当可视化遇见cufflinks

本文涉及的产品
实时计算 Flink 版,5000CU*H 3个月
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轻松玩转一站式实时仓库
本场景介绍如何利用阿里云MaxCompute、实时计算Flink和交互式分析服务Hologres开发离线、实时数据融合分析的数据大屏应用。
Linux入门到精通
本套课程是从入门开始的Linux学习课程,适合初学者阅读。由浅入深案例丰富,通俗易懂。主要涉及基础的系统操作以及工作中常用的各种服务软件的应用、部署和优化。即使是零基础的学员,只要能够坚持把所有章节都学完,也一定会受益匪浅。
相关文章
|
人工智能 数据可视化 大数据
M3.1 | 非程序员,简单2步实现数据可视化
M3.1 | 非程序员,简单2步实现数据可视化
181 0
M3.1 | 非程序员,简单2步实现数据可视化
|
数据可视化 算法框架/工具 开发工具
bug合集|艰难的TensorBoard可视化之路
今天上午在制作演示案例的时候,需要使用TensorBoard将训练过程可视化出来,原本想着很简单的,但是还是遇到了一些bug,现在就把当时我遇到的一些问题整理出来,请看文章。
bug合集|艰难的TensorBoard可视化之路
|
数据采集 JSON 数据可视化
PyHubWeekly | 第十八期:1行代码搞定数据可视化
PyHubWeekly每周定期更新,精选GitHub上优质的Python项目/小工具。 我把PyHubWeekly托管到了Github,感兴趣的可以搜索Github项目PyHubWeekly[1],如果喜欢,麻烦给个Star支持一下吧。此外,欢迎大家通过提交issue来投稿和推荐自己的项目~ 本期为大家推荐GitHub上5个优质的Python项目,它们分别是: •FlashText •PyFlux •bamboolib •MrDoc •AutoViz
PyHubWeekly | 第十八期:1行代码搞定数据可视化
|
6月前
|
数据可视化
说出来你可能不信,自从有了他,分分钟上手数据可视化
说出来你可能不信,自从有了他,分分钟上手数据可视化
说出来你可能不信,自从有了他,分分钟上手数据可视化
|
XML 前端开发 JavaScript
没有一个顺手的流程绘制工具?好吧,自己动手,丰衣足食
没有一个顺手的流程绘制工具?好吧,自己动手,丰衣足食
|
6月前
|
数据可视化 前端开发 JavaScript
本来不想分享的,但这套可视化大屏确实不错
本来不想分享的,但这套可视化大屏确实不错
|
存储 程序员 uml
【程序员必备】绘制架构图,流程图神器推荐
好的图形可以帮我们更好的表达自己,帮我们理清逻辑
|
2月前
|
数据可视化 数据挖掘
进度拖延?试试任务可视化神器!
在学术研究中,团队协作面临版本冲突、信息冗余、责任模糊等问题。结合任务管理的文档协同工具,如“板栗看板”,通过实时更新和任务可视化,有效解决这些问题,显著提升团队工作效率,减少任务重复和遗漏,实现跨学科、跨时区的高效协作。

热门文章

最新文章

相关实验场景

更多