Plotly 是什么？
Plotly 是一个开源的数据可视化库，支持创建交互式、可嵌入网页的图表。它提供 Python、R、Julia、MATLAB 等多种语言的 API，同时也拥有在线图表编辑器 Chart Studio 和用于构建仪表板的 Dash 框架。用户可以通过简单的代码生成折线图、散点图、热力图、3D 图表、地图等，并支持缩放、悬停、动态更新等交互功能。
如何安装 Plotly？
在 Python 环境中，使用 pip 命令 `pip install plotly` 即可安装核心库。如果需要使用离线渲染或 Jupyter Notebook 支持，可以额外安装 `notebook` 和 `ipywidgets`。安装完成后，通过 `import plotly.express as px` 或 `import plotly.graph_objects as go` 导入模块。Plotly 还支持 conda 安装：`conda install -c plotly plotly`。
Plotly 和 Plotly Express 有什么区别？
Plotly Express 是 Plotly 的高级 API，专为快速创建常见图表而设计，代码更简洁，参数更直观，适合探索性分析和快速原型开发。而 `graph_objects` 是底层接口，提供更细粒度的控制，适合定制复杂图表或需要多个 trace 叠加的场景。两者底层使用相同的渲染引擎，图表效果一致，用户可根据需求灵活选择。
Plotly 支持哪些图表类型？
Plotly 支持超过 40 种图表类型，包括：折线图、散点图、柱状图、饼图、箱线图、直方图、热力图、等高线图、3D 散点图、3D 曲面图、地理地图（如 choropleth、scattergeo）、桑基图、瀑布图、漏斗图、甘特图、雷达图、平行坐标图、表格等。此外，还可以通过组合多个 trace 创建自定义可视化。
什么是 Dash？它与 Plotly 有什么关系？
Dash 是 Plotly 公司开发的一个开源框架，用于构建基于 Python 的交互式 Web 应用。它基于 Flask、React 和 Plotly.js，允许开发者用纯 Python 代码创建带有图表、下拉菜单、滑块等控件的仪表板。Dash 应用中的图表直接使用 Plotly 图形对象，因此可以无缝集成 Plotly 的所有交互功能。Dash 广泛应用于数据科学、商业智能和金融分析领域。
如何将 Plotly 图表嵌入到网页中？
Plotly 图表可以导出为 HTML 文件，直接通过浏览器打开；也可以生成 `<div>` 和 `<script>` 标签嵌入到任意网页中。在 Python 中，使用 `plotly.offline.plot(fig, include_plotlyjs=True)` 生成独立 HTML；或者调用 `fig.to_html()` 获取 HTML 字符串，方便在 Web 框架中集成。对于在线环境，Chart Studio 提供托管服务，生成永久链接用于分享。
Plotly 的交互功能具体包含哪些？
Plotly 图表的交互功能包括：缩放（框选、滚轮缩放）、平移、悬停显示数值（tooltip）、点击选中数据点、双击重置视图、动态切换数据系列（通过下拉菜单或滑块）、动画过渡（如帧动画）以及局部更新（通过 `update_layout` 或 `update_traces`）。这些交互默认启用，开发者可通过 `config` 参数自定义启用的按钮和模式。
Plotly 在处理大数据集时性能如何？
Plotly 采用了 WebGL 加速渲染（如 `scattergl` 和 `scatter3d` 类型），能够高效处理数十万甚至百万级数据点。对于普通图表，默认使用 SVG 渲染，适合万级以下数据。开发者可以根据数据量选择 `render_mode` 参数：`svg`、`webgl` 或 `auto`。此外，Dash 应用结合 `dcc.Graph` 的局部更新功能，可以按需加载数据，避免前端性能瓶颈。
如何保存 Plotly 图表为图片（PNG、SVG、PDF）？
Plotly 提供了 `write_image` 方法，需要安装 `kaleido` 或 `orca` 引擎。例如：`fig.write_image("chart.png", width=800, height=600)`。支持的格式包括 PNG、JPEG、SVG、PDF 和 WebP。在 Jupyter 环境中，也可以直接右键点击图表选择“导出为图片”。如果使用 Chart Studio，在线编辑器内可直接导出高分辨率图片。
Plotly 支持在哪些编程语言中使用？
Plotly 的主要语言版本包括：Python、R、Julia、MATLAB、JavaScript（Plotly.js）、F# 和 .NET。其中 Python 版最为流行，拥有最完整的文档和社区支持。JavaScript 版可直接在前端使用，无需后端语言。所有语言版本共享相同的核心语法和图表规范，方便跨语言协作。
Plotly 是否免费？商业使用需要付费吗？
Plotly 的开源核心库（包括 `plotly.py`、`dash`、`plotly.js`）采用 MIT 或自定义开源许可证，允许免费用于个人和商业项目。但是，Plotly 公司提供的在线服务（Chart Studio 托管、Dash Enterprise 企业版、Data Storytelling 平台）需要付费订阅。普通用户使用本地环境开发图表和 Dash 应用完全免费，没有功能限制。
如何在 Jupyter Notebook 中显示 Plotly 图表？
在 Jupyter Notebook 或 JupyterLab 中，Plotly 会自动检测环境并采用内联渲染。只需执行 `fig.show()` 即可显示交互式图表。推荐安装 `ipywidgets` 和 `plotly` 的最新版本，以确保离线模式正常工作。如果使用 JupyterLab，还需安装 `jupyterlab-plotly` 扩展（通常使用 `pip install jupyterlab` 后自动安装）。此外，也可以在 Notebook 中直接使用 `plotly.io.show(fig)` 强制指定渲染器。
Plotly 的图例和颜色如何自定义？
Plotly 提供了丰富的自定义选项。通过 `fig.update_layout(legend=dict(...))` 可以修改图例的位置、方向、字体、背景色等。颜色映射可通过 `color_continuous_scale` 参数（如 `"Viridis"`、`"Blues"`）或自定义列表设置。对于离散分组，使用 `color_discrete_sequence` 指定颜色序列。此外，可以使用 `template` 参数应用内置主题（如 `"plotly_dark"`、`"seaborn"`），或通过 `fig.update_traces(marker=dict(color=...))` 精细控制每个点的颜色。
什么是 Chart Studio？它和 Plotly 库有什么关系？
Chart Studio 是 Plotly 公司提供的在线图形编辑和托管平台。用户可以通过网页上传数据、拖拽创建图表，无需编写代码。Chart Studio 生成的图表可直接使用 Plotly 开源库渲染，并且可以导出为 Python / R 代码以便后续编程修改。免费账户允许创建公开图表，付费账户支持私有图表和团队协作。它相当于一个可视化的 IDE，与 Plotly 库的功能互补。
