![0d38f79c3ec18f94b5002ec054edab32.png](https://ucc.alicdn.com/images/user-upload-01/img_convert/0d38f79c3ec18f94b5002ec054edab32.png?x-oss-process=image/resize,w_1400/format,webp)
💡 作者: 韩信子@ ShowMeAI
📘 数据分析实战系列: https://www.showmeai.tech/tutorials/40
📘 本文地址: https://www.showmeai.tech/article-detail/410
📢 声明:版权所有,转载请联系平台与作者并注明出处
📢 收藏 ShowMeAI查看更多精彩内容
💡 引言
在本篇内容中,ShowMeAI将给大家讲解使用 📘ipywidget 模块创建交互式仪表板。
![467f582bdbd6e34396536d836f1af751.png](https://ucc.alicdn.com/images/user-upload-01/img_convert/467f582bdbd6e34396536d836f1af751.png?x-oss-process=image/resize,w_1400/format,webp)
我们本次用到的数据集是 🏆Kaggle 的 CardioGoodFitness,大家可以通过 ShowMeAI 的百度网盘地址下载。
🏆 实战数据集下载(百度网盘):公众号『ShowMeAI研究中心』回复『 实战』,或者点击 这里 获取本文 [[41]ipywidgets:使用Python创建交互式仪表板]( https://www.showmeai.tech/article-detail/410) 『 CardioGoodFitness 数据集』⭐ ShowMeAI官方GitHub:https://github.com/ShowMeAI-Hub
首先,我们需要导入所需的模块。
import pandas as pd
import ipywidgets
import seaborn as sns
import matplotlib.pyplot as plt
我们先看一下数据变量。数据中包含 2 个连续变量,收入 Income 和英里数 Miles。
![dce29a4b08b48d2d6555d415e4d38aa6.png](https://ucc.alicdn.com/images/user-upload-01/img_convert/dce29a4b08b48d2d6555d415e4d38aa6.png?x-oss-process=image/resize,w_1400/format,webp)
💡 看板Demo实现:了解Miles的分布
💦 准备工作
📘ipywidget 模块包含了很多可用的小部件。在这个演示中,我们将使用下拉框选择类别数据,以便更好地了解里程分布。我们将选择箱线图来绘制每个类别的里程数据。
%matplotlib widget
# Drop down for boxplot variable to be select
drop_down_name = ipywidgets.Dropdown(options=list(df.drop(['Miles','Income'],axis=1).columns),
value=list(df.drop(['Miles','Income'],axis=1).columns)[0],
description='Columns:',
disabled=False)
接下来,我们可以创建一个函数,允许输入用于绘制英里箱线图的列名称。
#selected_vals = column used to plot
def boxplot(selected_vals):
plt.close('all')
fig = plt.figure(figsize=(9,5))
plt.style.use('seaborn')
sns.boxplot(df[selected_vals],df['Miles'])
plt.title('Boxplot of miles for' + selected_vals)
plt.show()
之后,我们需要创建一个 📘layout/布局,Jupyter 交互式小部件具有一个 layout 属性,包含了许多影响小部件布局的 CSS 属性。
最简单的自定义是 HBox,它是一个水平布局的选择器,而 VBox 代表一个垂直布局的选择器。下面是 HBox 或 VBox 布局的示例。
![6a708361461f2e7c7831d9ff9cceb34b.png](https://ucc.alicdn.com/images/user-upload-01/img_convert/6a708361461f2e7c7831d9ff9cceb34b.png?x-oss-process=image/resize,w_1400/format,webp)
![a65ceea3057573fb6bb0e7e47c341f6c.png](https://ucc.alicdn.com/images/user-upload-01/img_convert/a65ceea3057573fb6bb0e7e47c341f6c.png?x-oss-process=image/resize,w_1400/format,webp)
下面我们准备输入和输出布局的显示。
#layout for filtering
ui2 = ipywidgets.HBox([drop_down_name])
# link your function to your input
out2 = ipywidgets.interactive_output(boxplot,
{'selected_vals' : drop_down_name})
# display your box plot
display(ui2,out2)
![1452b8cd96b7282a16cd4811b7aec46d.png](https://ucc.alicdn.com/images/user-upload-01/img_convert/1452b8cd96b7282a16cd4811b7aec46d.png?x-oss-process=image/resize,w_1400/format,webp)
上面散点图的输入是 x、y 和色调。因为每个变量都是一个选择,我们使用了下拉框。
💦 输入设计、选项、值和要定义的描述
# dropbox select x axis
drop_down_x = ipywidgets.Dropdown(options=list(df.columns),
value=list(df.columns)[0],
description='X variable:',
disabled=False)
# dropbox select y axis
drop_down_y = ipywidgets.Dropdown(options=list(['Miles','Income']),
value=list(['Miles','Income'])[0],
description='Y variable:',
disabled=False)
# dropbox select category
drop_down_category= ipywidgets.Dropdown(options=list(df.drop(['Miles','Income'],axis=1).columns),
value=list(df.drop(['Miles','Income'],axis=1).columns)[0],
description='Category:',
disabled=False)
💦 散点图绘制
# scatter plot function
def scatter(x,y,category):
plt.close('all')
fig = plt.figure(figsize=(9,5))
plt.style.use('seaborn')
sns.scatterplot(data=df,x=x,y=y,hue=category)
plt.title('Scatterplot of ' +x+' versus '+ y)
#plt.xlabel('Date')
plt.show()
💦 显示HBox或VBox的选择器布局
# display the layout of filtering
ui3 = ipywidgets.HBox([drop_down_x,drop_down_y,drop_down_category])
💦 将绘图与选择器相关联
# related the plot link to filtering
out3 = ipywidgets.interactive_output(scatter,
{'x' : drop_down_x,
'y': drop_down_y,
'category':drop_down_category})
💦 显示选择后的输入和输出
#display the input and output
display(ui3,out3)
![71d7b4074308b273b9ef0361095b5671.png](https://ucc.alicdn.com/images/user-upload-01/img_convert/71d7b4074308b273b9ef0361095b5671.png?x-oss-process=image/resize,w_1400/format,webp)
参考资料
推荐阅读
- 🌍 数据分析实战系列:https://www.showmeai.tech/tutorials/40
- 🌍 机器学习数据分析实战系列:https://www.showmeai.tech/tutorials/41
- 🌍 深度学习数据分析实战系列:https://www.showmeai.tech/tutorials/42
- 🌍 TensorFlow数据分析实战系列:https://www.showmeai.tech/tutorials/43
- 🌍 PyTorch数据分析实战系列:https://www.showmeai.tech/tutorials/44
- 🌍 NLP实战数据分析实战系列:https://www.showmeai.tech/tutorials/45
- 🌍 CV实战数据分析实战系列:https://www.showmeai.tech/tutorials/46
- 🌍 AI 面试题库系列:https://www.showmeai.tech/tutorials/48