大家平时都会用到哪些可视化的工具呢?Python中又有哪些好用的可视化模块呢?今天就给大家分享一个Python小技能,小白也
能学会的可视化教程。
正 文
今天小编总结归纳了若干个常用的可视化图表,并且通过调用plotly、matplotlib、altair、bokeh和seaborn等模块来分
别绘制这些常用的可视化图表,最后无论是绘制可视化的代码,还是会指出来的结果都会通过调用streamlit模块展示在一个
可视化大屏,出来的效果如下图所示
那我们接下去便一步一步开始可视化大屏的制作吧!
标题、副标题以及下拉框
首先我们对标题、副标题部分的内容,代码如下
Python学习交流Q群:906715085### with st.container(): st.title(\"Python可视化合集\") st.header(\"经典常用的Python可视化模块\") st.write(\"\"\"包括代码和可视化图表展示\"\"\")
然后便是下拉框的制作,代码如下
plot_types = ( \"Scatter\", \"Histogram\", \"Bar\", \"Line\", \"Boxplot\" ) # 选择绘制的图表种类 chart_type = st.selectbox(\"Choose your chart type\", plot_types) with st.container(): st.subheader(f\"Showing: {chart_type}\") st.write(\"\")
对于图表的展示可以选择是“双排式”的,如下图所示
也可以选择是沉浸式的,也即是“单排式”的,如下图所示
代码如下
Python学习交流Q群:906715085### two_cols = st.checkbox(\"2 columns?\", True) if two_cols: col1, col2 = st.columns(2) # 展示图表 if two_cols: with col1: show_plot(kind=\"Matplotlib\") with col2: show_plot(kind=\"Seaborn\") with col1: show_plot(kind=\"Plotly Express\") with col2: show_plot(kind=\"Altair\") with col1: show_plot(kind=\"Pandas Matplotlib\") with col2: show_plot(kind=\"Bokeh\") else: with st.container(): for lib in libs: show_plot(kind=lib)
对于双排式的展示方式而言,col1也就是左边,放置的是matplotlib、plotly、以及pandas绘制出来的图表,右边也就是col2也就是
右边,放置的是seaborn、altair以及bokeh绘制出来的图表,而上述代码中调用的show_plot()函数代码如下
#生成图表 def show_plot(kind: str): st.write(kind) if kind == \"Matplotlib\": plot = matplotlib_plot(chart_type, df) st.pyplot(plot) elif kind == \"Seaborn\": plot = sns_plot(chart_type, df) st.pyplot(plot) elif kind == \"Plotly Express\": plot = plotly_plot(chart_type, df) st.plotly_chart(plot, use_container_width=True) elif kind == \"Altair\": plot = altair_plot(chart_type, df) st.altair_chart(plot, use_container_width=True) elif kind == \"Pandas Matplotlib\": plot = pd_plot(chart_type, df) st.pyplot(plot) elif kind == \"Bokeh\": plot = bokeh_plot(chart_type, df) st.bokeh_chart(plot, use_container_width=True)
是一系列if…else…的判断,当绘制图表的模块是matplotlib时就调用对应的matplotlib_plot()函数,当绘制图表的模块是seaborn时
就调用对应的sns_plot()函数,依次同理。我们来看其中一个函数sns_plot()的具体逻辑,代码如下
Python学习交流Q群:906715085#### def sns_plot(chart_type: str, df): \"\"\" 生成seaborn绘制的图表 \"\"\" fig, ax = plt.subplots() if chart_type == \"Scatter\": with st.echo(): sns.scatterplot( data=df, x=\"bill_depth_mm\", y=\"bill_length_mm\", hue=\"species\", ) plt.title(\"Bill Depth by Bill Length\") elif chart_type == \"Histogram\": with st.echo(): sns.histplot(data=df, x=\"bill_depth_mm\") plt.title(\"Count of Bill Depth Observations\") elif chart_type == \"Bar\": with st.echo(): sns.barplot(data=df, x=\"species\", y=\"bill_depth_mm\") plt.title(\"Mean Bill Depth by Species\") elif chart_type == \"Boxplot\": with st.echo(): sns.boxplot(data=df[\"bill_depth_mm\"].dropna()) plt.title(\"Bill Depth Observations\") elif chart_type == \"Line\": with st.echo(): sns.lineplot(data=df, x=df.index, y=\"bill_length_mm\") plt.title(\"Bill Length Over Time\") return fig
其实也是一系列if…else…的判断,当所要绘制的图表是散点图时,调用的是sns.scatterplot()函数,所要绘制的是直方图时,调用
的是sns.histplot(),绘制的柱状图或者是折线图时也是同理
最后要是我们想要查看源数据时,也可以查看,代码如下
#展示源数据 with st.container(): show_data = st.checkbox(\"See the raw data?\") if show_data: df # 要点 st.subheader(\"Notes\") st.write( \"\"\" - 这个应用是通过python当中的streamlit模块制作出来的 - 关注\"关于数据分析与可视化\",学习更多数据分析和可视化知识与技能 \"\"\" )
output
最后,今天给大家分享的这个可视化数据到这里就结束了,你明天想看什么,告诉我,我给你整理出来。关于今天的文章,有问
题的可以评论留言,我看见就会回你。没有问题的小伙伴,记得给自己一个大大的赞,也给我一个大大的赞。
来源:https://www.cnblogs.com/123456feng/p/16144998.html
本站部分图文来源于网络,如有侵权请联系删除。