Py之mpld3:mpld3的简介、安装、使用方法之详细攻略

简介: Py之mpld3:mpld3的简介、安装、使用方法之详细攻略

mpld3的简介


      mpld3——Bringing Matplotlib to the Browser .   mpld3 是matplotlib 和 javascript D3js 得到的可以在网页上绘图的工具。mpld3基于python的graphing library和D3js,汇集了Matplotlib流行的项目的Java库,用于创建web交互式数据可视化。通过一个简单的API,将matplotlib图形导出为HTML代码,这些HTML代码可以在浏览器内使用。

     mpld3项目汇集了流行的基于Python的图形库MaPutTLIB和D3JS,这是用于创建Web交互式数据可视化的流行JavaScript库。结果是一个简单的API,用于将MatMattLIB图形导出到HTML代码中,这些代码可以在浏览器内使用,在标准网页、博客或工具如iPython笔记本中使用。




mpld3的安装


pip install mpld3

image.png





mpld3的使用方法


输出结果

image.png



实现代码


import matplotlib.pyplot as plt

import numpy as np

import pandas as pd

import mpld3

from mpld3 import plugins

np.random.seed(9615)

# generate df

N = 100

df = pd.DataFrame((.1 * (np.random.random((N, 5)) - .5)).cumsum(0),

                 columns=['a', 'b', 'c', 'd', 'e'],)

# plot line + confidence interval

fig, ax = plt.subplots()

ax.grid(True, alpha=0.3)

for key, val in df.iteritems():

   l, = ax.plot(val.index, val.values, label=key)

   ax.fill_between(val.index,

                   val.values * .5, val.values * 1.5,

                   color=l.get_color(), alpha=.4)

# define interactive legend

handles, labels = ax.get_legend_handles_labels() # return lines and labels

interactive_legend = plugins.InteractiveLegendPlugin(zip(handles,

                                                        ax.collections),

                                                    labels,

                                                    alpha_unsel=0.5,

                                                    alpha_over=1.5,

                                                    start_visible=True)

plugins.connect(fig, interactive_legend)

ax.set_xlabel('x')

ax.set_ylabel('y')

ax.set_title('Interactive legend', size=20)

mpld3.show()

 


相关文章
|
SQL 自然语言处理 数据挖掘
大模型与数据分析:探索Text-to-SQL(上)
大模型与数据分析:探索Text-to-SQL(上)
5877 0
|
小程序 Linux 区块链
Python PyInstaller 打包成 Win、Mac 应用程序(app / exe)
Python PyInstaller 打包成 Win、Mac 应用程序(app / exe)
5837 0
|
索引 存储 数据库
数据库设计规范
基于阿里数据库设计规范扩展而来
49195 4
conda常用操作和配置镜像源
conda常用操作和配置镜像源
29517 0
|
分布式计算 并行计算 数据处理
大规模数据处理的最佳实践:使用 Dask 进行高效并行计算
【8月更文第29天】在大数据时代,高效地处理大规模数据集是至关重要的。Python 社区提供了一些强大的工具来帮助开发者进行并行和分布式计算,其中之一就是 Dask。本文将详细介绍如何使用 Dask 来优化大规模数据集的处理效率,并提供一些实用的代码示例。
1899 3
|
SQL 关系型数据库 MySQL
Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码
Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码
7638 0
Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码
|
Linux 开发工具 数据安全/隐私保护
搭建 Git 私人服务器完整指南
本文详细介绍了如何从零开始搭建一个私人的 `Git` 服务器。首先,文章解释了 `Git` 的概念及其优势,并阐述了搭建私人 `Git` 服务器的重要性,包括数据隐私、定制化需求及成本效益。接着,文章分步骤指导读者完成服务器的准备工作,包括操作系统、硬件和网络要求。随后,详细介绍了在不同操作系统上安装 `Git` 的方法,并演示了如何创建 `git` 用户、部署仓库以及设置免密登录。此外,还提供了客户端连接远程仓库的具体步骤,包括 Linux 和 Windows 的操作方式。最后,文章探讨了迁移仓库的方法以及搭建 `Git` 服务器的一些进阶选项。
4002 0
搭建 Git 私人服务器完整指南
|
安全 Linux 网络安全
【工具使用】几款优秀的SSH连接客户端软件工具推荐FinalShell、Xshell、MobaXterm、OpenSSH、PUTTY、Terminus、mRemoteNG、Terminals等
【工具使用】几款优秀的SSH连接客户端软件工具推荐FinalShell、Xshell、MobaXterm、OpenSSH、PUTTY、Terminus、mRemoteNG、Terminals等
117899 0
|
机器学习/深度学习 自然语言处理 达摩院
长文本口语语义理解技术系列①:段落分割实践
数智化浪潮下,越来越多的企业开始将现代信息网络作为数据资源的主要载体,并通过网络通信技术进行数据传输;网络作为主要的信息交流和分享的方式,海量不同源的网络信息,使得企业与个人消化信息的成本越来越高。音视频数据作为其中重要的信息来源之一,也随着远程视频会议、在线课堂、直播教学、电话销售等领域有了爆炸性的增长。
3628 0
长文本口语语义理解技术系列①:段落分割实践
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】层次聚类算法的原理与应用
【4月更文挑战第30天】层次聚类是数据挖掘中的聚类技术,无需预设簇数量,能生成数据的层次结构。分为凝聚(自下而上)和分裂(自上而下)两类,常用凝聚层次聚类有最短/最长距离、群集平均和Ward方法。优点是自动确定簇数、提供层次结构,适合小到中型数据集;缺点是计算成本高、过程不可逆且对异常值敏感。在Python中可使用`scipy.cluster.hierarchy`进行实现。尽管有局限,层次聚类仍是各领域强大的分析工具。
743 3