成人无码视频,亚洲精品久久久久av无码,午夜精品久久久久久毛片,亚洲 中文字幕 日韩 无码

資訊專欄INFORMATION COLUMN

Python大數(shù)據(jù)可視化控制模塊altair的應(yīng)用詳細(xì)說明

89542767 / 723人閱讀

  Altair被稱作是統(tǒng)計分析大數(shù)據(jù)可視化庫,因為他能通過篩選、數(shù)據(jù)變換、數(shù)據(jù)交換、圖型復(fù)合型等。這篇文章跟大家聊一聊Python之中的altair大數(shù)據(jù)可視化控制模塊,同時通過讀取該控制模塊來制作某些比較常見的數(shù)據(jù)圖表,有興趣的話可以認(rèn)識一下。


  接下來小編來跟大伙兒聊一聊Python之中的altair大數(shù)據(jù)可視化控制模塊,同時通過讀取該控制模塊來制作某些比較常見的數(shù)據(jù)圖表,依靠Altair,大家能將更多精力與時間放到了解數(shù)據(jù)信息自身及其數(shù)據(jù)的意義上邊,從繁雜的大數(shù)據(jù)可視化環(huán)節(jié)中解放出來。


  Altair是啥


  Altair被稱作是統(tǒng)計分析大數(shù)據(jù)可視化庫,因為他能通過篩選、數(shù)據(jù)變換、數(shù)據(jù)交換、圖型復(fù)合型等形式全方位地了解數(shù)據(jù)信息、認(rèn)知和處理數(shù)據(jù),而且其安裝全過程也是相當(dāng)?shù)暮喴?,先通過pip指令去執(zhí)行,如下所示

   pip install altair
  pip install vega_datasets
  pip install altair_viewer


  如果使用的是conda包管理器來安裝Altair模塊的話,代碼如下

  conda install-c conda-forge altair vega_datasets


  Altair初體驗


  我們先簡單地來嘗試?yán)L制一個直方圖,首先創(chuàng)建一個DataFrame數(shù)據(jù)集,代碼如下


  df=pd.DataFrame({"brand":["iPhone","Xiaomi","HuaWei","Vivo"],
  "profit(B)":[200,55,88,60]})


  接下來便是繪制直方圖的代碼


  import altair as alt
  import pandas as pd
  import altair_viewer
  chart=alt.Chart(df).mark_bar().encode(x="brand:N",y="profit(B):Q")
  #展示數(shù)據(jù),調(diào)用display()方法
  altair_viewer.display(chart,inline=True)


  output

01.png

      從總體的句法結(jié)構(gòu)來說,最先使用alt.Chart()特定所使用的數(shù)據(jù)信息,隨后應(yīng)用實例方法mark_*()制圖數(shù)據(jù)圖表的款式,最終特定X軸和Y軸所代表數(shù)據(jù)信息,可能很多人會覺得好奇心,之中的N及其Q各自代表了哪些,這是變量類型的縮寫形式,也就是說,Altair模塊要了解圖形繪制所涉及到的變量類型,惟其如此,制作的圖型才是期待的實際效果。


     這其中的N代表了為名型自變量(Nominal),比如手機的品牌全是一個一個專業(yè)名詞,而Q代表了數(shù)值型變量(Quantitative),可分為離散型數(shù)據(jù)信息(discrete)和離散型數(shù)據(jù)信息(continuous),另外還有時間序列分析型數(shù)據(jù)信息,簡寫是T及其順序型自變量(O),比如在網(wǎng)上購物過程中對這些商戶的定級有1-5個等級。


  圖表的保存


  最后的圖表的保存,我們可以直接調(diào)用save()方法來保存,將對象保存成HTML文件,代碼如下

  chart.save("chart.html")


  也可以保存成JSON文件,從代碼上來看十分的相類似


  chart.save("chart.json")

  當(dāng)然我們也能夠保存成圖片格式的文件,如下圖所示

02.png

  Altair之進階操作


  我們在上面的基礎(chǔ)之上,進一步的衍生和拓展,例如我們想要繪制一張水平方向的條形圖,X軸和Y軸的數(shù)據(jù)互換,代碼如下


  chart=alt.Chart(df).mark_bar().encode(x="profit(B):Q",y="brand:N")
  chart.save("chart1.html")


  output

03.png

  同時我們也來嘗試?yán)L制一張折線圖,調(diào)用的是mark_line()方法代碼如下


  ##創(chuàng)建一組新的數(shù)據(jù),以日期為行索引值
  np.random.seed(29)
  value=np.random.randn(365)
  data=np.cumsum(value)
  date=pd.date_range(start="20220101",end="20221231")
  df=pd.DataFrame({"num":data},index=date)
  line_chart=alt.Chart(df.reset_index()).mark_line().encode(x="index:T",y="num:Q")
  line_chart.save("chart2.html")

04.png

  我們還可以來繪制一張甘特圖,通常在項目管理上面用到的比較多,X軸添加的是時間日期,而Y軸上表示的則是項目的進展,代碼如下


  project=[{"project":"Proj1","start_time":"2022-01-16","end_time":"2022-03-20"},
  {"project":"Proj2","start_time":"2022-04-12","end_time":"2022-11-20"},
  ......
  ]
  df=alt.Data(values=project)
  chart=alt.Chart(df).mark_bar().encode(
  alt.X("start_time:T",
  axis=alt.Axis(format="%x",
  formatType="time",
  tickCount=3),
  scale=alt.Scale(domain=[alt.DateTime(year=2022,month=1,date=1),
  alt.DateTime(year=2022,month=12,date=1)])),
  alt.X2("end_time:T"),
  alt.Y("project:N",axis=alt.Axis(labelAlign="left",
  labelFontSize=15,
  labelOffset=0,
  labelPadding=50)),
  color=alt.Color("project:N",legend=alt.Legend(labelFontSize=12,
  symbolOpacity=0.7,
  titleFontSize=15)))
  chart.save("chart_gantt.html")

05.png

  從上圖中我們看到團隊當(dāng)中正在做的幾個項目,每個項目的進展程度不同,當(dāng)然了,不同項目的時間跨度也不盡相同,表現(xiàn)在圖表上面的話就顯得十分的直觀了。


  緊接著,我們再來繪制散點圖,調(diào)用的是mark_circle()方法,代碼如下


  df=data.cars()
  ##篩選出地區(qū)是“USA”也就是美國的乘用車數(shù)據(jù)
  df_1=alt.Chart(df).transform_filter(
  alt.datum.Origin=="USA"
  )
  df=data.cars()
  df_1=alt.Chart(df).transform_filter(
  alt.datum.Origin=="USA"
  )
  chart=df_1.mark_circle().encode(
  alt.X("Horsepower:Q"),
  alt.Y("Miles_per_Gallon:Q")
  )
  chart.save("chart_dots.html")
  當(dāng)然我們可以將其進一步的優(yōu)化,讓圖表顯得更加美觀一些,添加一些顏色上去,代碼如下
  chart=df_1.mark_circle(color=alt.RadialGradient("radial",[alt.GradientStop("white",0.0),
  alt.GradientStop("red",1.0)]),
  size=160).encode(
  alt.X("Horsepower:Q",scale=alt.Scale(zero=False,padding=20)),
  alt.Y("Miles_per_Gallon:Q",scale=alt.Scale(zero=False,padding=20))
  )
  我們更改散點的大小,不同散點的大小代表著不同的值,代碼如下
  chart=df_1.mark_circle(color=alt.RadialGradient("radial",[alt.GradientStop("white",0.0),
  alt.GradientStop("red",1.0)]),
  size=160).encode(
  alt.X("Horsepower:Q",scale=alt.Scale(zero=False,padding=20)),
  alt.Y("Miles_per_Gallon:Q",scale=alt.Scale(zero=False,padding=20)),
  size="Acceleration:Q"
  )

        綜上所述,這篇文章就給大家介紹到這里了,希望可以給大家?guī)韼椭?br/>

文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址:http://m.hztianpu.com/yun/128682.html

相關(guān)文章

  • 四足機器狗——12自由度舵機狗DIY(一)

    摘要:四足仿生機器人具有高機動性,負(fù)載能力和適應(yīng)能力強,可運用于物資運輸搶險救援等方面,具有廣闊前景。由于制作電機狗需要高昂的成本。自主設(shè)計制造一款舵機狗來學(xué)習(xí)研究四足機器狗的步態(tài)算法是一件性價比極高且很有意義的一件事。 文章目錄 前言 一、初步了解四足結(jié)構(gòu) 1.1.2串聯(lián)機構(gòu) 1.2?...

    不知名網(wǎng)友 評論0 收藏0
  • FreecadPython腳本

    摘要:在控制臺中,您可以逐個編寫命令,這些命令在按下時執(zhí)行宏可以包含由多行組成的更復(fù)雜的腳本,只有在執(zhí)行宏時才會執(zhí)行。更好的是,您可以在中設(shè)置一個選項,以在控制臺中顯示腳本命令。 Python是一種編程語言,使用起來非常簡單,學(xué)習(xí)起來非常快。它是開源的,多平臺的,可以單獨用于各種各樣的事情,從簡單的shell腳本編程到非常復(fù)雜的程序。但其最廣泛的用途之一是作為腳本語言,因為它很容易嵌入到其他...

    zengdongbao 評論0 收藏0
  • 用 Matplotlib 庫生成動畫圖表

    摘要:相對于靜態(tài)圖表,人類總是容易被動畫和交互式圖表所吸引??梢允褂幂p松生成圖表直方圖功率譜,條形圖,錯誤圖表,散點圖等。然而,也有一些方面落后于同類的庫。動畫使用一組固定的對象。稍后將用數(shù)據(jù)對行對象進行填充?,F(xiàn)在用將它們轉(zhuǎn)換為動畫。 翻譯:瘋狂的技術(shù)宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...

    call_me_R 評論0 收藏0
  • 用 Matplotlib 庫生成動畫圖表

    摘要:相對于靜態(tài)圖表,人類總是容易被動畫和交互式圖表所吸引??梢允褂幂p松生成圖表直方圖功率譜,條形圖,錯誤圖表,散點圖等。然而,也有一些方面落后于同類的庫。動畫使用一組固定的對象。稍后將用數(shù)據(jù)對行對象進行填充?,F(xiàn)在用將它們轉(zhuǎn)換為動畫。 翻譯:瘋狂的技術(shù)宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...

    不知名網(wǎng)友 評論0 收藏0
  • 首次公開,整理12年積累博客收藏夾,零距離展示《收藏夾吃灰》系列博客

    摘要:時間永遠(yuǎn)都過得那么快,一晃從年注冊,到現(xiàn)在已經(jīng)過去了年那些被我藏在收藏夾吃灰的文章,已經(jīng)太多了,是時候把他們整理一下了。那是因為收藏夾太亂,橡皮擦給設(shè)置私密了,不收拾不好看呀。 ...

    Harriet666 評論0 收藏0

發(fā)表評論

0條評論

閱讀需要支付1元查看
<