前言:
眼前我们对“python交互式”大约比较关注,朋友们都想要知道一些“python交互式”的相关资讯。那么小编在网络上收集了一些关于“python交互式””的相关文章,希望姐妹们能喜欢,小伙伴们快快来学习一下吧!为什么选择交互式可视化?
Matplotlib 和 Seaborn 是数据科学社区中流行的库,可以生成用于可视化的精美绘图和图表,数据科学家必须花费大量时间使用 seaborn 或 matplotlib 库生成和自定义绘图。
并且这2个库入门并不是那么容易!看下面用这2个库如何完成这个任务!
让我们使用 seaborn 生成一个样本静态条形图来可视化几个国家在 2007 年的人口。
(此处已添加圈子卡片,请到今日头条客户端查看)seaborn来可视化
效果如上,代码如下:
sns.barplot(data=df, x='country', y='pop') plt.show()
虽然,seaborn很简单,但是可定制性不好。
Matplotlib来画图分析
用Matplotlib效果如上,代码如下:
plt.figure(figsize=(14,4)) sns.barplot(data=df, x='country', y='pop') plt.xticks(rotation=90) plt.grid(axis='y') plt.show()
X 轴有 142 个类别(国家/地区),这使得该图难以解释。必须过滤前 60 个国家以获得更好的可视化效果。
plt.figure(figsize=(14,4)) sns.barplot(data=df[df['country'].isin(list(df['country'].unique())[:60])], x ='country', y='pop') plt.xticks(rotation=90) plt.grid(axis='y') plt.show()
必须编写多行 Python 代码,才能使情节美观且直观。尽管如此,这些情节本质上是静态的,从情节中获得每个国家的确切人口有点困难。
怎么又简单,还可以动态交互数据可视化呢?
Plotly Express神器来了
Plotly Express 是plotly库的包装器。Plotly Express 的函数 API 设计为尽可能一致且易于学习,从而可以在整个数据探索会话期间轻松地从散点图切换到条形图、直方图和旭日图。Plotly Express 在一行 Python 代码中生成直观的交互式绘图
先看看它的效果吧。
并且居然,只使用了3行代码就搞定。看看下面的代码吧。
import plotly.express as pxpx.bar(data_frame=df, x='country', y='pop')
神器的安装
pip install plotly
这么神奇的神器安装也不多废话,一句搞定。
总结
Plotly Express 是一种生成交互式绘图和图形的便捷工具,它使数据分析更加直观。可以将鼠标悬停在图上,以与图进行交互演示来提高效率。
然而,与 seaborn 或 matplotlib 相比,来自 Plotly Express 的 Plots 的可定制性并不高。因此,seaborn 或 matplotlib 可用于生成可定制的绘图,而 Plotly Express 可用于从绘图中生成快速见解。
标签: #python交互式