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)
6007 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
49442 4
conda常用操作和配置镜像源
conda常用操作和配置镜像源
30068 0
|
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
7778 0
Pandas获取SQL数据库read_sql()函数及参数一文详解+实例代码
|
10月前
|
网络协议 应用服务中间件 网络安全
odoo17在线聊天报错提示 Couldn‘t bind the websocket...
当 Odoo 17 报错 "Couldn't bind the websocket..." 时,通过检查和配置 WebSocket 端口、防火墙规则、代理服务器以及 Odoo 配置文件,可以有效解决此问题。确保每一步操作准确无误,最终重启相关服务,使配置生效。希望这些步骤能帮助您快速恢复 Odoo 的在线聊天功能。
367 1
|
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。
4346 0
搭建 Git 私人服务器完整指南
|
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。
3676 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。
802 3
|
存储 安全 Java
《ThreadLocal使用与学习总结:》史上最详细由浅入深解析ThreadLocal
《ThreadLocal使用与学习总结:》史上最详细由浅入深解析ThreadLocal
189 0
|
存储 缓存 负载均衡
图解一致性哈希算法,看这一篇就够了!
近段时间一直在总结分布式系统架构常见的算法。前面我们介绍过布隆过滤器算法。接下来介绍一个非常重要、也非常实用的算法:一致性哈希算法。通过介绍一致性哈希算法的原理并给出了一种实现和实际运用的案例,带大家真正理解一致性哈希算法。
25360 64
图解一致性哈希算法,看这一篇就够了!