亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!

系統(tǒng) 1583 0

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第1張圖片

?

?

?

Python資源共享群:484031800

前言

學(xué)過(guò)Python數(shù)據(jù)分析的朋友都知道,在可視化的工具中,有很多優(yōu)秀的三方庫(kù),比如matplotlib,seaborn,plotly,Boken,pyecharts等等。這些可視化庫(kù)都有自己的特點(diǎn),在實(shí)際應(yīng)用中也廣為大家使用。

plotly、Boken等都是交互式的可視化工具,結(jié)合Jupyter notebook可以非常靈活方便地展現(xiàn)分析后的結(jié)果。雖然做出的效果非常的炫酷,比如plotly,但是每一次都需要寫很長(zhǎng)的代碼,一是麻煩,二是不便于維護(hù)。

我覺得在數(shù)據(jù)的分析階段, 更多的時(shí)間應(yīng)該放在分析上,維度選擇、拆解合并,業(yè)務(wù)理解和判斷。 如果既可以減少代碼量,又可以做出炫酷可視化效果,那將大大提高效率。當(dāng)然如果有特別的需求除外,此方法僅針對(duì)想要快速可視化進(jìn)行分析的人。

本篇給大家介紹一個(gè)非常棒的工具, cufflinks , 可以完美解決這個(gè)問(wèn)題,且效果一樣炫酷。

cufflinks介紹

就像seaborn封裝了matplotlib一樣,cufflinks在plotly的基礎(chǔ)上做了一進(jìn)一步的包裝,方法統(tǒng)一,參數(shù)配置簡(jiǎn)單。其次它還可以結(jié)合pandas的dataframe隨意靈活地畫圖。可以把它形容為 "pandas like visualization"

毫不夸張地說(shuō),畫出各種炫酷的可視化圖形, 我只需一行代碼 ,效率非常高,同時(shí)也降低了使用的門檻兒。cufflinks的github鏈接如下:

https://github.com/santosjorge/cufflinks

cufflinks安裝

安裝不多說(shuō),直接pip install即可。

            
pip install cufflinks

          

cufflinks如何使用?

cufflinks庫(kù)一直在不斷更新,目前最新版為V0.14.0,支持plotly3.0。首先我們看看它都支持哪些種類的圖形,可以通過(guò)help來(lái)查看。

import cufflinks as cf

cf.help()

Use 'cufflinks.help(figure)' to see the list of available parameters for the given figure.

Use 'DataFrame.iplot(kind=figure)' to plot the respective figure

Figures:

bar

box

bubble

bubble3d

candle

choroplet

distplot

heatmap

histogram

ohlc

pie

ratio

scatter

scatter3d

scattergeo

spread

surface

violin

使用方法其實(shí)很簡(jiǎn)單,我總結(jié)一下,它的格式大致是這樣的:

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第2張圖片

?

?

?

?

  • DataFrame: 代表pandas的數(shù)據(jù)框;
  • Figure: 代表我們上面看到的可繪制圖形,比如bar、box、histogram等等;
  • iplot: 代表繪制方法,其中有很多參數(shù)可以進(jìn)行配置,調(diào)節(jié)符合你自己風(fēng)格的可視化圖形;

cufflinks實(shí)例

我們通過(guò)幾個(gè)實(shí)例感受一下上面的使用方法。使用過(guò)plotly的朋友可能知道,如果使用online模式,那么生成的圖形是有限制的。所以,我們這里先設(shè)置為offline模式,這樣就避免了出現(xiàn)次數(shù)限制問(wèn)題。

import pandas as pd

import cufflinks as cf

import numpy as np

cf.set_config_file(offline=True)

然后我們需要按照上面的使用格式來(lái)操作,首先我們需要有個(gè)DataFrame,如果手頭沒(méi)啥數(shù)據(jù),那可以先生成個(gè)隨機(jī)數(shù)。cufflinks有一個(gè)專門生成隨機(jī)數(shù)的方法,叫做 datagen ,用于生成不同維度的隨機(jī)數(shù)據(jù),比如下面。

lines線圖

            
cf.datagen.lines(1,500).ta_plot(study='sma',periods=[13,21,55])

          

1)cufflinks使用datagen生成隨機(jī)數(shù);

2)figure定義為lines形式,數(shù)據(jù)為(1,500);

3)然后再用ta_plot繪制這一組時(shí)間序列,參數(shù)設(shè)置SMA展現(xiàn)三個(gè)不同周期的時(shí)序分析。

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第3張圖片

?

?

?

?

box箱型圖

還是與 上面用法一樣,一行代碼解決。

            
cf.datagen.box(20).iplot(kind='box',legend=False)

          

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第4張圖片

?

?

?

?

可以看到,x軸每個(gè)box都有對(duì)應(yīng)的名稱,這是因?yàn)閏ufflinks通過(guò)kind參數(shù)識(shí)別了box圖形,自動(dòng)為它生成的名字。如果我們只生成隨機(jī)數(shù),它是這樣子的,默認(rèn)生成100行的隨機(jī)分布的數(shù)據(jù),列數(shù)由自己選定。

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第5張圖片

?

?

?

?

histogram直方圖

            
cf.datagen.histogram(3).iplot(kind='histogram')

          

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第6張圖片

?

?

?

?

和plotly一樣,我們可以通過(guò)一些輔助的小工具框選或者lasso選擇來(lái)區(qū)分和選定指定區(qū)域,只要一行代碼。

當(dāng)然了, 除了隨機(jī)數(shù)據(jù),任何的其它dataframe數(shù)據(jù)框都可以,包括我們自己導(dǎo)入的數(shù)據(jù)。

histogram條形圖

df=pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

df.iplot(kind='bar',barmode='stack')

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第7張圖片

?

?

?

?

上面我們生成了一個(gè)(10,4)的dataframe數(shù)據(jù)框,名稱分別是a,b,c,d。那么cufflinks將會(huì)根據(jù)iplot中的kind種類自動(dòng)識(shí)別并繪制圖形。參數(shù)設(shè)置為堆疊模式。

scatter散點(diǎn)圖

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])

df.iplot(kind='scatter',mode='markers',colors=['orange','teal','blue','yellow'],size=10)

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第8張圖片

?

?

?

?

bubble氣泡圖

            
df.iplot(kind='bubble',x='a',y='b',size='c')

          

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第9張圖片

?

?

?

?

scatter matrix 散點(diǎn)矩陣圖

df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])

df.scatter_matrix()

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第10張圖片

?

?

?

?

subplots?子圖

df=cf.datagen.lines(4)

df.iplot(subplots=True,shape=(4,1),shared_xaxes=True,vertical_spacing=.02,fill=True)

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第11張圖片

?

?

?

?

            
df.iplot(subplots=True,subplot_titles=True,legend=False)

          

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第12張圖片

?

?

?

?

再比如復(fù)雜一點(diǎn)的。

df=cf.datagen.bubble(10,50,mode='stocks')

figs=cf.figures(df,[dict(kind='histogram',keys='x',color='blue'),

dict(kind='scatter',mode='markers',x='x',y='y',size=5),

dict(kind='scatter',mode='markers',x='x',y='y',size=5,color='teal')],asList=True)

figs.append(cf.datagen.lines(1).figure(bestfit=True,colors=['blue'],bestfit_colors=['pink']))

base_layout=cf.tools.get_base_layout(figs)

sp=cf.subplots(figs,shape=(3,2),base_layout=base_layout,vertical_spacing=.15,horizontal_spacing=.03,

specs=[[{'rowspan':2},{}],[None,{}],[{'colspan':2},None]],

subplot_titles=['Histogram','Scatter 1','Scatter 2','Bestfit Line'])

sp['layout'].update(showlegend=False)

cf.iplot(sp)

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第13張圖片

?

?

?

?

shapes?形狀圖

如果我們 想在lines圖上增加一些直線作為參考基準(zhǔn),這時(shí)候我們可以使用hlines的類型圖。

df=cf.datagen.lines(3,columns=['a','b','c'])

df.iplot(hline=[dict(y=-1,color='blue',width=3),dict(y=1,color='pink',dash='dash')])

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第14張圖片

?

?

?

?

或者是將某個(gè)區(qū)域標(biāo)記出來(lái),可以使用hspan類型。

            
df.iplot(hspan=[(-1,1),(2,5)])

          

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第15張圖片

?

?

?

?

又或者是豎條的區(qū)域,可以用vspan類型。

            
df.iplot(vspan={'x0':'2015-02-15','x1':'2015-03-15','color':'teal','fill':True,'opacity':.4})

          

?

Python一行代碼搞定炫酷可視化,你需要了解一下Cufflinks!_第16張圖片

?

?

?

?

如果對(duì)iplot中的 參數(shù)不熟練,直接輸入以下代碼即可查詢。

            
help(df.iplot)

          

總結(jié)

怎么樣,是不是非常快捷方便?以上介紹是一般的可繪制類型,當(dāng)然你可以根據(jù)自己的需求做出更多的可視化圖形。 如果是常規(guī)圖形,一行即可實(shí)現(xiàn)。 除此外,cufflinks還有強(qiáng)大的顏色管理功能,如果感興趣可以自行學(xué)習(xí)。


更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號(hào)聯(lián)系: 360901061

您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對(duì)您有幫助,請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長(zhǎng)非常感激您!手機(jī)微信長(zhǎng)按不能支付解決辦法:請(qǐng)將微信支付二維碼保存到相冊(cè),切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對(duì)您有幫助就好】

您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對(duì)您有幫助,請(qǐng)用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長(zhǎng)會(huì)非常 感謝您的哦!!!

發(fā)表我的評(píng)論
最新評(píng)論 總共0條評(píng)論
主站蜘蛛池模板: 亚洲午夜日韩高清一区 | a一级毛片免费播放 | 国产精品一区二区三 | 精品久久久久久中文字幕2017 | 性ao爱大片 | 这里只有精品免费视频 | 麻豆国产高清精品国在线 | 日韩中文字幕免费观看 | 在线观看久草 | 婷婷在线视频观看 | 日韩va| 7777精品久久久大香线蕉 | 国产一区二区在线不卡 | 成人欧美视频免费看黄黄 | 一级片在线观看免费 | 久久久久久久久性潮 | 国产欧美一区二区精品仙草咪 | 欧美a在线| 亚洲精品一区二区三区美女 | 久久亚洲日本不卡一区二区 | 一区二区成人国产精品 | 久久成人国产精品二三区 | 国产欧美一区二区三区视频 | 日本一级毛片中文字幕 | 日韩女同视频 | 色综久久天天综合绕视看 | 91成人免费观看网站 | 国产欧美一区二区三区在线看 | 在线亚洲欧美性天天影院 | 日韩一区二区免费视频 | 色综合狠狠操 | 手机国产日韩高清免费看片 | 国产成人亚洲精品无广告 | 天天插天天干天天操 | 天天做天天做天天综合网 | 理论片毛片| 亚洲精品99久久久久中文字幕 | 亚洲高清国产一区二区三区 | 日本一区二区三区欧美在线观看 | 四虎最新免费网址 | 爱操综合网 |