在数据可视化领域，Plotly不仅是高效的绘图工具，更是设计师的创意画布。

当基础图表已无法满足品牌化需求时，样式定制能力将成为数据叙事的关键武器。

深入的样式定制能够帮助我们打造品牌化图表、实现精准的视觉表达，并显著提升交互体验。

本文将深入探讨Plotly的样式定制高级技巧，从自定义模板的创建到颜色映射与字体的高级应用，希望能帮助你更好的实现数据可视化项目。

1. 自定义模板

自定义模板是 Plotly 样式定制的核心工具之一。

通过模板，我们可以定义图表的整体风格，包括布局、颜色和字体等，从而实现一致性和可复用性。

1.1. 模板的创建

模板的创建基于一个字典结构，其中包含多个关键配置项。

import plotly.express as px
import plotly.graph_objects as go
import plotly.io as pio
# 创建自定义模板
custom_template = go.layout.Template()
custom_template.layout.paper_bgcolor = 'lightgray'
custom_template.layout.plot_bgcolor = 'white'
custom_template.layout.xaxis.gridcolor = '#f5b7b1'
custom_template.layout.yaxis.gridcolor = '#abebc6'
custom_template.layout.font.family = 'Arial'
custom_template.layout.font.size = 12
# 自定义模板的名称
pio.templates["my_theme"] = custom_template
df = px.data.iris()
fig = px.scatter(df, x="sepal_width", y="sepal_length", template="my_theme")
fig.show()

借助 go.layout.Template() 创建一个新的模板对象，并且对模板的各项属性进行设置，例如背景颜色、网格颜色、字体等。

利用 pio.templates 把自定义模板添加到可用模板列表中。

1.2. 模板的保存与复用

创建好自定义模板后，可以将其保存为 JSON 文件，方便在其他项目中复用。

import json
# 将模板的布局转换为字典
template_dict = {
 'layout': custom_template.layout.to_plotly_json()
}
# 保存为 JSON 文件
with open('custom_template.json', 'w') as f:
 json.dump(template_dict, f, indent=4)

其他项目通过加载custom_template.json来复用模板。

# 从 JSON 文件加载模板
with open("custom_template.json", "r") as f:
 loaded_template_dict = json.load(f)
# 将加载的模板添加到可用模板列表中
pio.templates["loaded_custom_template"] = loaded_template_dict
# 使用加载的自定义模板创建图表
df = px.data.iris()
fig = px.scatter(
 df,
 x="sepal_width",
 y="sepal_length",
 template="loaded_custom_template",
)
# 显示图表
fig.show()

2. 自定义颜色和字体

颜色和字体是视觉表达的关键元素。

通过自定义颜色映射和字体，我们可以进一步提升图表的视觉效果。

2.1. 离散颜色

离散颜色映射通常用于分类数据。以下是一个使用离散颜色映射的柱状图示例：

import plotly.express as px
# 加载数据
df = px.data.tips()
# 定义离散颜色映射
discrete_colorscale = ["#4C72B0", "#55A868", "#C44E52", "#8172B2", "#CCB974"]
# 绘制柱状图并应用离散颜色映射
fig = px.bar(
 df,
 x="day",
 y="total_bill",
 color="sex",
 color_discrete_sequence=discrete_colorscale, # 使用离散颜色映射
 title="按日和性别统计的总账单",
)
# 显示图表
fig.show()

在这个示例中：

• color_discrete_sequence参数用于指定离散颜色映射
• color参数指定了分类变量sex，Plotly根据这个变量为不同类别分配颜色

2.2. 连续颜色

连续颜色映射通常用于数值范围数据。以下是一个使用连续颜色映射的散点图示例：

import plotly.express as px
# 加载数据
df = px.data.iris()
# 定义连续颜色映射
continuous_colorscale = [[0, "#FFEDA0"], [0.5, "#FEB24C"], [1, "#E6550D"]]
# 绘制散点图并应用连续颜色映射
fig = px.scatter(
 df,
 x="sepal_width",
 y="sepal_length",
 size="petal_length",
 color="petal_width",
 color_continuous_scale=continuous_colorscale, # 使用连续颜色映射
 title="Iris 数据集：萼片宽度与萼片长度",
)
# 显示图表
fig.show()

在这个示例中：

color_continuous_scale参数使用了Plotly内置的颜色映射方案Viridis。

Plotly 提供了许多其他内置颜色映射方案，如Plasma、Inferno、Magma等。

2.3. 分级字体控制

分级字体控制允许你为不同的图表元素（如标题、图例、坐标轴标签等）设置不同的字体样式。

import plotly.express as px
# 加载数据
df = px.data.tips()
# 绘制柱状图
fig = px.bar(
 df, x="day", y="total_bill", color="sex", title="按日和性别统计的总账单"
)
# 分级字体设置
fig.update_layout(
 title_font={"family": "Roboto", "size": 24, "color": "#333333"}, # 标题字体
 legend_font={"family": "Open Sans", "size": 14, "color": "#555555"}, # 图例字体
 xaxis_title_font={"family": "Lato", "size": 16, "color": "#333333"}, # X 轴标题字体
 yaxis_title_font={"family": "Lato", "size": 16, "color": "#333333"}, # Y 轴标题字体
 xaxis_tickfont={"family": "Arial", "size": 12, "color": "#666666"}, # 坐标轴刻度字体
 yaxis_tickfont={"family": "Arial", "size": 15, "color": "#666666"}, # 坐标轴刻度字体
)
# 显示图表
fig.show()

在这个示例中：

• title_font设置了标题的字体样式
• legend_font设置了图例的字体样式
• xaxis_title_font和yaxis_title_font分别设置了 X 轴和 Y 轴标题的字体样式
• xaxis_tickfont和yaxis_tickfont设置了坐标轴刻度的字体样式

3. 总结

通过深入的样式定制，Plotly能够实现可视化的一致性、提升信息传达效率和优化用户体验。

以下是几点实践建议：

• 模板设计遵循「颜色-布局-字体」优先级原则：颜色是视觉的第一印象，布局决定了整体结构，字体则影响细节体验
• 颜色映射需保证色盲友好性：避免红绿直接对比，选择色盲友好的配色方案。
• 字体选择需考虑多平台兼容性：优先使用 Web 安全字体，并为自定义字体设置回退选项。