Plotly для аналитика: интерактивные графики на Python и первый дашборд на Dash
Plotly — бесплатная библиотека Python, которая строит интерактивные графики: при наведении курсора видно точное значение, легенда включает и выключает ряды, область можно приблизить мышью. Аналитик готовит таблицу в pandas, одной строкой Plotly Express получает фигуру, донастраивает её через graph_objects и сохраняет в HTML для коллег или в PNG для отчёта. Dash — следующий шаг от тех же разработчиков: веб-приложение с фильтрами, где графики пересчитываются по выбору пользователя. Для старта нужны базовый Python и pandas.
Содержание

Главное, что стоит понять с самого начала: график Plotly — это не картинка, а маленькая веб-страница. Python только описывает фигуру, а рисует её JavaScript-библиотека plotly.js в браузере или в ноутбуке Jupyter. Отсюда и сильные стороны, и сюрпризы новичка: файл с одним графиком весит несколько мегабайт, а сохранить его в PNG на сервере без браузера не получится.
Что умеет Plotly и кому он нужен
Plotly выбирают, когда график будут не только смотреть, но и исследовать. Маркетолог наводит курсор на провал в марте и видит, какой канал просел. Продуктовый аналитик рассылает воронку, где каждый скрывает лишние сегменты. На точечной диаграмме из пяти тысяч клиентов при наведении на выброс всплывает его идентификатор. В статичной картинке для этого понадобились бы подписи, которые перегрузят рисунок.
Иногда лучше подойдёт другой инструмент. Matplotlib даёт полный контроль над каждой линией и остаётся стандартом для статей и печати, а Seaborn поверх него быстро строит статистические графики. Для иллюстрации в PDF интерактивность Plotly лишняя. Streamlit собирает приложение из обычного скрипта без колбэков и быстрее даёт первый прототип, чем Dash, но при сложных связях между элементами страницы колбэки Dash дают больше контроля. Регулярный отчёт для отдела без кода удобнее делать в DataLens или Power BI, а выбор формы графика, осей и цвета разобран в нашей статье о визуализации данных.
Express и graph_objects: два уровня одной библиотеки
В Plotly два способа построить график. Модуль plotly.express — короткий высокоуровневый интерфейс: передаёте таблицу и названия столбцов, получаете готовую фигуру с легендой, подписями и подсказками. В документации Plotly сказано, что в Express больше 30 функций для разных типов графиков и что это рекомендуемая отправная точка для большинства обычных задач.
Модуль graphobjects — низкий уровень: фигура собирается из отдельных слоёв, осей и аннотаций. Важно, что уровни не конкурируют. По той же документации, каждая функция Express внутри использует graphobjects и возвращает объект go.Figure, а тот же график средствами одного graphobjects потребовал бы в 5–100 раз больше кода. Рабочий приём: основа в Express, а к ней через graphobjects — вторая ось, линия плана, подпись к точке.
Учебный пример: выручка по регионам за год
Ситуация вымышленная. У сети из трёх филиалов есть таблица с колонками «месяц», «регион», «выручка» и «план». Руководитель просит показать, какой регион отстаёт и с какого месяца.
Аналитик вызывает px.line с параметрами x=»месяц», y=»выручка» и color=»регион» и получает три линии с легендой. Через hoverdata добавляет в подсказку колонку «план», чтобы при наведении было видно и факт, и цель. Затем переходит к graphobjects: методом addhline проводит пунктир среднего плана, addannotation подписывает точку, где северный филиал впервые ушёл ниже плана, а update_layout задаёт заголовок-вывод и формат чисел на оси.
Руководителю уходит HTML, в квартальную презентацию — PNG той же фигуры. На этом шаге новичка ждут две ловушки.
Экспорт в HTML и PNG
Метод writehtml по умолчанию встраивает в файл всю библиотеку plotly.js. В справочнике API её объём оценён примерно в 3 МБ, а на странице об экспорте HTML сказано, что итоговый файл бывает больше 5 МБ. Зато такой файл самодостаточен и откроется без интернета. Параметр includeplotlyjs=»cdn» делает файл примерно на 3 МБ легче, но библиотека загружается из сети, и в закрытом корпоративном контуре график может не отобразиться. Для пачки отчётов удобен вариант «directory»: одна копия plotly.min.js лежит рядом с HTML-файлами.
Со статичными картинками сложнее. За экспорт в PNG, JPEG, WebP, SVG и PDF отвечает пакет Kaleido, и, согласно странице пакета на PyPI, начиная с версии 1.0.0 он требует установленного Chrome. Сам браузер в пакет не входит, а для Kaleido v1 нужен Plotly.py 6.1.1 или новее. Поэтому скрипт, который на ноутбуке аналитика исправно сохраняет PNG, на сервере, в Docker-контейнере или в CI-конвейере без браузера упадёт на строке fig.writeimage. Документация Plotly предлагает поставить браузер командой plotlygetchrome, а для многих графиков вызывать writeimages — это быстрее, чем write_image для каждой фигуры.
Dash: когда одного графика мало
Если руководитель просит выбирать регион и период самостоятельно, отдельных HTML-файлов уже не хватит. Dash собирает из графиков Plotly веб-приложение: в макет страницы ставят выпадающий список и график, а функция-колбэк с декоратором @callback связывает их. Как сказано в документации Dash, колбэк вызывается автоматически, когда меняется свойство входного компонента, и обновляет свойство выходного — например, фигуру. Важная деталь: при запуске приложения Dash сам вызывает все колбэки со стартовыми значениями, поэтому заглушка, заданная в макете, сразу заменяется.
Типичная ошибка при переходе от ноутбука к приложению — хранить отфильтрованную таблицу в глобальной переменной. Руководство Dash это прямо запрещает: приложением пользуются несколько человек сразу, и изменение, сделанное для одного, попадёт к другому, а при запуске в несколько процессов, например gunicorn --workers 4 app:server, память между ними не общая. Данные между колбэками передают через dcc.Store в браузере пользователя, но по сети каждый раз ходит весь объём, так что крупные таблицы лучше заранее агрегировать.
Для разработки хватает app.run с debug=True — появляется панель отладки. Коллегам приложение показывают с собственного сервера за gunicorn или через платформы разработчиков — Plotly Cloud и Dash Enterprise.
С чего начать и в каком порядке осваивать
Порядок здесь определяется зависимостями. Plotly Express принимает таблицу pandas, поэтому без умения группировать и переводить таблицу из широкого формата в длинный каждый график превращается в борьбу с данными. graph_objects имеет смысл открывать, когда Express уже не справляется. Экспорт стоит освоить до Dash: большинству задач аналитика хватает HTML-файла, а приложение нужно, только когда пользователь сам выбирает срез.
- pandas: groupby, melt и pivot, длинный формат таблицы.
- Plotly Express: line, bar, scatter, histogram, параметры color, facetcol, hoverdata.
- updatelayout, updatetraces и слои из graph_objects.
- Экспорт: writehtml, затем writeimage с Kaleido.
- Dash: два компонента и один колбэк, затем несколько входов и dcc.Store.
- Публикация через gunicorn или облачную платформу.
Первые три шага удобно пройти в Jupyter или Colab, где фигура отображается прямо под ячейкой. Если нужна база Python и библиотек анализа с практикой, на онлайн-курсе Digital Skills Academy «Python с нуля» Plotly указан среди инструментов второго модуля «Программирование в Python» вместе с Pandas, NumPy и Seaborn. Курс длится около месяца, задания выполняются в браузерном тренажёре без установки среды.
Упражнения и самопроверка
Полезно переносить один график между уровнями: постройте столбчатую диаграмму в Express, повторите её средствами graphobjects и сравните объём кода. Затем сохраните фигуру с includeplotlyjs=True, «cdn» и «directory», сравните размеры файлов и откройте каждый без интернета.
Для Dash соберите приложение с одним выпадающим списком и одним графиком, откройте его в двух вкладках и выберите разные регионы. Если выбор в одной вкладке влияет на другую, где-то осталась глобальная переменная. Скрипт с write_image проверьте в чистом окружении или контейнере.
Новички часто подают в Express широкую таблицу с месяцами в столбцах и добавляют каждую линию вручную, хотя после melt хватило бы параметра color. Другая ошибка — точечная диаграмма на сотни тысяч строк, которая тормозит браузер: такие данные стоит агрегировать.
Чему учат на курсах
Отдельных онлайн-курсов только по Plotly в нашем каталоге нет, а Dash в программах не встретился, поэтому его обычно осваивают по документации после курса. Plotly входит в программы по анализу данных как одна из библиотек визуализации.
На онлайн-курсе Skillbox «Data Analyst с нуля до Junior» Plotly и Matplotlib названы в разделе о Python для анализа, а дашборды и отчётность строят в Power BI. Обучение рассчитано на девять месяцев, задания проверяет куратор, в программе два проекта. Отдельного модуля по визуализации на странице нет, поэтому глубину работы с Plotly стоит уточнить у школы.
Такая связка типична: Python отвечает за исследование и разовые интерактивные графики, BI-система — за регулярные отчёты. Если нужен именно Plotly, спросите, будут ли задания на экспорт и сборку нескольких графиков в один отчёт.
Длинная программа с двумя дипломами — онлайн-курс Synergy Academy «Data Scientist + ИИ»: десять месяцев и 368 часов, из них 245 часов практики. Plotly указан в блоке библиотек Python рядом с Pandas, Matplotlib и Seaborn, отдельного модуля по визуализации в описании нет. Условия скидки на странице не раскрыты, итоговую цену уточняйте до договора.
Как навык влияет на доход
Открытых данных о надбавке именно за Plotly или Dash найти не удалось: зарплатные обзоры считают по профессиям, а не по отдельным библиотекам. Plotly — одна из нескольких библиотек визуализации в стеке аналитика, и сама по себе зарплату она не определяет: её ценят вместе с pandas, SQL и умением сделать из данных вывод.
Косвенно навык расширяет круг задач: аналитик, который собирает на Dash внутренний инструмент с фильтрами, закрывает потребность, для которой иначе понадобились бы лицензии BI-системы или разработчик. Чтобы оценить рынок, сравните на сайте вакансий предложения по своей профессии в одном регионе и с одинаковым опытом с упоминанием Plotly или Dash и без него, смотрите на медиану и проверяйте, указана ли сумма до вычета налога.
Как выбрать обучение
Если Python для вас новый, ищите программу с pandas и проверкой заданий человеком. Если Python знаком, ради одной библиотеки курс не нужен — хватит документации и проекта на своих данных, а курс стоит выбирать ради профессии аналитика целиком.
Сравнить школы, которые учат анализу данных в целом, можно по рейтингу онлайн-школ с обучением анализу данных: это общий рейтинг направления, а не подборка по Plotly. В программе проверьте, названы ли интерактивные библиотеки визуализации, будет ли проект, который можно показать работодателю как HTML-отчёт или приложение, и кто разбирает ваши графики — наставник или автотест.