如何利用从polar上获得的睡眠和运动信息使用plotly画图展示?

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
简介: 如何利用从polar上获得的睡眠和运动信息使用plotly画图展示?

如何展示相应的信息

这个涉及到使用plotly进行画图,我们使用简单一些的方法,根据需要增加相应得到副图数目。

画图的要点:

需要画几副图,就修改参数:fig = make_subplots(rows=4, cols=1),rows =4,cols=1代表有4幅图,每行一个,有4行,x轴是日期,y轴相应的数据,name是名称,row和col是相应到嗯位置,下面的代码,会画出来睡眠图

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
sleep_df = pd.read_csv("2020年睡眠数据.csv")
sleep_df['sleep_quality'] = run_df['sleepQuality']
sleep_df['date'] = pd.to_datetime(sleep_df['date'])
sleep_df['start_time']=[i.split("+")[0].split("T")[1] for i in sleep_df['sleep_start_time']]
sleep_df['end_time']=[i.split("+")[0].split("T")[1] for i in sleep_df['sleep_end_time']]
sleep_df['sleep_time'] = [float(i)/3600 for i in sleep_df['sleep_time']]
sleep_df = sleep_df[sleep_df['sleep_quality']!=0]
fig = make_subplots(
    rows=4, cols=1)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df['sleep_time'],name='2020年每天睡眠时间'),
    row=1, col=1
)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df['efficiencyPercent'],name='2020年每天睡眠有效百分比'),
    row=2, col=1)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df['continuityIndex'],name='2020年每天睡眠的连续指数'),
    row=3, col=1
)
fig.add_trace(
    go.Scatter(x=sleep_df['date'],y=sleep_df["sleep_quality"],name='2020年每天睡眠的质量'),
    row=4, col=1
)
fig.show()

下面的代码,画出来运动的图

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
run_df = pd.read_csv("2020年运动数据.csv")
run_df['date']=pd.to_datetime([i.split("T")[0] for i in run_df['datetime']])
run_df['activeTime'] =[float(i)/3600000 for i in run_df['activeTime']]
fig = make_subplots(
    rows=5, cols=1)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df['goalPercent'],name='2020年每天运动目标实现百分比'),
    row=1, col=1
)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df['calories'],name='2020年每天运动消耗的卡路里'),
    row=2, col=1)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df['stepCount'],name='2020年每天走的步数'),
    row=3, col=1
)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df["distanceFromSteps"],name='2020年每天走的距离'),
    row=4, col=1
)
fig.add_trace(
    go.Scatter(x=run_df['date'],y=run_df["activeTime"],name='2020年每天活动状态的时间'),
    row=5, col=1
)
fig.show()

画图相对来说,也特别简单。大家根据需要,模仿这些代码就可以了。如果对python不熟悉的话,可能刚开始比较难,如果平时不需要,完全按照这些代码去实现就好。如果平时工作中,学习python能够带来一定的帮助,还是建议学一学Python。画出来得到图,就是第一篇文章中的样子。

相关实践学习
快速体验PolarDB开源数据库
本实验环境已内置PostgreSQL数据库以及PolarDB开源数据库:PolarDB PostgreSQL版和PolarDB分布式版,支持一键拉起使用,方便各位开发者学习使用。
目录
相关文章
|
9月前
PokéLLMon 源码解析(五)(3)
PokéLLMon 源码解析(五)
57 0
|
存储 缓存 PHP
关于文件上传如何避免垃圾文件产生的程序设计思路
上传文件的时候,现在图片文件上传至缓存目录,返回链接,回显。在点击提交写入数据库的时候,将写入数据库的那个图片链接对应的图片移动到正式的图片目录下。然后写个定时任务,定期去清除缓存目录中的文件。这样就会避免垃圾文件的产生了~
715 0
关于文件上传如何避免垃圾文件产生的程序设计思路
|
3天前
|
人工智能 自然语言处理 Shell
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
仅用3分钟,百炼调用满血版Deepseek-r1 API,享受百万免费Token。阿里云提供零门槛、快速部署的解决方案,支持云控制台和Cloud Shell两种方式,操作简便。Deepseek-r1满血版在推理能力上表现出色,尤其擅长数学、代码和自然语言处理任务,使用过程中无卡顿,体验丝滑。结合Chatbox工具,用户可轻松掌控模型,提升工作效率。阿里云大模型服务平台百炼不仅速度快,还确保数据安全,值得信赖。
157394 24
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
|
5天前
|
人工智能 API 网络安全
用DeepSeek,就在阿里云!四种方式助您快速使用 DeepSeek-R1 满血版!更有内部实战指导!
DeepSeek自发布以来,凭借卓越的技术性能和开源策略迅速吸引了全球关注。DeepSeek-R1作为系列中的佼佼者,在多个基准测试中超越现有顶尖模型,展现了强大的推理能力。然而,由于其爆火及受到黑客攻击,官网使用受限,影响用户体验。为解决这一问题,阿里云提供了多种解决方案。
17025 37
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型
DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可使用 PAI 平台一键部署 DeepSeek 系列模型,实现 DeepSeek 系列模型与现有业务的高效融合。
|
5天前
|
并行计算 PyTorch 算法框架/工具
本地部署DeepSeek模型
要在本地部署DeepSeek模型,需准备Linux(推荐Ubuntu 20.04+)或兼容的Windows/macOS环境,配备NVIDIA GPU(建议RTX 3060+)。安装Python 3.8+、PyTorch/TensorFlow等依赖,并通过官方渠道下载模型文件。配置模型后,编写推理脚本进行测试,可选使用FastAPI服务化部署或Docker容器化。注意资源监控和许可协议。
1311 8
|
13天前
|
人工智能 搜索推荐 Docker
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
DeepSeek R1 + LobeChat + Ollama:快速本地部署模型,创建个性化 AI 助手
3416 117
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
|
8天前
|
人工智能 自然语言处理 API
DeepSeek全尺寸模型上线阿里云百炼!
阿里云百炼平台近日上线了DeepSeek-V3、DeepSeek-R1及其蒸馏版本等六款全尺寸AI模型,参数量达671B,提供高达100万免费tokens。这些模型在数学、代码、自然语言推理等任务上表现出色,支持灵活调用和经济高效的解决方案,助力开发者和企业加速创新与数字化转型。示例代码展示了如何通过API使用DeepSeek-R1模型进行推理,用户可轻松获取思考过程和最终答案。
|
5天前
|
人工智能 自然语言处理 程序员
如何在通义灵码里用上DeepSeek-V3 和 DeepSeek-R1 满血版671B模型?
除了 AI 程序员的重磅上线外,近期通义灵码能力再升级全新上线模型选择功能,目前已经支持 Qwen2.5、DeepSeek-V3 和 R1系列模型,用户可以在 VSCode 和 JetBrains 里搜索并下载最新通义灵码插件,在输入框里选择模型,即可轻松切换模型。
934 14
|
12天前
|
API 开发工具 Python
阿里云PAI部署DeepSeek及调用
本文介绍如何在阿里云PAI EAS上部署DeepSeek模型,涵盖7B模型的部署、SDK和API调用。7B模型只需一张A10显卡,部署时间约10分钟。文章详细展示了模型信息查看、在线调试及通过OpenAI SDK和Python Requests进行调用的步骤,并附有测试结果和参考文档链接。
1938 9
阿里云PAI部署DeepSeek及调用

热门文章

最新文章