在 Python
当中用于绘制图表的模块,相信大家用的最多的便是 matplotlib
和 seabron
,除此之外还有一些用于动态交互的例如 Plotly
模块和 Pyecharts
模块。
今天我为大家来推荐两个用于制作可视化大屏的库,分别叫做 hvPlot
以及 Panel
,非常不错, 喜欢记得收藏、关注、点赞。
【注】完整代码、数据、技术交流,文末获取
- 用
pandas
以及hvPlot
结合生成具有交互性的图表 - 用
Panel
模块生成小的组件,配合图表进行使用 - 制作一个数据可视化大屏来更好地呈现数据
pandas+hvPlot绘制图表
我们首先导入一些要用到的模块以及用 pandas
来读取数据集,代码如下
import numpy as np
import pandas as pd
import hvplot.pandas
import panel as pn; pn.extension()
from panel.template import DarkTheme
用 pandas
绘制出来的图表默认都是以 matplotlib
模块为后端,因为不具备交互性,如下图所示
sales = pd.read_csv('games_sales.csv')
sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales');
output
代码中的 kind
参数对应的是图表的类型, X
参数代表的是X轴上面的所要要用到的数据,同理,我们还指定了标题、图表的颜色等等参数,那么要是我们希望 pandas
在绘制图表的时候是以 hvPlot
为后端,需要添加如下的代码
pd.options.plotting.backend = 'holoviews'
我们同样来绘制如上所示的图表,代码如下
sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales')
output
通过最右侧的工具栏,我们可以将绘制出来的图表保存、放大/缩小、移动等一系列操作。我们也可以同时将若干种图表结合在一起,绘制在同一张图上面
salesplot = sales.plot(kind='line', x='Year', y='Units sold(in millions)',
color='orange', grid=True, title='Pokémon Game Sales',
hover=False) * \
sales.plot(kind='scatter', x='Year', y='Units sold(in millions)',
color='#c70000', hover_cols='Game')
salesplot
output
我们分别绘制了两张图表,散点图以及折线图,通过 *
将两者有效地结合到了一块儿。
制作一个小组件
这次我们用 Panel
模块也来生成一个类似的组件,代码如下
pok_types = list(df.type_1.unique())pok_type = pn.widgets.Select(name='Type', options=pok_types)pok_type
output
我们结合该组件来绘制图表,代码如下
viz0 = data_pipeline[['pokedex_number', 'name',
'total_points']].hvplot(kind='table',title='Pokémons',
width=400, height=400)
viz0
output
我们可以通过当中的参数 kind
来调整要绘制的图表的类型, width
以及 height
参数来调整图表的大小, title
参数来调整图表的标题,我们来绘制一张散点图,代码如下
viz1 = data_pipeline.hvplot(x='weight_kg', y='height_m',
by='type_2', kind='scatter',
hover_cols=['name', 'type_1', 'type_2'],
width=600, height=400,grid=True,
title='Relationship between Weight (kg) and Height (m), by Type'
)
viz1
output
另外我们也可以同样来绘制一张柱状图,代码如下
data_damage = data_pipeline.iloc[:, -18:].mean().rename('Damage')
viz2 = data_damage.hvplot(kind='bar',c='Damage',
title='正在思考要取什么标题会比较好......',
rot=30, shared_axes=False,
colorbar=True, colormap='RdYlGn_r',
)
viz2
output
制作一个数据面板大屏
接下来我们将上面绘制的所有图表,都放置在一张数据大屏当中显示,代码如下
template = pn.template.FastListTemplate(theme=DarkTheme,
title = '数据面板',
sidebar=[
pn.pane.Markdown('# 关于这个项目'),
pn.pane.Markdown('#### 这个项目的数据来源是[Kaggle](https://www.kaggle.com/datasets/mariotormo/complete-pokemon-dataset-updated-090420) and on [Wikipedia](https://en.wikipedia.org/wiki/Pok%C3%A9mon_(video_game_series)#Reception) about Pokémons to explore different types of visualizations using HoloViz tools: [Panel](https://panel.holoviz.org/) [hvPlot](https://hvplot.holoviz.org/)'),
pn.pane.JPG('图片的路径.jpg', sizing_mode='scale_both'),
pn.pane.Markdown('[图片的来源](https://unsplash.com/photos/dip9IIwUK6w)'),
pn.pane.Markdown('## Filter by Type'),
pok_type
],
main=[pn.Row(
pn.Column(viz0.panel(width=600, height=400, margin=(0,20))),
pn.Column(pn.Row(viz1.panel(width=700, height=250, margin=(0,20))),
pn.Column(viz2.panel(width=700, height=250), margin=(0,20))),
),
pn.Row(salesplot.opts(width=1400, height=200))
],
accent_base_color='#d78929',
header_background='#d78929',
sidebar_footer='GitHub链接',
main_max_width='100%'
)
template.servable();
template.show()
output
Launching server at http://localhost:63968<bokeh.server.server.Server at 0x1bd811e82b0>
我们按照上述的链接来浏览器中打开,数据大屏面板就可以做好了,如下图所示
推荐文章
- 李宏毅《机器学习》国语课程(2022)来了
- 有人把吴恩达老师的机器学习和深度学习做成了中文版
- 上瘾了,最近又给公司撸了一个可视化大屏(附源码)
- 如此优雅,4款 Python 自动数据分析神器真香啊
- 梳理半月有余,精心准备了17张知识思维导图,这次要讲清统计学
- 年终汇总:20份可视化大屏模板,直接套用真香(文末附源码)
技术交流
欢迎转载、收藏、有所收获点赞支持一下! 数据、代码可以找我获取
目前开通了技术交流群,群友已超过 2000人,添加时最好的备注方式为:来源+兴趣方向,方便找到志同道合的朋友
- 方式①、发送如下图片至微信,长按识别,后台回复:加群;
- 方式②、添加微信号: dkl88191,备注:来自CSDN
- 方式③、微信搜索公众号: Python学习与数据挖掘,后台回复:加群
Original: https://blog.csdn.net/weixin_38037405/article/details/124628121
Author: Love Python数据挖掘
Title: 太炫酷了,Python 这款工具制作数据面板大屏非常棒
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/600603/
转载文章受原作者版权保护。转载请注明原作者出处!