作者:俊欣
来源:关于数据分析与可视化
相信大家一定会seaborn或者matplotlib这几个模块感到并不陌生,通常大家会用这几个模块来进行可视化图表的制作,为了让我们绘制的图表更具交互性,今天小编来给大家介绍个组件。
首先我们通过pip命令来下载该模块
pip install ipywidgets
该模块中的interact函数可以和我们自定义的函数相结合,随着我们输入的不断变化,输出也会产生相应的不同结果,我们来看一个简单的案例
from ipywidgets import interact def f(x): print(f"The square value is: {x**2}")
interact(f, x=10)
output
当我们拖动当中的圆点的时候,输出的结果也随之变化。当然我们也可以将其当做是装饰器来使用,代码如下
@interact(x=10) def f(x): print(f"The square value is: {x**2}")
output
上面的自定义函数中,当然我们可以自行设定横轴当中的最大值与最小值,以及每拖动一次x值的变化(和Python当中的range函数类似),
interact(f, x=widgets.IntSlider(min=-10, max=30, step=1, value=10))
output
而当输入框中的参数不止一个参数的时候,可以有不止一个的滑动条,代码如下
import ipywidgets as widgets
one = widgets.IntSlider(min = 0, max = 10)
two = widgets.IntSlider(min = 0, max = 100)
three = widgets.IntSlider(min = 0, max = 1000)
ui = widgets.HBox([one, two, three])
def func(x, y, z): print(f"The first value is: {x + 2}") print(f"The second value is: {y * 2}") print(f"The third value is: {z ** 2}")
out = widgets.interactive_output(func, {"x": one, "y": two, "z": three})
display(ui, out)
output
当参数类型是字符串时,则是需要通过输入框的形式来进行交互,代码如下
def f_2(x): print(f"The value is: {x}")
interact(f_2, x="Hello World")
output
而当我们输入的X参数是一个列表里面有着若干个字符串的时候,则会在输入框中出现个下拉框,如下所示
interact(f_2, x=["Hello World", "你好"])
output
然后我们来看看该模块和seaborn之间的结合,我们先用Pandas模块来读取数据集,代码如下
import pandas as pd
df = pd.read_csv("data.csv")
df.head()
output
我们简单地来画一张直方图,代码如下
import seaborn as sns import matplotlib.pyplot as plt
%matplotlib inline g = sns.countplot(data = df, x="Gender", hue="Attrition")
output
我们可以将绘制图表的这一行代码封装成一个函数,将代码中的“x”甚至是“hue”作为是输入的参数,代码如下
## 筛选出离散型变量的特征 categorical_columns = [column for column in df.columns if df[column].dtype == "object"] ## 做成下拉框的形式来进行交互 dd = widgets.Dropdown(options=categorical_columns, value=categorical_columns[0], description="Select a column") @interact(column=dd) def draw_countplot(column): g = sns.countplot(data = df, x=column, hue="Attrition")
output
我们可以在下拉框中选择不同的离散型变量的特征从而绘制出不同的图表,当然一个下拉框可能有人会觉得有点少,我们可以再来扩展一下
## 两个下拉框 dd1 = widgets.Dropdown(options=categorical_columns, value=categorical_columns[0], description="Column")
dd2 = widgets.Dropdown(options=categorical_columns, value=categorical_columns[0], description="Hue")
ui = widgets.HBox([dd1, dd2]) ## 绘制图表的函数 def draw_countplot(column, hue):
g = sns.countplot(data = df, x=column, hue=hue) ## X轴方向的标记会旋转60度 if len(df[column].unique()) > 3:
g.tick_params(axis="x", rotation=60) out = widgets.interactive_output(draw_countplot, {'column':dd1, "hue": dd2}) ## 最终将图表呈现出来 display(ui, out)
output
当然有可能会觉得都是输入框的话会有点无聊,那我们在输入框的同时加入一个滑动条,对应的是输入的参数是整型或者是浮点数时
## 两个输入框还有一个滑动条 dd1 = widgets.Dropdown(options=numeric_columns, description="Column1")
dd2 = widgets.Dropdown(options=numeric_columns, description="Column2")
slider = widgets.IntSlider(min=df['Age'].min(), max=df["Age"].max(), description="Max Age")
ui = widgets.HBox([dd1, dd2, slider]) ## 绘制图表的函数 def draw_relplot(column1, column2, age):
p = sns.relplot(data=df[df['Age']<=age], x=column1, y=column2) out = widgets.interactive_output(draw_countplot, {"column1": dd1, "column2": dd2, "age": slider}) ## 将最终的图表给呈现出来 display(ui, out)
output
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14