Interactive chart — Plotly আর কখন দরকার

মডিউল ৫-এর আগের পর্বগুলোতে matplotlib দিয়ে ছবি আঁকা (পর্ব ২৮ · matplotlib-এর শুরু), প্রশ্ন দেখে chart বাছাই (পর্ব ২৯ · কোন chart কখন) আর seaborn-এর পরিসংখ্যানের chart (পর্ব ৩০) এসেছে। সেগুলোর ফল একটি স্থির ছবি: PNG বা SVG, যা সবাই একইভাবে দেখে। এই পর্বে প্রশ্নটা অন্যরকম। বাজারঘরের (এই কোর্সের কাল্পনিক অনলাইন দোকান) ৬০০টি অর্ডারের মধ্যে কোন অর্ডারটি অস্বাভাবিক দেরিতে পৌঁছেছে, তা স্থির ছবিতে একটি বিন্দু মাত্র; কিন্তু বিন্দুর ওপর mouse রাখলে যদি order_id দেখা যায়, তাহলে সেখান থেকেই খোঁজ শুরু করা যায়। এই সুবিধার নাম interactivity, আর Python-এ এর সবচেয়ে প্রচলিত লাইব্রেরিগুলোর একটি Plotly.

একটি সতর্কতা আগেই। এই পাতার ভেতরের Python (Pyodide) Plotly-র Python package চালায় না। তাই এই পর্বের কাজ তিন ভাগে: (১) ডেস্কটপে Python 3.14.4, plotly 7.1.0 (লেখার সময়ের সর্বশেষ স্থির সংস্করণ, ভেতরে plotly.js 4.1.1), pandas 3.1.1 আর NumPy 2.5.4 দিয়ে সত্যিকারের run, যার আসল আউটপুট পাতায় দেওয়া; (২) পাতার ভেতরেই JavaScript-এ plotly.js 4.1.1 দিয়ে দুটি chart, যা আপনি নিজে hover আর zoom করতে পারবেন (প্রথমবার ইন্টারনেট থেকে প্রায় ১.৫ MB নামে); (৩) পাতার Python-এ pandas দিয়ে figure-এর JSON আর লেখা সারাংশ বানানো।

১ · কখন interactive chart সাহায্য করে, কখন ক্ষতি করে

ঢাকার একটি রিকশার রুটের কথা ভাবুন। কাউকে শুধু “মিরপুর থেকে ধানমন্ডি কোন পথে” বলতে হলে একটি ছাপা ম্যাপে একটি দাগই যথেষ্ট। কিন্তু নিজে যদি রোজ নতুন রাস্তা খুঁজতে হয়, তখন zoom করা যায় এমন ফোনের ম্যাপ লাগে। Chart-এর বেলায়ও একই কথা: উত্তর জানানোর জন্য স্থির chart, উত্তর খোঁজার জন্য interactive chart. ১৯৯৬ সালে Ben Shneiderman তাঁর “The Eyes Have It” প্রবন্ধে তথ্য খোঁজার একটি সূত্র দিয়েছিলেন, যা আজও বহুল উদ্ধৃত: “Overview first, zoom and filter, then details-on-demand” — আগে পুরো ছবি, তারপর zoom আর ছাঁকনি, শেষে চাইলে বিস্তারিত। Interactive chart এই তিনটি ধাপ এক জায়গায় দেয়।

একটি সূক্ষ্ম ক্ষতিও আছে। Interactive chart পাঠকের ওপর কাজ চাপায়: কোথায় hover করবেন, কোন legend বন্ধ করবেন, তা পাঠককেই ঠিক করতে হয়। আপনি যে কথাটি বলতে চান, পাঠক হয়তো সেটি খুঁজেই পেলেন না। তাই রিপোর্টে মূল কথাটি chart-এর শিরোনাম আর লেখায় নিজে বলে দিন, interactivity থাকুক বাড়তি অনুসন্ধানের জন্য। নিচের ধাপে বাজারঘরের পাঁচটি বাস্তব প্রশ্ন দিয়ে সিদ্ধান্তটি অনুশীলন করুন।

২ · Plotly-র দুই স্তর — Plotly Express আর Graph Objects

Plotly একটি পরিবার। এর কেন্দ্রে plotly.js, একটি JavaScript লাইব্রেরি, যা ব্রাউজারে chart আঁকে; সাধারণ chart SVG দিয়ে, অনেক point-এর chart WebGL দিয়ে। Python-এর plotly package নিজে কিছু আঁকে না; এটি একটি figure-এর বর্ণনা বানায় আর সেই বর্ণনা plotly.js-এর হাতে দেয়। Python package-এর ভেতরে দুটি স্তর:

একই বাজারঘরের chart দুইভাবে। ডেটা বানানো হয়েছে seed 42 দিয়ে, ৬০০টি অর্ডার, পাঁচ জেলা, তিন ক্যাটাগরি; দাম পূর্ণসংখ্যা পয়সায় (price_paisa), chart-এ টাকা (amount_tk = qty × price_paisa / 100). ডেস্কটপে সত্যিকারের run (Python 3.14.4, plotly 7.1.0):

~/bazarghar-ai$ python bazarghar_plotly.py
python 3.14.4 | plotly 7.1.0 | plotly.js 4.1.1 | pandas 3.1.1
(600, 10)

import plotly.express as px, plotly.graph_objects as go

# ১) Plotly Express: এক লাইনে
fig = px.scatter(df, x="delivery_days", y="amount_tk", color="district",
                 hover_data=["order_id", "category", "rating"],
                 title="Order amount vs delivery days")

# ২) Graph Objects: একই chart, প্রতিটি জেলা হাতে যোগ করে
g = go.Figure()
for dist, part in df.groupby("district"):
    g.add_trace(go.Scatter(x=part.delivery_days, y=part.amount_tk,
                           mode="markers", name=dist))
g.update_layout(title="Same chart with graph_objects",
                xaxis_title="delivery_days", yaxis_title="amount_tk")

আসল আউটপুট (ডেস্কটপ, plotly 7.1.0), figure-এর ভেতরটা ছেপে দেখা:

type(fig): Figure
keys: ['data', 'layout']
traces: 5 ['Rajshahi', 'Dhaka', 'Chattogram', 'Khulna', 'Sylhet']
trace0.type: scatter | mode: markers | points: 94
hovertemplate: district=Rajshahi<br>delivery_days=%{x}<br>amount_tk=%{y}<br>order_id=%{customdata[0]}<br>category=%{customdata[1]}<br>rating=%{customdata[2]}<extra></extra>
customdata[0]: [1001, 'Grocery', 4]
layout.xaxis.title: delivery_days | legend title: district
go traces: 5

চারটি জিনিস লক্ষ করুন। এক: color="district" একটি trace-এ রং বদলায় না, পাঁচটি আলাদা trace বানায়, প্রতিটি জেলায় একটি; trace-এর ক্রম ডেটায় যে জেলা আগে এসেছে সেই ক্রমে (প্রথম অর্ডার রাজশাহীর). legend-এ একটি জেলায় ক্লিক করলে সেই trace লুকায়। দুই: hover_data-র কলামগুলো customdata নামের একটি লুকানো কলামে ঢোকে, আর hovertemplate লেখায় %{customdata[0]} দিয়ে সেগুলো ডাকা হয়। তিন: Graph Objects-এ পাঁচটি trace নিজে loop করে যোগ হয়েছে; গঠন একই। চার: অক্ষের নাম কলামের নামই; সুন্দর নাম চাইলে labels={"amount_tk": "Amount (taka)"} দিন।

৩ · Figure মানে data আর layout — একটি JSON

পরীক্ষার খাতায় একটি প্রশ্নপত্র আর একটি উত্তরপত্র থাকে; ছাপাখানা জানে কোন কাগজে কী ছাপতে হবে। Plotly-র figure-ও দুই ভাগের একটি নির্দেশপত্র: data হলো trace-এর তালিকা (কোন বিন্দু, কোন রেখা, কোন bar), আর layout হলো বাকি সব (শিরোনাম, অক্ষ, legend, margin আর রং)। এই নির্দেশপত্রটি JSON, তাই Python, R, Julia বা সরাসরি JavaScript, যেকোনো ভাষা থেকে একই chart বানানো যায়, আর plotly.js সব ক্ষেত্রে একই কাজ করে। নিচের ছবিতে পুরো পথটি দেখুন।

এই JSON দেখতে কেমন, তা পাতার Python-এই বানিয়ে দেখা যায়, Plotly ছাড়াই। নিচের কোড বাজারঘরের ২০০টি অর্ডার থেকে জেলাভিত্তিক বিক্রি (পর্ব ২৪-এর groupby) বের করে, তারপর ঠিক px.bar-এর মতো গঠনের একটি dict বানায়। প্রথমবার চালালে pandas নামতে কয়েক সেকেন্ড লাগতে পারে।

import json
import numpy as np, pandas as pd

rng = np.random.default_rng(42)
n = 200
df = pd.DataFrame({
    "district": rng.choice(["Dhaka", "Chattogram", "Khulna", "Rajshahi",
                            "Sylhet"], n, p=[0.4, 0.2, 0.15, 0.15, 0.1]),
    "qty": rng.integers(1, 6, n),
    "price_paisa": rng.integers(80, 2500, n) * 100,
})
df["amount_tk"] = df["qty"] * df["price_paisa"] // 100   # পয়সা থেকে টাকা
rev = df.groupby("district")["amount_tk"].sum().sort_values(ascending=False)

# Plotly-র figure: data (trace-এর list) + layout, সবই সাধারণ dict
fig = {
    "data": [{"type": "bar", "x": rev.index.tolist(),
              "y": [int(v) for v in rev],
              "hovertemplate": "%{x}: %{y:,} taka<extra></extra>"}],
    "layout": {"title": {"text": "Revenue by district (taka)"},
               "yaxis": {"title": {"text": "taka"}}},
}
for k, v in fig["data"][0].items():
    print(f"data[0].{k} =", json.dumps(v))
print("layout =", json.dumps(fig["layout"]))
text = json.dumps(fig)
print("JSON:", len(text), "characters | traces:", len(fig["data"]))

data[0].type = "bar"
data[0].x = ["Dhaka", "Chattogram", "Rajshahi", "Khulna", "Sylhet"]
data[0].y = [325151, 186954, 139575, 100543, 36192]
data[0].hovertemplate = "%{x}: %{y:,} taka<extra></extra>"
layout = {"title": {"text": "Revenue by district (taka)"}, "yaxis": {"title": {"text": "taka"}}}
JSON: 287 characters | traces: 1

px-এর বানানো figure-ও ঠিক এই রকম, শুধু অনেক বেশি ঘর ভরা। ডেস্কটপে চারটি অর্ডারের একটি ছোট px.scatter-এর fig.to_dict() ছাপলে (template বাদ দিয়ে) একটি চমক দেখা যায়। সত্যিকারের run, plotly 7.1.0:

{
 "data": [
  {
   "hovertemplate": "delivery_days=%{x}<br>amount_tk=%{y}<extra></extra>",
   "mode": "markers",
   "x": {
    "dtype": "i1",
    "bdata": "BAUCAQ=="
   },
   "y": {
    "dtype": "i2",
    "bdata": "qgf7E2gk5AI="
   },
   "type": "scatter"
   …
  }
 ],
 "layout": {
  "xaxis": { "title": { "text": "delivery_days" }, … },
  …
 }
}
template present: True

x আর y সংখ্যার তালিকা হিসেবে নেই, আছে dtype আর bdata হিসেবে: NumPy array-এর কাঁচা বাইট (পর্ব ১৩-এর data buffer), base64 লেখায়। "i1" মানে 1 বাইটের পূর্ণসংখ্যা (delivery_days 1–7), "i2" মানে 2 বাইটের (টাকা 740 থেকে 9320 পর্যন্ত)। plotly 6.0 থেকে Python package বড় array এভাবে পাঠায়, যাতে JSON ছোট আর দ্রুত হয়; plotly.js সেটি সরাসরি typed array হিসেবে পড়ে। আর template হলো রং, ফন্ট আর grid-এর একটি বড় default সেট, যা প্রতিটি figure-এ থাকে; এজন্যই চার বিন্দুর figure-ও কয়েক হাজার অক্ষরের।

1fig = px.scatter(df, ..., color="district",
                 hover_data=[...])2fig.data           # trace-এর tuple3fig.data[0]        # রাজশাহীর trace4fig.layout         # অক্ষ, legend, template5s = fig.to_json()6fig.write_html("orders.html",
               include_plotlyjs="cdn")

৪ · হাতে-কলমে — ব্রাউজারে plotly.js: hover, zoom আর legend

Figure যেহেতু JSON, তাই Python ছাড়াও সরাসরি JavaScript-এ একই গঠন লিখে plotly.js-কে দেওয়া যায়। নিচের কোড এই পাতার নিরাপদ একটি ফ্রেমে (sandboxed iframe) চলে: প্রথমে jsDelivr CDN থেকে plotly.js-এর একটি নির্দিষ্ট সংস্করণ (4.1.1, ডেস্কটপের plotly 7.1.0-এর সঙ্গে মেলানো) নামায়, তারপর বাজারঘরের ২০টি অর্ডারের scatter আঁকে। প্রতিটি জেলা একটি trace, ঠিক px-এর color-এর মতো। চালানোর পর chart-এ এগুলো করে দেখুন: একটি বিন্দুর ওপর mouse রাখুন বা ফোনে চাপুন (hover); mouse টেনে একটি আয়তক্ষেত্র আঁকুন (zoom), দুবার ক্লিক করলে আগের অবস্থা; legend-এ “Dhaka” চাপুন (trace লুকানো), দুবার চাপলে শুধু ঢাকা।

// বাজারঘরের ২০টি অর্ডার: [district, delivery_days, amount_tk, order_id]
const rows = [["Dhaka",1,2450,1011],["Dhaka",2,9320,1003],["Dhaka",2,4180,1017],
  ["Dhaka",3,6120,1024],["Dhaka",1,880,1030],["Dhaka",4,1962,1001],
  ["Chattogram",2,3560,1008],["Chattogram",3,7240,1015],["Chattogram",4,2890,1027],
  ["Chattogram",3,5310,1033],["Khulna",4,740,1004],["Khulna",5,3980,1019],
  ["Khulna",3,2210,1036],["Rajshahi",4,3310,1005],["Rajshahi",5,6020,1021],
  ["Rajshahi",6,1450,1039],["Sylhet",5,5115,1002],["Sylhet",6,8460,1012],
  ["Sylhet",7,2730,1028],["Sylhet",6,4390,1041]];
const symbols = ["circle", "square", "diamond", "triangle-up", "x"];

function draw() {
  const names = [...new Set(rows.map(r => r[0]))];
  const data = names.map((d, i) => {
    const p = rows.filter(r => r[0] === d);
    return { type: "scatter", mode: "markers", name: d,
      x: p.map(r => r[1]), y: p.map(r => r[2]), customdata: p.map(r => r[3]),
      marker: { size: 11, symbol: symbols[i] },
      hovertemplate: "order %{customdata}<br>%{x} days, %{y:,} taka" };
  });
  const layout = { title: { text: "Order amount vs delivery days" },
    xaxis: { title: { text: "delivery days" } }, yaxis: { title: { text: "amount (taka)" } },
    colorway: ["#0072B2", "#E69F00", "#009E73", "#CC79A7", "#56B4E9"],
    margin: { l: 60, r: 10, t: 40, b: 40 }, legend: { orientation: "h", y: -0.22 } };
  Plotly.newPlot("chart", data, layout, { responsive: true, displaylogo: false })
    .then(gd => {
      console.log("Plotly.js", Plotly.version, "| traces:", gd.data.length);
      console.log(gd.data.map(t => t.name + ": " + t.x.length).join(", "));
    });
}
const s = document.createElement("script");   // নির্দিষ্ট version, CDN থেকে
s.src = "https://cdn.jsdelivr.net/npm/plotly.js-dist-min@4.1.1/plotly.min.js";
s.onload = draw;
s.onerror = () => console.error("Plotly.js আনা যায়নি — ইন্টারনেট সংযোগ দেখুন");
document.head.appendChild(s);
console.log("Plotly.js আনা হচ্ছে…");

Plotly.js আনা হচ্ছে…
Plotly.js 4.1.1 | traces: 5
Dhaka: 6, Chattogram: 4, Khulna: 3, Rajshahi: 3, Sylhet: 4

Chart-এর ওপরের ডান কোণের ছোট সরঞ্জামের সারিতে (modebar) ক্যামেরার আইকন chart-টি PNG হিসেবে নামায়; পাশের আইকনগুলো zoom, pan, box select আর lasso select. Box select দিয়ে বিন্দু বাছলে Plotly একটি plotly_selected event পাঠায়, যা dashboard-এ “বাছাই করা অর্ডারের টেবিল দেখানো”র মতো কাজে লাগে।

৫ · px-এর চার কাজের ঘোড়া — scatter, line, bar, histogram

পর্ব ২৯-এ প্রশ্ন দেখে chart বাছাইয়ের নিয়ম এসেছে: সম্পর্কের জন্য scatter, সময়ের জন্য line, তুলনার জন্য bar, distribution-এর জন্য histogram. px-এ চারটির ডাকার ধরন প্রায় এক: px.ধরন(df, x=..., y=..., color=...). কয়েকটি argument সব জায়গায় কাজ করে:

ডেস্কটপে সত্যিকারের run (plotly 7.1.0): মাসিক বিক্রি ক্যাটাগরি অনুযায়ী, facet_col দিয়ে তিনটি পাশাপাশি chart, আর bar ও histogram-এর trace-এর ধরন।

m = (df.assign(month=df.date.dt.to_period("M").dt.to_timestamp())
       .groupby(["month", "category"], as_index=False).amount_tk.sum())
fl = px.line(m, x="month", y="amount_tk", facet_col="category",
             markers=True, title="Monthly revenue (taka)")
fb = px.bar(df.groupby("district", as_index=False).amount_tk.sum(),
            x="district", y="amount_tk")
fh = px.histogram(df, x="delivery_days", color="category", barmode="group")

       month     category  amount_tk
0 2026-01-01  Electronics   166228.0
1 2026-01-01      Fashion   136386.0
2 2026-01-01      Grocery   150016.0
3 2026-02-01  Electronics    80119.0
…
facet traces: 3 | xaxes: ['xaxis', 'xaxis2', 'xaxis3']
bar: bar | hist: histogram 3

facet_col তিনটি trace আর তিনটি আলাদা x অক্ষ (xaxis, xaxis2, xaxis3) বানিয়েছে; y অক্ষ default-এ সবার এক, তাই তিন ক্যাটাগরির উচ্চতা সরাসরি তুলনা করা যায়। মাসিক যোগফলের কাজটি pandas-এর (পর্ব ২৬-এ to_period আর resample); Plotly শুধু আঁকে। একই figure write_image দিয়ে স্থির ছবি বানালে এমন দেখায়:

animation_frame নিয়ে একটি নোট। px.bar(m, x="district", y="orders", animation_frame="month") আমাদের run-এ দুটি frame বানিয়েছে (['Jan', 'Feb']), নিচে play বোতাম। Hans Rosling ২০০৬ সালের একটি বিখ্যাত বক্তৃতায় দেশগুলোর আয় আর আয়ুর চলমান bubble chart দেখিয়ে এই ধরনটি জনপ্রিয় করেন, আর Plotly-র docs-এর animation উদাহরণও সেই Gapminder ডেটা দিয়ে। কিন্তু animation-এ দুটি সময়ের তুলনা কঠিন, কারণ আগের frame চোখের সামনে থাকে না; বিশ্লেষণে facet_col প্রায়ই ভালো, animation বেশি মানায় উপস্থাপনায়। আর frame-এর মাঝে অক্ষের সীমা যেন না বদলায়, তা range_y দিয়ে বেঁধে দেওয়া ভালো।

লম্বা time series-এ Plotly-র সবচেয়ে কাজের জিনিস হলো x অক্ষের নিচে range slider. নিচের কোড বাজারঘরের ছয় মাসের (১৮০ দিন) দৈনিক অর্ডার বানায় একটি ছোট seed দেওয়া random generator দিয়ে: একটি সাধারণ স্তর, শুক্রবারে ভিড়, আর মার্চের মাঝামাঝি একটি কাল্পনিক উৎসবের সপ্তাহ। সঙ্গে ৭ দিনের চলমান গড় (পর্ব ২৬-এর rolling(7).mean()-এর হাতে লেখা রূপ). চালানোর পর নিচের ছোট chart-এর দুই প্রান্ত টেনে একটি সপ্তাহ বড় করে দেখুন, বা ওপরের “1m”, “3m” বোতাম চাপুন।

// ১৮০ দিনের দৈনিক অর্ডার, seed দেওয়া ছোট generator (mulberry32)
function mulberry32(a) { return () => { a = (a + 0x6D2B79F5) | 0;
  let t = Math.imul(a ^ (a >>> 15), 1 | a);
  t = (t + Math.imul(t ^ (t >>> 7), 61 | t)) ^ t;
  return ((t ^ (t >>> 14)) >>> 0) / 4294967296; }; }
const rand = mulberry32(42), days = [], orders = [];
for (let i = 0; i < 180; i++) {
  const d = new Date(Date.UTC(2026, 0, 1 + i));
  const fri = d.getUTCDay() === 5 ? 12 : 0;          // শুক্রবারের ভিড়
  const fest = i >= 74 && i <= 78 ? 35 : 0;          // কাল্পনিক উৎসব, ১৬–২০ মার্চ
  days.push(d.toISOString().slice(0, 10));
  orders.push(Math.round(40 + fri + fest + 10 * rand()));
}
const avg7 = orders.map((_, i) => i < 6 ? null :
  +(orders.slice(i - 6, i + 1).reduce((a, b) => a + b) / 7).toFixed(1));
function draw() {
  const data = [
    { type: "scatter", mode: "lines", name: "daily", x: days, y: orders, line: { color: "#9ca3af", width: 1 } },
    { type: "scatter", mode: "lines", name: "7-day mean", x: days, y: avg7, line: { color: "#0072B2", width: 2.5 } }];
  const layout = { title: { text: "Daily orders, 2026" }, margin: { l: 45, r: 10, t: 70, b: 10 },
    yaxis: { title: { text: "orders" } }, legend: { x: 1, xanchor: "right", y: 1, bgcolor: "rgba(255,255,255,0.8)" },
    xaxis: { rangeslider: { visible: true }, rangeselector: { buttons: [
      { count: 1, label: "1m", step: "month", stepmode: "backward" },
      { count: 3, label: "3m", step: "month", stepmode: "backward" }, { step: "all" }] } } };
  Plotly.newPlot("chart", data, layout, { responsive: true, displaylogo: false });
  const top = orders.indexOf(Math.max(...orders)), sum = orders.reduce((a, b) => a + b);
  console.log("days:", days.length, "| first:", days[0], "| last:", days[179]);
  console.log("max:", orders[top], "on", days[top], "| mean:", (sum / 180).toFixed(1));
}
const s = document.createElement("script");
s.src = "https://cdn.jsdelivr.net/npm/plotly.js-dist-min@4.1.1/plotly.min.js";
s.onload = draw; s.onerror = () => console.error("Plotly.js আনা যায়নি");
document.head.appendChild(s);

days: 180 | first: 2026-01-01 | last: 2026-06-29
max: 91 on 2026-03-20 | mean: 47.5

৬ · দেখানো আর সংরক্ষণ — fig.show(), renderer, write_html আর write_image

fig.show() আর renderer. fig.show() নিজে কিছু আঁকে না; এটি figure-টিকে একটি renderer-এর হাতে দেয়, আর renderer ঠিক করে কোথায় দেখাবে। Plotly কোথায় চলছে দেখে default renderer বাছে। পর্ব ৮-এ দেখেছেন, Jupyter-এ একটি cell-এর আউটপুট আসলে কয়েকটি mimetype-এ রাখা তথ্য, আর frontend (JupyterLab, VS Code) ঠিক করে কোনটি দেখাবে। Plotly সেই ব্যবস্থাই ব্যবহার করে। আমাদের তিনটি সত্যিকারের run (plotly 7.1.0, ipykernel 7.4.0, nbclient 0.11.0 দিয়ে notebook চালিয়ে):

# সাধারণ .py script, terminal থেকে
default renderer: browser

# notebook, nbclient দিয়ে চালানো
0 stream: plotly_mimetype
1 display_data mimetypes: ['application/vnd.plotly.v1+json'] {'application/vnd.plotly.v1+json': 7677}
2 display_data mimetypes: ['image/png'] {'image/png': 18664}    # fig.show(renderer="png")

# একই notebook, VS Code-এর ভেতর থেকে চালালে
0 stream: vscode

Script-এ fig.show() একটি অস্থায়ী HTML বানিয়ে ব্রাউজার খোলে। Notebook-এ figure-টি application/vnd.plotly.v1+json mimetype-এ JSON হিসেবে ipynb ফাইলে বসে, আর JupyterLab বা VS Code সেটি plotly.js দিয়ে আঁকে। যেখানে এই mimetype বোঝে না (যেমন অনেক অনলাইন ipynb প্রিভিউ), সেখানে chart দেখা নাও যেতে পারে; এজন্য শেয়ার করার notebook-এ fig.show(renderer="png") বা pio.renderers.default = "png" একটি স্থির ছবি রাখে। আর পর্ব ৮-এর নিয়মটি মনে রাখুন: interactive chart notebook-কে ভারী করে, আর Git-এ diff অপাঠ্য করে; commit-এর আগে output মুছুন বা nbstripout ব্যবহার করুন।

write_html আর plotly.js কোথা থেকে আসবে। HTML ফাইলে figure-এর JSON থাকে, কিন্তু ছবি আঁকতে plotly.js লাগে। include_plotlyjs ঠিক করে সেটি কোথা থেকে আসবে। অংশ ২-এর ৬০০ অর্ডারের scatter দিয়ে সত্যিকারের run (plotly 7.1.0):

fig.write_html("out/scatter_embedded.html")                         # default: True
fig.write_html("out/scatter_cdn.html", include_plotlyjs="cdn")
fig.write_html("out/scatter_div.html", include_plotlyjs=False, full_html=False)
fig.write_html("out/dir/chart.html", include_plotlyjs="directory")

scatter_embedded.html 4849057 bytes
scatter_cdn.html 29774 bytes
scatter_div.html 29372 bytes
cdn script: ['https://cdn.plot.ly/plotly-4.1.1.min.js']
directory mode files: ['chart.html', 'plotly.min.js'] [7971, 4819433]
scatter.png 54583 bytes
scatter.svg 130726 bytes

সংখ্যাগুলো থেকে একটি শিক্ষা: ৬০০ বিন্দুর chart-এ আসল ডেটা প্রায় ২৯ KB, আর লাইব্রেরি ৪.৮ MB, প্রায় ১৬০ গুণ। gzip করলে plotly.min.js আমাদের মাপে প্রায় ১.৪৭ MB, তবু ফোনের ডেটায় তা কম নয়। "cdn" লিংকে সংস্করণ বাঁধা থাকে (plotly-4.1.1.min.js), তাই ফাইলটি পরে একই আচরণ করে। একটি নিরাপত্তার দিক: CDN থেকে script আনা মানে আপনার পাতা একটি বাইরের সার্ভারকে বিশ্বাস করছে; সংবেদনশীল ভেতরের রিপোর্টে নিজের সার্ভারে plotly.js রাখা ("directory") বা embedded ফাইল নিরাপদ বিকল্প।

write_image দিয়ে স্থির ছবি। রিপোর্ট, PDF বা WhatsApp-এর জন্য fig.write_image("chart.png", width=800, height=450, scale=2). এটি Kaleido নামের আলাদা package দিয়ে কাজ করে, যা ভেতরে একটি headless Chrome বা Chromium চালিয়ে plotly.js দিয়ে ছবি আঁকে। Kaleido 1.x-এর জন্য যন্ত্রে Chrome থাকা লাগে; না থাকলে plotly-র docs-এ plotly_get_chrome কমান্ডের কথা আছে। আমাদের run-এ (Kaleido 1.5.0) PNG 54,583 বাইট আর SVG 130,726 বাইট এসেছে। SVG vector, তাই ছাপায় ঝকঝকে, কিন্তু ৬০০ বিন্দুর প্রতিটি একটি আলাদা বস্তু বলে PNG-এর চেয়ে বড়। scale=2 দিলে একই মাপের ছবিতে দ্বিগুণ pixel, ফোনের উচ্চ-ঘনত্বের পর্দায় ভালো।

৭ · অনেক point — গতি, ফাইলের আকার আর WebGL

SVG-তে প্রতিটি বিন্দু ব্রাউজারের পাতায় একটি আলাদা বস্তু (DOM element). কয়েক হাজার বিন্দু পর্যন্ত এটি ঠিক চলে, কিন্তু লাখের কাছে গেলে hover আর zoom ধীর হয়ে যায়, কারণ ব্রাউজারকে প্রতিটি বস্তু আলাদা করে সামলাতে হয়। WebGL ভিন্ন পথে আঁকে: সব বিন্দু একসঙ্গে GPU-তে পাঠিয়ে একটি ক্যানভাসে, ঠিক যেমন গেমের ছবি আঁকা হয়। Plotly-তে এর trace-এর নাম scattergl. px-এর render_mode="auto" (default) নিজেই বাছে; আমাদের সত্যিকারের run (plotly 7.1.0):

1000 points default -> trace type: scatter
1500 points default -> trace type: scattergl
50k points render_mode=webgl -> trace type: scattergl

# include_plotlyjs="cdn" দিয়ে HTML-এর আকার
1000 scatter 35206 bytes
10000 scattergl 280190 bytes
100000 scattergl 2727070 bytes

অর্থাৎ ১০০০-এর বেশি বিন্দু হলে px নিজে WebGL-এ যায়। কিন্তু ফাইলের আকার বিন্দুর সংখ্যার সঙ্গে প্রায় সমানুপাতিক বাড়ে: ১ লাখ বিন্দুতে CDN-এর ফাইলও ২.৭ MB, কারণ প্রতিটি বিন্দুর x আর y ফাইলের ভেতরে। WebGL-এর নিজের সীমাও আছে: ব্রাউজার একটি পাতায় একসঙ্গে সীমিত সংখ্যক WebGL context চালাতে দেয়, তাই এক পাতায় অনেকগুলো WebGL chart রাখলে কিছু খালি দেখাতে পারে (Plotly-র docs-এও এই সতর্কতা আছে); আর কিছু পুরোনো ফোন বা দূরবর্তী ডেস্কটপে WebGL দুর্বল। সমাধানের ক্রম মোটামুটি এমন:

1. প্রশ্নটি আবার জিজ্ঞেস করুন: ১ লাখ বিন্দু কি সত্যিই দেখা দরকার, নাকি জেলাভিত্তিক গড় বা histogram প্রশ্নের উত্তর দেয়? (পর্ব ২৪-এর aggregation)
2. ঘনত্ব দেখান: px.density_heatmap বা histogram; লাখ বিন্দু একটি কালো দাগ হয়ে যায়, ঘনত্বের রং বেশি বলে।
3. নমুনা নিন: df.sample(5000, random_state=42), আর শিরোনামে লিখুন যে এটি নমুনা। অস্বাভাবিক বিন্দুগুলো (outlier) আলাদা করে সবসময় রাখুন, কারণ নমুনায় সেগুলো হারাতে পারে।
4. শেষে WebGL: সব বিন্দু সত্যিই লাগলে render_mode="webgl", আর এক পাতায় কয়েকটির বেশি নয়। আরও বড় ডেটায় Datashader-এর মতো টুল আগে থেকেই ছবিকে pixel-এ গুটিয়ে আনে।

৮ · Hover data আর গোপনীয়তা — tooltip-এ কী যাবে

বাজারঘরের অর্ডারের টেবিলে প্রায়ই এমন কলাম থাকে যা chart-এ আসার কথা নয়: ক্রেতার নাম, ফোন নম্বর, ঠিকানা। “সব তথ্য hover-এ দিয়ে দিই, যার যা লাগে দেখবে” — সহজ, কিন্তু বিপজ্জনক। Interactive chart প্রায়ই একটি HTML ফাইল হয়ে ইমেইলে, Slack-এ বা ওয়েবসাইটে যায়, আর hover-এর প্রতিটি কলাম সেই ফাইলের ভেতরে লেখা থাকে, যে কেউ খুললেই পড়তে পারেন। এটি data protection-এর একটি সরাসরি প্রশ্ন। নিচের ছবি একটি সত্যিকারের run-এর screenshot, যেখানে hover_data=["order_id", "phone"] দেওয়া হয়েছে (নম্বরগুলো বানানো, “0000-” দিয়ে শুরু, কোনো আসল নম্বর নয়).

সমাধান মনে হতে পারে hover_data={"phone": False}, যা px-এর docs অনুযায়ী কলামটিকে tooltip থেকে লুকায়। আমরা চারটি রূপ পরীক্ষা করেছি, আর প্রতিবার দেখেছি HTML ফাইলে নম্বরটি আছে কি না। নিচের ধাপে আসল ফলাফল।

1a = px.scatter(o, ..., hover_data=["phone"])2b = px.scatter(o, ...,
      hover_data={"phone": False})3c = px.scatter(o.drop(columns="phone"),
      ..., hover_data=["order_id"])4d = px.scatter(o, ..., hover_name="district",
      hover_data={"order_id": True,
                  "amount_tk": ":,.0f",
                  "delivery_days": False})

অল্প বিন্দুর chart-এ আরেকটি ফাঁদ আছে। জেলা আর তারিখ মিলিয়ে কোনো বিন্দুতে যদি একটিমাত্র অর্ডার থাকে, তাহলে নাম-ফোন ছাড়াও hover-এর “সিলেট, ৩ মার্চ, ৮,৪৬০ টাকা, rating 1” একজন নির্দিষ্ট মানুষকে চিনিয়ে দিতে পারে, বিশেষ করে ছোট এলাকায়। এজন্য প্রকাশ্য chart-এ প্রায়ই সারাংশ (গড়, মোট, গণনা) দেখানো হয়, আর খুব ছোট গ্রুপ (যেমন ৫টির কম অর্ডার) একসঙ্গে মিশিয়ে দেওয়া হয়।

৯ · Accessibility আর অন্য টুল — টেবিল, লেখা আর বিকল্প

Accessibility. একজন দৃষ্টিপ্রতিবন্ধী পাঠক screen reader দিয়ে পাতা শোনেন; একজন হাত-কাঁপা বয়স্ক মানুষ mouse-এর বদলে keyboard ব্যবহার করেন; কেউ দেখেন ছোট ফোনে, রোদের মধ্যে। Interactive chart এঁদের সবার জন্য কঠিন। লেখার সময়ে Plotly-র tooltip মূলত mouse বা touch দিয়ে খোলে, keyboard দিয়ে এক বিন্দু থেকে আরেক বিন্দুতে যাওয়ার ব্যবস্থা সীমিত, আর screen reader chart-টিকে প্রায়ই একটি অজানা ছবি হিসেবে পায়। Web-এর accessibility নির্দেশিকা WCAG বলে, প্রতিটি অ-লেখা বিষয়বস্তুর একটি লেখা বিকল্প থাকা চাই, আর সব কাজ keyboard দিয়ে করা যাওয়া চাই (বিস্তারিত HTML ও CSS কোর্সের accessibility পর্বে). তাই নিয়ম সরল: প্রতিটি interactive chart-এর সঙ্গে একটি টেবিল বা লেখা সারাংশ, যাতে chart না দেখেও মূল কথা পাওয়া যায়। এর লাভ সবার: যিনি chart দেখছেন, তিনিও সংখ্যা মিলিয়ে নিতে পারেন। নিচের কোড অংশ ৩-এর একই ডেটা থেকে সেই টেবিল আর একটি বাক্য বানায়।

import numpy as np, pandas as pd
pd.set_option("display.width", 60)

rng = np.random.default_rng(42)
n = 200
df = pd.DataFrame({
    "district": rng.choice(["Dhaka", "Chattogram", "Khulna", "Rajshahi",
                            "Sylhet"], n, p=[0.4, 0.2, 0.15, 0.15, 0.1]),
    "qty": rng.integers(1, 6, n),
    "price_paisa": rng.integers(80, 2500, n) * 100,
})
df["amount_tk"] = df["qty"] * df["price_paisa"] // 100

# chart-এর পাশে দেওয়ার টেবিল: গণনা, মোট আর শতাংশ
t = (df.groupby("district")
       .agg(orders=("amount_tk", "size"), revenue_tk=("amount_tk", "sum"))
       .sort_values("revenue_tk", ascending=False))
t["share_pct"] = (100 * t["revenue_tk"] / t["revenue_tk"].sum()).round(1)
print(t)

# screen reader আর ছাপার জন্য এক বাক্যের সারাংশ
top, low = t.index[0], t.index[-1]
total = int(t["revenue_tk"].sum())
print(f"\nসারাংশ: {n}টি অর্ডারে মোট {total:,} টাকা; "
      f"সবচেয়ে বেশি {top} ({t.loc[top, 'share_pct']}%), "
      f"সবচেয়ে কম {low} ({t.loc[low, 'share_pct']}%).")

            orders  revenue_tk  share_pct
district                                 
Dhaka           79      325151       41.2
Chattogram      44      186954       23.7
Rajshahi        33      139575       17.7
Khulna          28      100543       12.8
Sylhet          16       36192        4.6

সারাংশ: 200টি অর্ডারে মোট 788,415 টাকা; সবচেয়ে বেশি Dhaka (41.2%), সবচেয়ে কম Sylhet (4.6%).

এই টেবিলটি t.to_html() দিয়ে HTML টেবিল বানিয়ে chart-এর ঠিক নিচে বসানো যায়, আর বাক্যটি chart-এর শিরোনাম, ছবির alt লেখা বা chart-এর ওপরের অনুচ্ছেদে। আরও কয়েকটি অভ্যাস: chart-এর <div>-এ role="img" আর একটি aria-label দিন (Plotly এটি নিজে সবসময় দেয় না); ফন্ট যেন ফোনে পড়া যায় (layout.font.size); রং ছাড়াও আকৃতি বা লেখা দিয়ে পার্থক্য (অংশ ৪-এর marker); আর পর্ব ৩২ · সৎ chart-এ রঙের পছন্দ ও বিভ্রান্তিকর অক্ষ নিয়ে আরও বিস্তারিত আসবে।

অন্য টুল। Plotly একমাত্র পথ নয়। নিচের টেবিলটি একটি মোটা দাগের পরিচিতি; সংস্করণগুলো লেখার সময়ে PyPI-তে দেখা, আর প্রতিটির সক্ষমতা দ্রুত বদলায়, তাই কাজের আগে নিজের সংস্করণের docs দেখে নিন।

Dashboard-এর টুলগুলো আসলে web server চালায়: প্রতিটি পাঠক ছাঁকনি বদলালে server-এ Python আবার চলে। তাই এগুলো বানানো আর চালানোর প্রশ্নগুলো (কোথায় host, কে দেখতে পাবে, login) web-এর বিষয়, যা Full-Stack কোর্সের deployment পর্বে আছে। একটি দ্রুত নিয়ম: একজন মানুষ, একবার → notebook-এ chart; অনেক মানুষ, একবার → HTML ফাইল বা PNG; অনেক মানুষ, রোজ → dashboard.

১০ · AI-এর যুগে — Plotly-র কোডে AI সহকারীর ভুল ধরা

“বাজারঘরের অর্ডার দিয়ে একটি সুন্দর interactive dashboard বানাও” লিখলে AI সহকারী মুহূর্তে কোড দেবে, আর সেটি প্রায়ই চলবে, chart-ও সুন্দর দেখাবে। কিন্তু Plotly-র কোডে কিছু ভুল বারবার দেখা যায়, আর সেগুলোর বেশিরভাগ error দেয় না:

• পুরোনো API: plotly.offline.iplot, init_notebook_mode, titlefont-এর মতো পুরোনো নাম, বা Kaleido-র আগের Orca; আর pandas-এর df.append বা NumPy-র np.float, যা বর্তমান সংস্করণে নেই।
• বানানো parameter: px-এ অস্তিত্বহীন argument (যেমন px.scatter(..., tooltip=...)) বা ভুল জায়গায় layout-এর নাম; অনেক সময় Plotly error দেয়, কখনো কখনো ভুল নামের ঘর চুপচাপ উপেক্ষিত হয়।
• সব কলাম hover-এ: “বিস্তারিত দেখাতে” পুরো DataFrame hover_data-য়, ফোন আর নামসহ; আর লুকাতে False, যা ফাইল থেকে সরায় না।
• ফাইলের আকার উপেক্ষা: প্রতিটি chart-এ default write_html, প্রতিটি ৪.৮ MB; বা লাখ বিন্দুর scatter, aggregation ছাড়াই।
• বিশ্বাসযোগ্য কিন্তু ভুল পরিসংখ্যান: chart-এর শিরোনামে “৪০% বৃদ্ধি” লেখা, যা ডেটা থেকে হিসাব করা নয়; train সেটের মেট্রিক dashboard-এ “model accuracy” নামে; বা warning চাপা দিয়ে warnings.filterwarnings("ignore").

AI-এর কোড হাতে পেলে — যাচাইয়ের চেকলিস্ট

• plotly.__version__ ছেপেছি; প্রতিটি function আর argument নিজের সংস্করণের অফিসিয়াল docs-এ (plotly.com/python) মিলিয়েছি
• chart বানানোর আগে df.shape, df.head() আর প্রতিটি কলামের dtype দেখেছি; টাকা আর পয়সার একক মিলিয়েছি
• fig.data-য় trace-এর সংখ্যা আর প্রতিটিতে বিন্দুর সংখ্যা ছেপে মূল DataFrame-এর সঙ্গে মিলিয়েছি
• ব্যক্তিগত কলাম আগেই drop করেছি; শেয়ারের আগে HTML ফাইলে একটি নমুনা ফোন বা নাম খুঁজে দেখেছি
• ফাইলের আকার দেখেছি, include_plotlyjs সচেতনভাবে বেছেছি; রিপোর্টের জন্য স্থির PNG আর পাশে টেবিল বা সারাংশ রেখেছি
• শিরোনাম বা লেখায় যে সংখ্যা আছে, তা ডেটা থেকে নিজে হিসাব করে মিলিয়েছি; কোনো warning লুকানো হয়নি; আসল ক্রেতার ডেটা AI-তে পেস্ট করিনি