Plotly Express
Plotly Express是一个新的高级Python数据可视化库，它是Plotly.py的高级封装，它为复杂的图表提供了一个简单的语法。只需一次导入，大多数绘图只要一个函数调用，接受一个整洁的Pandas dataframe，就可以创建丰富的交互式绘图。
Plotly Express 安装
惯例，使用 pip进行安装。
pip install plotly_expressPlotly Express支持构建图表类型scatter:在散点图中，每行data_frame由2D空间中的符号标记表示。scatter_3d:在3D散点图中，每行data_frame由3D空间中的符号标记表示。scatter_polar:在极坐标散点图中，每行data_frame由极坐标中的符号标记表示。scatter_ternary:在三元散点图中，每行data_frame由三元坐标中的符号标记表示。scatter_mapbox:在Mapbox散点图中，每一行data_frame都由Mapbox地图上的符号标记表示。scatter_geo:在地理散点图中，每一行data_frame都由地图上的符号标记表示。scatter_matrix:在散点图矩阵（或SPLOM）中，每行data_frame由多个符号标记表示，在2D散点图的网格的每个单元格中有一个，其将每对dimensions彼此相对绘制。density_contour:在密度等值线图中，行data_frame被组合在一起成为轮廓标记，以可视化该值的聚合函数histfunc（例如，计数或总和）的2D分布z。density_heatmap:在密度热图中，行data_frame被组合在一起成为彩色矩形瓦片，以可视化该值的聚合函数histfunc（例如，计数或总和）的2D分布 z。line:在2D线图中，每行data_frame表示为2D空间中折线标记的顶点。line_polar:在极线图中，每行data_frame表示为极坐标中折线标记的顶点。line_ternary:在三元线图中，每行data_frame表示为三元坐标中折线标记的顶点。line_mapbox:在Mapbox线图中，每一行都data_frame表示为Mapbox地图上折线标记的顶点。line_geo:在地理线图中，每一行都data_frame表示为地图上折线标记的顶点。parallel_coordinates:在平行坐标图中，每行data_frame由折线标记表示，该折线标记穿过一组平行轴，每个平行轴对应一个平行轴 dimensions。parallel_categories:在并行类别（或平行集）图中，每行data_frame与其他共享相同值的行组合，dimensions然后通过一组平行轴绘制为折线标记，每个平行轴对应一个dimensions。area:在堆积区域图中，每行data_frame表示为2D空间中折线标记的顶点。连续折线之间的区域被填充。bar:在条形图中，每行data_frame表示为矩形标记。bar_polar:在极坐标图中，每一行都data_frame表示为极坐标中的楔形标记。violin:在小提琴图中，将data_frame行分组成一个曲线标记，以便可视化它们的分布。box:在箱形图中，行data_frame被组合在一起成为盒须标记，以显示它们的分布。strip:在条形图中，每一行都data_frame表示为类别中的抖动标记。histogram:在直方图中，行data_frame被组合在一起成为矩形标记，以可视化该值的聚合函数histfunc（例如，计数或总和）的1D分布y（或者x如果orientation是’h’）。choropleth:在等值区域图中，每行data_frame由地图上的彩色区域标记表示。gapminder数据集说明
大家使用gapminder数据集进行体验 Plotly Express 。
gapminder数据集显示按国家/地区的人均预期寿命和人均GDP 之间的趋势：包含1952~世界各国家人口、GDP发展与/地区的人均预期寿命和人均GDP 之间的趋势。
Country：国家，ChinaContinent：洲，AsiaYear：年份，1952LifeExp：预期寿命，44POP：人口，556263527GdpPercap：分均 GDP，400.448611iso_alpha：国家编码，CHNiso_num：国家代码,156上手体验一下，轻松地进行数据可视化。散点图scatter
常用参数说明：
data_frame： 一个’整洁’ pandas.DataFramex：（字符串：列的名称data_frame）此列中的值用于沿笛卡尔坐标沿x轴定位标记。对于水平histogram()s，这些值用作输入histfunc。y：（字符串：列的名称data_frame）此列中的值用于沿笛卡尔坐标中的y轴定位标记。对于垂直histogram()s，这些值用作输入histfunc。color：（字符串：列的名称data_frame）此列中的值用于为标记指定颜色。size：（字符串：列名称data_frame）此列中的值用于指定标记大小。color_continuous_scale：（有效CSS颜色字符串列表）此列表用于在表示的列color包含数字数据时构建连续颜色标度。plotly_express.colors子模块中有各种有用的色标，特别plotly_express.colors.sequential是plotly_express.colors.diverging和plotly_express.colors.cyclical。title：（字符串）图标题。template：（字符串或Plotly.py模板对象）图模板名称或定义。width：（整数，默认None）图形宽度（以像素为单位）。height：（整数，默认600）图形高度（以像素为单位）。
使用散点图描述中国人口与GDP增长趋势图
地理散点图scatter_geo
常用参数说明
data_frame：“整洁”pandas.DataFramelat：(字符串：data_frame)此列的值用于根据地图上的纬度定位标记。lon：(字符串：data_frame)此列的值用于根据地图上的经度定位标记。locations：(字符串：data_frame)该列中的值将根据locationmode并映射到经度/纬度。locationmode：(字符串，“ISO-3”、“美国-州”、“国家名称”之一)确定用于匹配locations地图上的区域。color：(字符串：data_frame)此列的值用于为标记指定颜色。size：(字符串：data_frame)此列的值用于分配标记大小。color_continuous_scale：(有效的css-颜色字符串列表)此列表用于在color包含数字数据。中提供了各种有用的色标。plotly_express.colors子模块，特别是plotly_express.colors.sequential, plotly_express.colors.diverging和plotly_express.colors.cyclical.title：(字符串)图形标题。width：(整数，默认)None)以像素为单位的图形宽度。height：(整数，默认)600)以像素为单位的图形高度。
使用地理散点图描述全球人口与GDP
折线图（line）
常用参数说明
data_frame：“整洁”pandas.DataFramex：(字符串：data_frame)该列的值用于在笛卡尔坐标中沿x轴定位标记。卧式histogram()，这些值用作histfunc.y：(字符串：data_frame)该列的值用于在笛卡尔坐标中沿y轴定位标记。垂直histogram()，这些值用作histfunc.color：(字符串：data_frame)此列的值用于为标记指定颜色。facet_col：(字符串：data_frame)此列中的值用于在水平方向平面子图分配标记。title：(字符串)图形标题。width：(整数，默认)None)以像素为单位的图形宽度。height：(整数，默认)600)以像素为单位的图形高度。
使用折线图描述1952~中国与美国人口增长趋势图
条形图(bar)
常用参数说明
data_frame：“整洁”pandas.DataFramex：(字符串：data_frame)该列的值用于在笛卡尔坐标中沿x轴定位标记。卧式histogram()，这些值用作histfunc.y：(字符串：data_frame)该列的值用于在笛卡尔坐标中沿y轴定位标记。垂直histogram()，这些值用作histfunc.color：(字符串：data_frame)此列的值用于为标记指定颜色。facet_row：(字符串：data_frame)此列的值用于向垂直方向上的平面子图分配标记。facet_col：(字符串：data_frame)此列中的值用于在水平方向平面子图分配标记。text：(字符串：data_frame)此列的值以文本标签的形式显示在图中。title：(字符串)图形标题。template：(String或Plotly.py模板对象)图形模板名称或定义。width：(整数，默认)None)以像素为单位的图形宽度。height：(整数，默认)600)以像素为单位的图形高度。
使用条形图描述1952~中国与美国人口增长趋势图
等值区域图（choropleth）
常用参数说明
data_frame：“整洁”pandas.DataFramelat：(字符串：data_frame)此列的值用于根据地图上的纬度定位标记。lon：(字符串：data_frame)此列的值用于根据地图上的经度定位标记。locations：(字符串：data_frame)该列中的值将根据locationmode并映射到经度/纬度。locationmode：(字符串，“ISO-3”、“美国-州”、“国家名称”之一)确定用于匹配locations地图上的区域。color：(字符串：data_frame)此列的值用于为标记指定颜色。size：(字符串：data_frame)此列的值用于分配标记大小。color_continuous_scale：(有效的css-颜色字符串列表)此列表用于在color包含数字数据。中提供了各种有用的色标。plotly_express.colors子模块，特别是plotly_express.colors.sequential, plotly_express.colors.diverging和plotly_express.colors.cyclical.title：(字符串)图形标题。width：(整数，默认)None)以像素为单位的图形宽度。height：(整数，默认)600)以像素为单位的图形高度。
使用等值区域图描述各个国家人口数量
若对你有所帮助，欢迎大家评论、留言。
要分析网站中的动态数据，首先你要写一个爬虫程序先拿到数据，然后结合python中的numpy库,pandas库对下载到的数据进行分析，如果要生成可视化图可以使用matplotlib或pyecharts来搞定，希望能帮到你，偶的专栏中有爬虫与数据分析的专栏 可以参考下。
大多数公司的财务数据处理主要是应用Excel的。基本上所有的财务问题都可以用Excel解决，如果数据过于庞大，那么可以用Excel的VBA也就是宏来解决。
学python主要是用于处理数据，还可以爬数据，做各种分析，虽然也可以处理财务数据，但是基本上没有财务来用Python的。
不过，如果你已经是财务，去学一下Python也没有坏处了。毕竟艺不压身，你可能也能找到在财务实际应用Python的领域。
具体的学习路线得看你选择的是哪个方向，除了先前基础阶段的学习是一致的，之后的学习路线就看你自己了。
1、后台服务端。从事这个方向的话学完Python基础就开始学习数据库，例如MySQL，然后用Python去操作数据库，接着学习Linux系统，做后台的几乎都得会用Linux系统。学完这些后就开始使用框架，Python现在最常用的后端框架就是Flask，Django和Tornado。然后就开始找项目练习上手。
2、数据分析。学习这个方向在学完Python基础后开始学习numpy、pandas、matplotlib这三个库，然后开始看scipy数据统计分析库，当然这个方向还需要具备一些数学知识。
3、自动化运维。这个方向在学完Python基础后就开始学习Linux系统，一般都是做Linux运维，这个方向对Linux系统的学习要求会高很多。
4、人工智能方向。这个方向的话Python基础学完后就需要学习各种算法，对数学要求很高，熟悉算法后开始学习各种人工智能相关库。这个方向能细分出很多方向，例如计算机视觉，NLP等，要从事哪个就学与哪个相关的算法和实用库。
总结，以上就是关于python数据分析项目化教程以及Python如何快速创建强大的探索性数据分析可视化的经验分享，卡友有疑问可以加wx或扫码加群！
python数据分析项目化教程 Python如何快速创建强大的探索性数据分析可视化 – python – 前端 python 爬虫 源码
