Plotly 的 plotly.graph_objs 库提供了很多种绘图类，涵盖了常用的统计图表，并且还有所拓展。不过，为了对类的理解更深刻，以下讲述将按照对象进行，不同的统计图依据相应的参数来实现。
4.2.1 Scatter 类——绘制直线图、散点图
在 plotly.graph_objs 中的 Scatter 类，功能比较多，用它能够绘制直线图、散点图等。
根据经验，可以在 Jupyter 中输入了 go.Scatter，然后按下 TAB 键，查看到不仅仅是 Scatter，还包含其他以 Scatter 开头的家族成员（如下图所示）。
image
不过在这里，我们仅关注 go.Scatter，其他对象暂时不研究。
go.Scatter(arg=None, cliponaxis=None, connectgaps=None, customdata=None, customdatasrc=None, dx=None, dy=None, error_x=None, error_y=None, fill=None, fillcolor=None, groupnorm=None, hoverinfo=None, hoverinfosrc=None, hoverlabel=None, hoveron=None, hovertext=None, hovertextsrc=None, ids=None, idssrc=None, legendgroup=None, line=None, marker=None, mode=None, name=None, opacity=None, orientation=None, r=None, rsrc=None, selected=None, selectedpoints=None, showlegend=None, stackgaps=None, stackgroup=None, stream=None, t=None, text=None, textfont=None, textposition=None, textpositionsrc=None, textsrc=None, tsrc=None, uid=None, unselected=None, visible=None, x=None, x0=None, xaxis=None, xcalendar=None, xsrc=None, y=None, y0=None, yaxis=None, ycalendar=None, ysrc=None, **kwargs)
面对这么多参数，不要惊慌，前面学习过程中，也不是没有见过这种阵势。参数多，说明它的功能比较全。如果有兴趣，可以根据官方文档的说明，将每个参数的含义通读一遍。若暂时没兴趣或没时间，就到用的时候再去看吧。
下面就用一些示例来说明某些参数的含义（示例中的数据来自：https://github.com/qiwsir/DataSet/tree/master/universityrank）。
import pandas as pd
import plotly
import plotly.graph_objs as go
df = pd.read_csv("/Users/qiwsir/Documents/Codes/DataSet/universityrank/timesData.csv")
df.head()
| world_rank | university_name | country | teaching | international | research | citations | income | total_score | num_students | student_staff_ratio | international_students | female_male_ratio | year | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 1 | Harvard University | United States of America | 99.7 | 72.4 | 98.7 | 98.8 | 34.5 | 96.1 | 20,152 | 8.9 | 25% | NaN | 2011 |
| 1 | 2 | California Institute of Technology | United States of America | 97.7 | 54.6 | 98.0 | 99.9 | 83.7 | 96.0 | 2,243 | 6.9 | 27% | 33 : 67 | 2011 |
| 2 | 3 | Massachusetts Institute of Technology | United States of America | 97.8 | 82.3 | 91.4 | 99.9 | 87.5 | 95.6 | 11,074 | 9.0 | 33% | 37 : 63 | 2011 |
| 3 | 4 | Stanford University | United States of America | 98.3 | 29.5 | 98.1 | 99.2 | 64.3 | 94.3 | 15,596 | 7.8 | 22% | 42 : 58 | 2011 |
| 4 | 5 | Princeton University | United States of America | 90.9 | 70.3 | 95.4 | 99.9 | - | 94.2 | 7,929 | 8.4 | 27% | 45 : 55 | 2011 |
现在读入的数据集是世界各大学排名，在后续示例中，只取其中的前一百所大学。
df100 = df.iloc[:100, :]
首先要做的，就是利用 go.Scatter 创建 Trace 对象，将此对象提交给 Plotly 的 API 之后，Plotly 服务器就能根据此 Trace 对象的有关配置，返回相应的图线，即可得到所要绘制的图示。
trace1 = go.Scatter(x = df100['world_rank'], # 世界排名
y = df100['citations'], # 被引用次数
mode = 'lines',
name = 'citations',
marker = dict(color='rgba(16, 112, 2, 0.8)'),
text = df100['university_name']
)
trace2 = go.Scatter(x = df100['world_rank'],
y = df100['teaching'],
mode = 'lines+markers',
name = 'teaching',
marker = dict(color='rgba(80, 26, 80, 0.8)'),
text = df100['university_name']
)
trace3 = go.Scatter(x = df100['world_rank'],
y = df100['research'],
mode = 'markers',
name = 'research',
marker = dict(color='rgba(40, 66, 120, 0.8)'),
text = df100['university_name']
)
data = [trace1, trace2, trace3]
layout = dict(title = "Citation Research and Teaching VS World Rank of Top100 Universities",
xaxis = dict(title='Wrold Rank', ticklen=5, zeroline=False)
)
fig = dict(data=data, layout=layout)
plotly.offline.init_notebook_mode(connected=True)
plotly.offline.iplot(fig)
输出结果：
enter image description here
在这里绘制的是三种图，控制不同类型图的参数是 go.Scatter 中的 mode，它的值可以是：
- 'lines'，折线图，没有标记坐标点；
- 'lines + markers'，折线图，标记坐标点；
- 'markers'，散点图，没有各点之间的连线。
如果觉得观察起来有点乱，可以通过图示的交互功能，比如选择图例，显示指定的图线。
另外几个参数的含义，也简要解释一下：
