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
import numpy as np import seaborn as sns penguins = sns.load_dataset("penguins") penguins # DataFrame
sns.jointplot( data=penguins, x="bill_length_mm", y="bill_depth_mm", hue="species", kind="kde" )
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
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()
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
import nglview as nv view = nv.show_pdbid("5R7Y") # COVID-19 主蛋白酶 view
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
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()
scatter.y = np.cumsum(np.random.randn(size)) # 更新数据
scatter.colors = ['Green'] # 更新颜色
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)
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
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。
