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
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20