Plotly 交互式图表¶

# pip 安装
pip install plotly                     # 安装 Plotly
pip install kaleido                    # 静态图片导出（PNG/PDF/SVG）

# conda 安装
conda install -c conda-forge plotly

# Jupyter 支持（自动内联显示）
pip install nbformat                   # Notebook 格式支持

import plotly.express as px            # 导入 Plotly Express（高层 API）
import pandas as pd                    # 导入 Pandas

# 示例数据
df = pd.DataFrame({
    "物种": ["Bacteroidetes", "Firmicutes", "Proteobacteria",
             "Actinobacteria", "Fusobacteria"],
    "丰度": [35, 28, 15, 12, 10],      # 丰度百分比
    "组别": ["健康", "疾病", "健康", "疾病", "健康"]
})

# 柱状图（一行代码！）
fig = px.bar(df, x="物种", y="丰度",   # X 轴和 Y 轴
             color="组别",              # 按组别着色
             title="物种丰度分布")       # 标题
fig.show()                              # 显示交互式图表

# 散点图（带悬停信息）
fig = px.scatter(df, x="Shannon", y="Simpson",  # 双指数散点
                 color="Group",                  # 按组着色
                 size="SampleSize",              # 点大小映射
                 hover_data=["SampleID"],        # 悬停显示样本ID
                 title="Alpha 多样性")
fig.show()

# 箱线图（常用于组间比较）
fig = px.box(df, x="Group", y="Shannon",  # 按组画箱线图
             color="Group",                # 颜色区分
             points="all",                 # 显示所有数据点
             title="Shannon 指数组间比较")
fig.update_layout(showlegend=False)        # 隐藏图例（已有 X 轴标签）
fig.show()

# 环形饼图
fig = px.pie(df, values="丰度", names="物种",  # 数值和标签
             hole=0.4,                          # 中间空洞 = 环形图
             title="菌群组成")
fig.show()

import numpy as np                     # 导入 NumPy

# 模拟基因表达矩阵
genes = ["Gene_" + str(i) for i in range(1, 11)]   # 10 个基因
samples = ["S" + str(i) for i in range(1, 6)]       # 5 个样本
matrix = np.random.rand(10, 5)                       # 随机表达值

fig = px.imshow(matrix,                # 热力图
                labels=dict(x="样本", y="基因", color="表达量"),
                x=samples, y=genes,    # 轴标签
                color_continuous_scale="RdBu_r",  # 红蓝配色
                title="基因表达热图")
fig.show()

import plotly.graph_objects as go      # 底层 API

# 多系列叠加
fig = go.Figure()                      # 创建空图

fig.add_trace(go.Bar(                  # 添加柱状图
    name="健康组",
    x=["Bacteroidetes", "Firmicutes"],
    y=[40, 25],
    marker_color="steelblue"           # 柱子颜色
))

fig.add_trace(go.Bar(                  # 再添加一组
    name="疾病组",
    x=["Bacteroidetes", "Firmicutes"],
    y=[30, 35],
    marker_color="indianred"
))

fig.update_layout(
    barmode="group",                   # 分组柱状图
    title="健康 vs 疾病组物种丰度",
    xaxis_title="物种",
    yaxis_title="相对丰度 (%)"
)
fig.show()

from plotly.subplots import make_subplots  # 子图工具

fig = make_subplots(rows=1, cols=2,        # 1 行 2 列
                    subplot_titles=("散点图", "箱线图"))

fig.add_trace(go.Scatter(x=[1,2,3], y=[4,5,6], mode="markers"),
              row=1, col=1)                # 左边散点图

fig.add_trace(go.Box(y=[1,2,3,4,5], name="A"),
              row=1, col=2)                # 右边箱线图

fig.update_layout(title_text="多图组合", showlegend=False)
fig.show()

# 导出为静态图片（需要 kaleido）
fig.write_image("figure.png", width=800, height=600, scale=2)  # PNG
fig.write_image("figure.svg")          # SVG 矢量图
fig.write_image("figure.pdf")          # PDF

# 导出为交互式 HTML
fig.write_html("figure.html")         # 可在浏览器打开的交互式图表

# PCoA / PCA 三维可视化
fig = px.scatter_3d(df, x="PC1", y="PC2", z="PC3",  # 三个主成分
                    color="Group",                    # 按组着色
                    symbol="Timepoint",               # 不同时间点用不同符号
                    title="PCoA 三维可视化")
fig.show()

# 带时间滑块的动画
fig = px.scatter(df, x="Shannon", y="Simpson",
                 animation_frame="Timepoint",    # 按时间点动画
                 animation_group="SampleID",     # 每个样本是一个动画对象
                 color="Group",
                 size="Abundance",
                 range_x=[0, 5], range_y=[0, 1],  # 固定坐标范围
                 title="多样性随时间变化")
fig.show()

# ===== Plotly 速查表 =====

import plotly.express as px            # 高层 API（推荐）
import plotly.graph_objects as go      # 底层 API

# Plotly Express 一行出图
px.bar(df, x, y, color)               # 柱状图
px.scatter(df, x, y, color, size)     # 散点图
px.line(df, x, y, color)             # 折线图
px.box(df, x, y, color)              # 箱线图
px.violin(df, x, y, color)           # 小提琴图
px.pie(df, values, names)            # 饼图
px.histogram(df, x, color)           # 直方图
px.imshow(matrix)                     # 热力图
px.scatter_3d(df, x, y, z)           # 3D 散点
px.density_heatmap(df, x, y)         # 密度热图

# 导出
fig.write_image("fig.png")            # PNG
fig.write_image("fig.svg")            # SVG
fig.write_html("fig.html")           # 交互式 HTML

# Plotly vs Matplotlib
# Plotly: 交互式、Web 友好、Dash 集成
# Matplotlib: 静态图、论文级出版、更多定制
# 建议：探索数据用 Plotly，发论文用 Matplotlib