plotly结合dash可通过dcc.interval实现每2秒动态更新图表，支持实时api、csv轮询或模拟数据；多图表联动可基于点击筛选与悬停响应，实现交互式数据联动分析。
动态数据更新：用Plotly实现实时刷新图表
Plotly本身不内置定时器，但结合Dash或JavaScript回调，可以轻松实现动态效果。最常用的是在Dash中使用dcc.Interval组件触发周期性更新。比如每2秒拉取一次新数据并重绘折线图：
- 在Dash布局中加入dcc.Interval(id='interval', interval=2000, n_intervals=0)
- 用@app.callback监听n_intervals变化，返回更新后的figure
- 数据源可来自实时API、CSV轮询，或模拟生成（如np.random.randn()追加点）
注意：避免在回调中做耗时操作；大数据量建议用FigureWidget或启用use_container_width=True自适应布局。
多图表联动：点击筛选+悬停响应
交互不只是缩放拖拽，关键是让多个图表“说话”。例如点击散点图中的某个类别，下方柱状图只显示该类别的分布：
- 用selectedData或clickData
- 回调函数中解析选中点的points字段，提取customdata或x/y值
- 用go.Bar或go.Histogram动态生成子图，保持坐标轴一致提升可读性
悬停提示也能定制：通过hovertemplate控制显示内容，支持HTML标签和变量插值，比如'%{x}：
%{y:.2f}万（同比+%{customdata[1]:.1f}%）'。
立即学习“Python免费学习笔记（深入）”；
构建轻量级仪表盘：布局+主题+导出
Dash是Plotly生态中最成熟的仪表盘方案，但不必大而全。一个实用仪表盘只需三步：
- 响应式布局：用dbc.Row + dbc.Col（Dash Bootstrap Components）划分区域，设置md=6让双图并排，小屏自动堆叠
- 统一视觉风格：全局配置plotly_template='seaborn'或自定义layout={'paper_bgcolor':'#f8f9fa','plot_bgcolor':'white'}
- 用户导出能力：添加dcc.Download组件，点击按钮触发download.data回调，导出CSV或PNG（需fig.write_image()配合kaleido）
不需要后端数据库？静态JSON或本地CSV完全够用。关键把核心指标（KPI卡片）、趋势图、明细表分层呈现，信息密度适中。
性能优化：大数据量下的流畅交互
当数据点超10万，直接渲染会卡顿。这时要主动降采样或改用高效模式：
- 前端聚合：用dash_ag_grid替代表格，支持虚拟滚动和列过滤
- 服务端简化：在回调中用pd.Grouper(key='time', freq='1H')按小时聚合时间序列
- 图表精简：散点图开启mode='markers'并设marker=dict(size=2, opacity=0.6)；折线图用line_shape='hvh'减少路径计算
记住：用户不需要看到每个点，需要的是趋势和异常。合理聚合比强行渲染更专业。
