作者:俊欣
来源:关于数据分析与可视化
在Python当中用于绘制图表的模块,相信大家用的最多的便是matplotlib和seabron,除此之外还有一些用于动态交互的例如Plotly模块和Pyecharts模块,今天小编再为大家来推荐两个用于制作可视化大屏的库,分别叫做hvPlot以及Panel,在本篇教程当中,小编依次会为大家分享
我们首先导入一些要用到的模块以及用pandas来读取数据集,代码如下
# To handle data import numpy as np import pandas as pd # To make visualizations import hvplot.pandas import panel as pn; pn.extension() from panel.template import DarkTheme
用pandas绘制出来的图表默认都是以matplotlib模块为后端,因为不具备交互性,如下图所示
sales = pd.read_csv('games_sales.csv')
sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales');
output
代码中的kind参数对应的是图表的类型,X参数代表的是X轴上面的所要要用到的数据,同理,我们还指定了标题、图表的颜色等等参数,那么要是我们希望pandas在绘制图表的时候是以hvPlot为后端,需要添加如下的代码
pd.options.plotting.backend = 'holoviews'
我们同样来绘制如上所示的图表,代码如下
sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales')
output
通过最右侧的工具栏,我们可以将绘制出来的图表保存、放大/缩小、移动等一系列操作。我们也可以同时将若干种图表结合在一起,绘制在同一张图上面
salesplot = sales.plot(kind='line', x='Year', y='Units sold(in millions)',
color='orange', grid=True, title='Pokémon Game Sales',
hover=False) *
sales.plot(kind='scatter', x='Year', y='Units sold(in millions)',
color='#c70000', hover_cols='Game')
salesplot
output
我们分别绘制了两张图表,散点图以及折线图,通过*将两者有效地结合到了一块儿。
在上一期小编写过的教程
【干货原创】介绍一个Python模块,Seaborn绘制的图表也能实现动态交互
里面提到用ipywidgets模块来制作并且生成组件配合着可视化图表来使用,这次我们用Panel模块也来生成一个类似的组件,代码如下
pok_types = list(df.type_1.unique()) pok_type = pn.widgets.Select(name='Type', options=pok_types) pok_type
output
我们结合该组件来绘制图表,代码如下
viz0 = data_pipeline[['pokedex_number', 'name',
'total_points']].hvplot(kind='table',title='Pokémons',
width=400, height=400)
viz0
output
我们可以通过当中的参数kind来调整要绘制的图表的类型,width以及height参数来调整图表的大小,title参数来调整图表的标题,我们来绘制一张散点图,代码如下
viz1 = data_pipeline.hvplot(x='weight_kg', y='height_m', by='type_2', kind='scatter',
hover_cols=['name', 'type_1', 'type_2'],
width=600, height=400,grid=True,
title='Relationship between Weight (kg) and Height (m), by Type' )
viz1
output
另外我们也可以同样来绘制一张柱状图,代码如下
data_damage = data_pipeline.iloc[:, -18:].mean().rename('Damage')
viz2 = data_damage.hvplot(kind='bar',c='Damage',
title='正在思考要取什么标题会比较好......',
rot=30, shared_axes=False,
colorbar=True, colormap='RdYlGn_r',
)
viz2
output
接下来我们将上面绘制的所有图表,都放置在一张数据大屏当中显示,代码如下
template = pn.template.FastListTemplate(theme=DarkTheme,
title = '数据面板',
sidebar=[
pn.pane.Markdown('# 关于这个项目'),
pn.pane.Markdown('#### 这个项目的数据来源是[Kaggle](https://www.kaggle.com/datasets/mariotormo/complete-pokemon-dataset-updated-090420) and on [Wikipedia](https://en.wikipedia.org/wiki/Pok%C3%A9mon_(video_game_series)#Reception) about Pokémons to explore different types of visualizations using HoloViz tools: [Panel](https://panel.holoviz.org/) [hvPlot](https://hvplot.holoviz.org/)'),
pn.pane.JPG('图片的路径.jpg', sizing_mode='scale_both'),
pn.pane.Markdown('[图片的来源](https://unsplash.com/photos/dip9IIwUK6w)'),
pn.pane.Markdown('## Filter by Type'),
pok_type
],
main=[pn.Row(
pn.Column(viz0.panel(width=600, height=400, margin=(0,20))),
pn.Column(pn.Row(viz1.panel(width=700, height=250, margin=(0,20))),
pn.Column(viz2.panel(width=700, height=250), margin=(0,20))),
),
pn.Row(salesplot.opts(width=1400, height=200))
],
accent_base_color='#d78929',
header_background='#d78929',
sidebar_footer='<br><br><a href=".......">GitHub链接</a>',
main_max_width='100%' )
template.servable();
template.show()
output
Launching server at http://localhost:63968 <bokeh.server.server.Server at 0x1bd811e82b0>
我们按照上述的链接来浏览器中打开,数据大屏面板就可以做好了,如下图所示
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