刚刚发现的可视化动态图库ipyvizzu,太好看了
ipyvizzu生成的可视化图形是动态的,以前我们生成的可视化图形都是静态不动的。
它是python中的非标准库ipyvizzu,因此使用pip的方式额外安装一下。
pip install ipyvizzu
1、小试牛刀
首先,导入绘图相关的库ipyvizzu,以及pandas用来做数据导入操作。
import pandas as pd
from ipyvizzu import Chart, Data, Config
将csv文件中的数据读取出来,返回的数据格式是DataFrame数据。
data_frame = pd.read_csv("titanic.csv")
导入数据以后,就使用ipyvizzu提供的Data数据模块加载当前的数据。
data = Data()
data.add_data_frame(data_frame)
实例化ipyvizzu的图表对象,使用图表对象加载data对象中的数据作为图表数据。
chart = Chart()
chart.animate(data)
接下来我们开始绘制图表,需要指定好的是图表的一些属性,例如直方图的话就是X轴Y轴该放置什么样的数据,颜色选择是默认的还是需要另外指定的,以及标题等等。
chart.animate(Config({"x": "Count", "y": "Sex", "label": "Count","title":"Passengers of the Titanic"}))
看一下的图片的效果演示,此时,一张静态的数据可视化图就制作完成了。
2、大开眼界
根据第一个步骤中绘制的可视化图形,发现上面绘制的图形它是一个静态的数据图。我们既然说ipyvizzu是一个动态的可视化数据展示,那是怎么整的呢?
动态可视化,他主要是依赖于chart.animate函数来实现的,这个时候改变了x轴/y轴/标题等属性,每个chart.animate函数都生成一张静态图片,生成多个静态图片之间的转换自然就形成了动态的效果。
比如在上述的第一个小试牛刀的部分在加上下面的代码块就相当于又生成了一张静态的数据图片。
chart.animate(Config({"x": ["Count","Survived"], "label": ["Count","Survived"], "color": "Survived"}))
整合在一起就有动态可视化图形的效果,可以看一下下面的可视化图形。
3、渐入佳境
根据上述代码块得出的经验,只需要控制chart.animate函数生成静态图片的个数,那么就能控制动动态可视化图形的动态转化次数。
将这个过程整合一下就是下面的代码块,效果是不是杠杠的。
import pandas as pd
from ipyvizzu import Chart, Data, Config
data_frame = pd.read_csv("titanic.csv")
data = Data()
data.add_data_frame(data_frame)
chart = Chart()
chart.animate(data)
chart.animate(Config({"x": "Count", "y": "Sex", "label": "Count","title":"Passengers of the Titanic"}))
chart.animate(Config({"x": ["Count","Survived"], "label": ["Count","Survived"], "color": "Survived"}))
chart.animate(Config({"x": "Count", "y": ["Sex","Survived"]}))
使用chart.animate函数总共变换了三次数据坐标及属性的设置,下面看看效果吧!
最后,备注一下官网的地址,里面的例子example数不胜数,有兴趣的大佬可以了解一下啦~
https://vizzuhq.github.io/ipyvizzu/examples/examples.html
感谢各位看官老爷的捧场,今天的看点就到这里啦,下期再会!
【往期精选】
记住这些windows网络操作命令,轻松搞定自己的电脑网络!
word文档样式批量处理,久违了!
python 如何在多层循环中使用break/continue!
用python为心爱的人制作520照片墙,已成功做出效果图!
两个库搞定python中引用javascript代码块/文件...
相关文章
- 从本体论开始说起——运营商关系图谱的构建及应用
- 如何成为一名数据科学家?
- 从未见过的堂兄杀了人,你的DNA是关键证据
- 20个安全可靠的免费数据源,各领域数据任你挑
- 20个安全可靠的免费数据源,各领域数据任你挑
- 阿里云李飞飞:All in Cloud时代,云原生数据库优势明显
- 基于Hadoop生态系统的一高性能数据存储格式CarbonData(性能篇)
- 大数据告诉你:10年漫威,到底有多少角色
- TigerGraph:实时图数据库助力金融风控升级
- Splunk利用Splunk Connected Experiences和Splunk Business Flow 扩大数据访问
- 大数据开发常见的9种数据分析手段
- 以免在景区看人,我爬了5W条全国景点门票数据...
- 【实战解析】基于HBase的大数据存储在京东的应用场景
- 数据科学家告诉你哪些计算机科学书籍是你应该看的
- Kafka作为大数据的核心技术,你了解多少?
- Spring Boot 整合 Redis 实现缓存操作
- 大数据学习必须掌握的五大核心技术有哪些?
- 基于Antlr在Apache Flink中实现监控规则DSL化的探索实践
- 甲骨文再次被Gartner评为分析型数据管理解决方案魔力象限领导者
- 爬取吴亦凡微博102118条转发数据,扒一扒流量的真假