形的圖層、圖例、標題、坐標軸等等內容的互動式美化；analysis則是對圖形進行一些統計檢驗與分析，比如描述性統計、t檢驗、卡方檢驗、線性擬合、移動平均等等；JSON則是一些圖形要素的json數據展示。在登陸的情況下，將繪制圖形保存后，可以進行導出與分享，分享之后你就可以看到不同軟件api的代碼。下圖就是使用style的功能對繪制完成的圖形進行（trace、title等方面）美化。
另外 ，可以看到圖中有個上方一行import按鈕，點擊進入，可以從這個按鈕中導入excel、csv、SQL、URL等儲存方式的數據。
在Plotly網站，點擊Python軟件類型選擇件就可以進入專門使用python的主頁（https://plot.ly/python/）：
左側一列是導航，包含如何開始使用，使用說明，離線使用以及于其他庫結合使用，還有例子，正文中下邊就是各種圖形，需要用哪種圖形就可以點擊進去尋找代碼。特別說明的是：Plotly需要注冊之后，并將注冊名與密碼放入代碼里才能使用。
在Python使用plotly，首先要安裝plotly庫，在Plotly——getting start里有說明：
安裝方法
pip install plotly 或者 sudo pip install plotly
需要升級的話，可以輸入：
pip install plotly –upgrade
注冊，在python交互環境下運行以下初始化命令，生成認證的安全文件 .plotly/.credentials。
py = plotly.plotly("Username", "API-Key")
（三）Plotly for python 的案例
Plotly for python 的案例，目前網上已有很多人分享，在這里不再贅述。在這里只是以一個簡單案例介紹Plotly for python 的一些隱藏功能。以散點圖為例：
import plotly.plotly as py
import plotly.graph_objs as go
# Create random data with numpy
import numpy as np
N = 100
random_x = np.linspace(0, 1, N) #建立0與1之間的等差數,1
random_y0 = np.random.randn(N)+5 #均值為5的正態分布隨機數
random_y1 = np.random.randn(N)
random_y2 = np.random.randn(N)-5#均值為-5的正態分布隨機數
# Create traces
trace0 = go.Scatter(
x = random_x,
y = random_y0,
mode = 'markers',
name = 'markers') #構造散點圖線條1
trace1 = go.Scatter(
x = random_x,
y = random_y1,
mode = 'lines+markers',
name = 'lines+markers')
trace2 = go.Scatter(
x = random_x,
y = random_y2,
mode = 'lines',
name = 'lines')
data = [trace0, trace1, trace2]
py.iplot(data, filename='scatter-mode')
生成圖形如下：
圖5
這就是三條不同的線條，一條是點，一條是點+線，一條是線；從這個案例我們可以看出：
（1）plotly是以圖中每一個元素作為一個函數進行設置的，而不是像matplotlib放在一個大函數下統一進行參數設置；如本例中的trace0、trace1、trace2，在里邊也可以設置其圖形形狀（mode）、圖例（name）的值；
（2）出來的圖形是交互式的，還可以進行選擇以及再編輯，如圖右上角是圖形范圍操作的一些按鈕，右下角是進入在線編輯工作臺的按鈕；
（3）進入在線編輯工作臺后，出現如圖2類似的界面，這時候可以對圖形進一步美化，比如加背景，標題、坐標軸等等，有很多類似的操作，但在這里要注意有的操作是免費的，有的操作是要付費才能使用的。
（4）再做一些修改之后，在登陸的情況下，保存修改后的圖形，然后在個人主頁上的my profile中點擊view就可以預覽你所制作的圖形，此時你所手動操作的一些修飾也會以代碼的形式展示出來，并且是以不同R、python、matlab等軟件展示出來，當你不會以輸入代碼的形式進行圖形美化的時候，這種方式會給你以提示！！
（5）可以將你的圖形以pdf、ppt、png等等格式下載下來，可以將數據下載到csv、sql等儲存中，也可以將你的圖形在facebook、推特、github等等地方分享，如果你有賬號的話。。。
如圖，我在plotly工作臺上給圖形加了一個大標題以及背景之后；
在code-python下會自動看到我的手動操作對應的python代碼
data = Data([trace1, trace2, trace3])
layout = {
"font": {"size": 13},
"paper_bgcolor": "rgb(188, 189, 34)",
"plot_bgcolor": "rgb(255, 255, 255)",
"title": "zjying scatter",
"titlefont": {
"color": "rgb(68, 68, 68)",
"size": 21
},
"xaxis": {
"autorange": True,
"range": [-0.062925170068, 1.06292517007],
"type": "linear"
},
"yaxis": {
"autorange": True,
"range": [-9.28642456481, 8.63397900633],
"type": "linear"
}
}
fig = Figure(data=data, layout=layout)
plot_url = py.plot(fig)
另外，plotly還可以對接pandas包，可以通過pandas的pd.read_csv（）命令導入csv格式數據。
總之，從以上一個小小案例，可以看到plotly的強大之處，在于無時無刻不交互——對接各種繪圖軟件、數據庫，可以像excel一樣對圖形進行編輯，可以線上分享也可以學習各種各樣的個人定制圖表，可以下載成各種常用的輸出形式。不過由于plotly是國外網站，網站打開速度有時候會慢，另外，免費版本的potly功能有的地方一些限制，但是能滿足一般需求。
