当可视化遇见cufflinks

简介: 今天的主角cufflinks是plotly的高级封装版本,就如同seaborn和matplotlib的关系,可以非常简单的可视化pandas的DataFrame类型数据。

cufflinks安装


pip install cufflinks -i https://pypi.tuna.tsinghua.edu.cn/simple #国内源加速安装


cufflinks支持的图形


cf.help()


查看某一类图的详细参数


例如bar图


cf.help('bar')


cufflinks 7类绘图风格


cf.getThemes()


['ggplot', 'pearl', 'solar', 'space', 'white', 'polar', 'henanigans']


cufflinks颜色设置


通过colorscale参数修改调色盘;通过colors传递色号,支持三类色号:HEX "#db4052"

RGB "rgb(219, 64, 82)"

RGBA "rgba(219, 64, 82, 1.0)"


#支持的调色盘
cf.colors.scales()



59.png

60.png


导入依赖,标准设置


import cufflinks as cf
import pandas as pd
import numpy as np
%reload_ext autoreload
%autoreload 2
cf.set_config_file(world_readable=True,theme='henanigans',offline=False)#theme设置绘图风格,offline设置为true


cufflinks快速上手


cufflinks有一个很强大的函数iplot,可以很容易的将Pandas的可视化方法与Plotly及Cufflinks的绘图方法结合起来。


#还是使用iris数据集
import seaborn as sns
pd_iris = sns.load_dataset("iris")
pd_iris.head(n=5)


61.png


一个例子说明iplot的强大之处:


#Pandas可视化方法
pd_iris.head(n=5).plot(kind='bar')


62.png


#iplot结合pandas可视化方法与ploty方法
pd_iris.head(n=5).iplot(kind='bar',colorscale='set1')


  • 分面柱状图


#subplots绘制分面图
pd_iris.head(n=5).iplot(kind='bar',colorscale='set1',subplot


image.gif


pd_iris.head(n=5).iplot(kind='bar',colorscale='set1',barmode='stack')


image.gif


  • 水平柱状图
pd_iris.head(n=5).iplot(kind='barh',colorscale='set1',barmode='stack')


66.png


  • 箱图


df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
df.iplot(kind='box',colorscale='set1')


image.gif


  • 矩阵图
pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd


image.png


  • 气泡图
pd_iris.iplot(kind='bubble',x='sepal_length',y='sepal_width',si


image.png


  • 折线图
pd_iris.iplot(title='Cufflinks - Line Chart',colorscale='set1')



  • 分面折线图
pd_iris.iplot(subplots=True,shape=(5,1),shared_xaxes=True,ver


image.png


  • 填充折线图
pd_iris.iplot(title='Cufflinks - Filled Line Chart',colorscale='set1',fill=True)



image.png


  • 折线图拟合线
pd_iris['sepal_length'].iplot(title='Cufflinks - Besfit Line Chart',
                         filename='Cufflinks - Bestfit Line Chart',bestfit=True,colors=['blue'],
                         bestfit_colors=['pink'])


image.png


  • 散点图
pd_iris['sepal_length'].iplot(kind='scatter',mode='markers',s


75.gif


  • spread图
pd_iris.iplot(kind='spread',title='Cufflinks - Spread Chart')



image.png


  • histogram图
pd_iris.iplot(kind='histogram',opacity=.75,title='Cufflinks - His


image.png


  • 3d图
pd_iris.iplot(kind='scatter3d',x='sepal_length',y='petal_length',z='sepal_width',size=15,categories='species',text='petal_width',
                             title='Cufflinks - Scatter 3D Chart',colors=['blue','pink','green'],width=0.5,margin=(0,0,0,0),
                             opacity=1)


78.gif


相关实践学习
基于Hologres+Flink搭建GitHub实时数据大屏
通过使用Flink、Hologres构建实时数仓,并通过Hologres对接BI分析工具(以DataV为例),实现海量数据实时分析.
实时计算 Flink 实战课程
如何使用实时计算 Flink 搞定数据处理难题?实时计算 Flink 极客训练营产品、技术专家齐上阵,从开源 Flink功能介绍到实时计算 Flink 优势详解,现场实操,5天即可上手! 欢迎开通实时计算 Flink 版: https://cn.aliyun.com/product/bigdata/sc Flink Forward Asia 介绍: Flink Forward 是由 Apache 官方授权,Apache Flink Community China 支持的会议,通过参会不仅可以了解到 Flink 社区的最新动态和发展计划,还可以了解到国内外一线大厂围绕 Flink 生态的生产实践经验,是 Flink 开发者和使用者不可错过的盛会。 去年经过品牌升级后的 Flink Forward Asia 吸引了超过2000人线下参与,一举成为国内最大的 Apache 顶级项目会议。结合2020年的特殊情况,Flink Forward Asia 2020 将在12月26日以线上峰会的形式与大家见面。
相关文章
|
关系型数据库 MySQL 开发工具
windows编译poco c++库
windows编译poco c++库
|
XML 并行计算 算法
[Eigen中文文档] 求解稀疏线性系统
在Eigen中,有多种方法可用于求解稀疏系数矩阵的线性系统。由于此类矩阵的特殊表示,必须特别小心以获得良好的性能。本文列出了Eigen中可用的稀疏求解器。还介绍了所有这些线性求解器共同的主要步骤。根据矩阵的属性、所需的准确度,最终用户可以调整这些步骤以提高其代码的性能。请注意,并不需要深入了解这些步骤背后的内容:最后一节介绍了一个基础例程,可轻松使用以获取所有可用求解器的性能洞察。
1251 0
|
开发工具 C语言 git
Vcpkg 的安装与使用
Windows 下 Vcpkg 的安装与使用
2220 0
Vcpkg 的安装与使用
|
8天前
|
SQL 人工智能 安全
Agent Harness 又要多一层?Jev 开始接管这些高频判断
本文探讨Agent架构新范式:LLM专注复杂推理,而高频判断(如Tool/Skill路由、上下文过滤、安全守门、执行复核)可交由轻量级“System One Model”(如Jev)高效处理。这将重塑Agent Harness设计,推动分层智能协作。
Agent Harness 又要多一层?Jev 开始接管这些高频判断
|
2月前
|
人工智能 安全 JavaScript
国产AI编程工具实测横评:OpenCode本土化优势、Codex能力短板真实使用复盘
在国内AI编程工具快速普及的当下,OpenCode与Codex是目前开发者群体中热度极高的两款智能编程Agent工具,二者均主打开源免费、全流程自主编码、工程化落地能力,能够独立完成代码生成、项目重构、漏洞排查、脚本开发等全维度研发工作。不少国内开发者在选型时常常陷入纠结,两款工具看似功能架构相似、免费模式一致,但在**国内网络适配、中文本土化体验、算力消耗、运行稳定性、账号安全性、实操落地效果**等核心维度存在巨大差异。
796 0
|
3月前
|
人工智能 IDE 安全
Claude Code、Codex、Cursor、OpenCode Harness架构与执行逻辑深度对比
在AI编程工具的技术体系中,Harness是决定工具能力边界、执行效率与安全可控性的核心引擎,它是模型与开发环境之间的中间层,负责上下文管理、代码执行、权限管控、结果验证与迭代闭环。Claude Code、Codex、Cursor、OpenCode四款主流工具,因产品定位与设计理念不同,其Harness在架构、执行流程、上下文能力、权限模型、扩展机制与适用场景上存在显著差异。本文从Harness的核心定义出发,系统拆解四款工具的Harness架构、执行逻辑、关键特性与实战表现,帮助开发者理解不同工具的底层差异,选择适配自身开发流的AI编程工具。
1131 0
|
机器学习/深度学习 数据采集 Java
Java 大视界 --Java 大数据在智慧农业农产品市场价格预测与种植决策支持中的应用(212)
本篇文章探讨了 Java 大数据在智慧农业中的关键应用,聚焦农产品市场价格预测与种植决策支持。通过多源数据采集、机器学习模型构建及动态预测预警,Java 大数据助力农户科学决策,提升收益并降低风险。结合山东寿光与黑龙江北大荒的实践案例,展示了技术在实际农业中的显著成效。
|
消息中间件 数据采集 NoSQL
秒级行情推送系统实战:从触发、采集到入库的端到端架构
本文设计了一套秒级实时行情推送系统,涵盖触发、采集、缓冲、入库与推送五层架构,结合动态代理IP、Kafka/Redis缓冲及WebSocket推送,实现金融数据低延迟、高并发处理,适用于股票、数字货币等实时行情场景。
1787 3
秒级行情推送系统实战:从触发、采集到入库的端到端架构
|
存储 SQL 人工智能
DeepSeek开源周第五弹之二!Smallpond:构建于3FS之上的轻量级数据处理框架,高效处理PB级数据
Smallpond 是 DeepSeek 开源的轻量级数据处理框架,基于 DuckDB 和 3FS 构建,支持 PB 级数据处理,提供高性能的数据加载、查询和转换功能,适合大规模数据预处理和实时分析。
1336 1
DeepSeek开源周第五弹之二!Smallpond:构建于3FS之上的轻量级数据处理框架,高效处理PB级数据
|
存储 并行计算 Java
CompletableFuture原理及应用场景详解
CompletableFuture是Java 8引入的异步编程工具,用于优化多任务并行处理。相比传统Future,它支持可组合操作(如thenApply、thenCombine),避免回调地狱,同时降低依赖间的阻塞。其核心通过result存储结果,stack管理依赖动作,基于观察者模式实现回调通知。使用中需注意:异步方法建议显式传入线程池以隔离资源;异常信息需通过get()或exceptionally捕获。适用于复杂业务场景,如APP页面加载涉及多服务API调用时,可显著提升性能与代码可读性。
1427 2

热门文章

最新文章