【数据可视化Python库】

简介: 【数据可视化Python库】

1. Seaborn

Seaborn是Python中的一个高级可视化库,是对Matplotlib进行二次封装而成。Seaborn的很多图表接口和参数设置与Matplotlib很是接近。相比Matplotlib而言,Seaborn的几个鲜明特点如下:


绘图接口更为集成,可通过少量参数设置实现大量封装绘图


多数图表具有统计学含义,例如分布、关系、统计、回归等


对Pandas和Numpy数据类型支持非常友好


风格设置更为多样,例如风格、绘图环境和颜色配置等

参考资料

Seaborn 教程

Seaborn 示例

import numpy as np
import seaborn as sns
penguins = sns.load_dataset("penguins")
penguins  # DataFrame

1.1.png

sns.jointplot(
    data=penguins,
    x="bill_length_mm", y="bill_depth_mm", hue="species",
    kind="kde"
)

1.2.png

2. Ipyvolume

IPyvolume is a Python library to visualize 3d volumes and glyphs (e.g. 3d scatter plots), in the Jupyter notebook, with minimal configuration and effort. It is currently pre-1.0, so use at own risk. IPyvolume’s volshow is to 3d arrays what matplotlib’s imshow is to 2d arrays.

————————————————

版权声明:本文为CSDN博主「2345VOR」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vor234/article/details/124835600

参考资料

Ipyvolume 手册

Ipyvolume 示例

import numpy as np
import ipyvolume as ipv
V = np.zeros((128,128,128)) # our 3d array
# outer box
V[30:-30,30:-30,30:-30] = 0.75
V[35:-35,35:-35,35:-35] = 0.0
# inner box
V[50:-50,50:-50,50:-50] = 0.25
V[55:-55,55:-55,55:-55] = 0.0
ipv.figure()
ipv.volshow(V, level=[0.25, 0.75], opacity=0.03, level_width=0.1, data_min=0, data_max=1)
ipv.view(-30, 40)
ipv.show()

2.png

3. Nglview

An IPython/Jupyter widget to interactively view molecular structures and trajectories. Utilizes the embeddable NGL Viewer for rendering. Support for showing data from the file-system, RCSB PDB, simpletraj and from objects of analysis libraries mdtraj, pytraj, mdanalysis, ParmEd, rdkit, ase, HTMD, biopython, cctbx, pyrosetta, schrodinger’s Structure

————————————————

版权声明:本文为CSDN博主「2345VOR」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vor234/article/details/124835600

参考资料

nglview 手册

nglview 示例

import nglview as nv
view = nv.show_pdbid("5R7Y") # COVID-19 主蛋白酶
view

3.png

4. Bqplot


Bqplot是用于Jupyter的交互式2D绘图库,其中绘图的每个属性都是一个交互式小部件,只需几行Python代码就可以创建丰富的可视化效果。Bqplot构建在widgets框架之上,它利用widget基础提供第一个在Python和JavaScript代码之间通信的绘图库。Bqplot的可视化基于D3.js和SVG,支持快速交互和漂亮的动画。

————————————————

版权声明:本文为CSDN博主「2345VOR」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vor234/article/details/124835600

参考资料

bqplot 手册

bqplot 示例

import numpy as np
from bqplot import pyplot as plt
size = 100
np.random.seed(0)
x_data = np.arange(size)
y_data = np.cumsum(np.random.randn(size))
figure = plt.figure(title='Bqplot Plot')
scatter = plt.scatter(x_data, y_data)
plt.show()

4.1.png

scatter.y = np.cumsum(np.random.randn(size))  # 更新数据

4.2.png

scatter.colors = ['Green']  # 更新颜色

4.3.png

4.1 动画

import time
for i in range(100):  # Update Chart
    scatter.y = np.insert(scatter.y[:-1], 0 , scatter.y[-1])
    time.sleep(0.1)

image.gif

4.2 交互

调整滑块实现调频和调幅

import numpy as np
from bqplot import pyplot as plt
from ipywidgets import interactive, FloatSlider, jslink
x = np.linspace(-5, 5, 100)
fig = plt.figure(title='Bqplot Plot')
line = plt.plot(x, np.sin(x))
plt.set_lim(-2, 2, 'y')
plt.show()
def f(a, b):
    line.y = a * np.sin(b*x)
interact_plot = interactive(f, a=(1.0, 2.0), b=(1.0, 5.0))
interact_plot

4.4.png

参考文献来自桑鸿乾老师的课件:科学计算和人工智能

————————————————

版权声明:本文为CSDN博主「2345VOR」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vor234/article/details/124835600

————————————————

版权声明:本文为CSDN博主「2345VOR」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/vor234/article/details/124835600

目录
相关文章
|
7天前
|
数据采集 Web App开发 自然语言处理
新闻热点一目了然:Python爬虫数据可视化
新闻热点一目了然:Python爬虫数据可视化
|
1月前
|
机器学习/深度学习 数据可视化 搜索推荐
基于python的汽车数据可视化、推荐及预测系统
本研究围绕汽车数据可视化、推荐及预测系统展开,结合大数据与人工智能技术,旨在提升用户体验与市场竞争力。内容涵盖研究背景、意义、相关技术如 Python、ECharts、协同过滤及随机森林回归等,探讨如何挖掘汽车数据价值,实现个性化推荐与智能预测,为汽车行业智能化发展提供支持。
|
26天前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
228 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
18天前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
73 0
|
19天前
|
数据采集 数据可视化 关系型数据库
基于python大数据的电影数据可视化分析系统
电影分析与可视化平台顺应电影产业数字化趋势,整合大数据处理、人工智能与Web技术,实现电影数据的采集、分析与可视化展示。平台支持票房、评分、观众行为等多维度分析,助力行业洞察与决策,同时提供互动界面,增强观众对电影文化的理解。技术上依托Python、MySQL、Flask、HTML等构建,融合数据采集与AI分析,提升电影行业的数据应用能力。
|
2月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
126 18
|
1月前
|
数据采集 搜索推荐 数据可视化
基于python大数据的商品数据可视化及推荐系统
本系统基于Python、Django与ECharts,构建大数据商品可视化及推荐平台。通过爬虫获取商品数据,利用可视化技术呈现销售趋势与用户行为,结合机器学习实现个性化推荐,助力电商精准营销与用户体验提升。
|
28天前
|
数据可视化 大数据 数据挖掘
基于python大数据的招聘数据可视化分析系统
本系统基于Python开发,整合多渠道招聘数据,利用数据分析与可视化技术,助力企业高效决策。核心功能包括数据采集、智能分析、可视化展示及权限管理,提升招聘效率与人才管理水平,推动人力资源管理数字化转型。
|
2月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
186 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
|
2月前
|
搜索推荐 算法 数据可视化
基于python大数据的招聘数据可视化及推荐系统
本研究聚焦于基于协同过滤的就业推荐系统设计与实现。随着就业压力增大和信息技术发展,传统求职方式面临挑战。通过分析用户行为与职位特征,协同过滤技术可实现个性化职位推荐,提升求职与招聘效率。研究涵盖系统架构、数据采集、算法实现及可视化展示,旨在优化就业匹配,促进人才与岗位精准对接,助力就业市场智能化发展。

推荐镜像

更多