Cufflinks实战教程—1行python代码就可实现炫酷可视化-Python 实用宝典

Cufflinks实战教程—1行python代码就可实现炫酷可视化

作者:python数据分析之禅

来源:小dull鸟

之前画图一直在用matlibplot、pyecharts,最近学习了一个新的可视化库--cufflinks,用了两天我已经深深爱上它了

主要是因为它用法简单、图形漂亮、代码量少,用一两行代码,就能画出非常漂亮的图形

下面我们一起来看看吧!

1.用法简单

cufflinks库主要和dataFrame数据结合使用,绘图函数就是 dataFrame.iplot,记住这个就行了,但是 iplot 函数里的参数很多,一些参数说明如下:

1. kind:图的种类,如 scatter、pie、histogram 等
2. mode:lines、markers、lines+markers,分别表示折线、点、折线和点
3. colors:轨迹对应的颜色
4. dash:轨迹对应的虚实线,solid、dash、dashdot 三种
5. width:轨迹的粗细
6. xTitle:横坐标名称
7. yTitle:纵坐标的名称
8. title:图表的标题

如下图,df为随机生成的dataFrame数据,kind='bar'表示柱状图,title代表标题,xTitle命名X轴,yTitle命名Y轴:

import pandas as pd
import numpy as np
import cufflinks as cf
df=pd.DataFrame(np.random.rand(124), columns=['a''b''c''d'])
df.iplot(kind ='bar',title='示例', xTitle = 'X轴', yTitle ='Y轴')

图片

2.少量代码就能画出非常漂亮的图形

cufflinks为我们提供了丰富的主题样式,支持包括polar、pearl、henanigans、solar、ggplot、space和white等7种主题。

折线图

cf.datagen.lines(4,10).iplot(mode='lines+markers',theme='solar')

图片

cufflinks使用datagen生成随机数,figure定义为lines形式,cf.datagen.lines(2,10)的具体形式如下:

cf.datagen.lines(2,10)  #2代表2组,10代表10天
  WCB.EH OAA.CQ
2015-01-01 -0.052580 -0.351618
2015-01-02 1.056254 -1.476417
2015-01-03 0.078017 1.129168
2015-01-04 0.282141 0.908655
2015-01-05 0.960537 -0.223996
2015-01-06 1.420355 0.212851
2015-01-07 2.266144 0.358502
2015-01-08 0.008034 1.086130
2015-01-09 1.876946 2.226895
2015-01-10 1.855625 2.852383

散点图

df = pd.DataFrame(np.random.rand(504), columns=['a''b''c''d'])
df.iplot(kind='scatter',mode='markers',colors=['orange','teal','blue','yellow'],size=20,theme='solar')

图片

气泡图

df.iplot(kind='bubble',x='a',y='b',size='c',theme='solar')

图片

subplots 子图

df=cf.datagen.lines(4)
df.iplot(subplots=True,shape=(4,1),shared_xaxes=True,vertical_spacing=.02,fill=True,theme='ggplot')

图片

箱形图

cf.datagen.box(20).iplot(kind='box',legend=False,theme='ggplot')

图片

 

直方图

df.iloc[:,0:3].iplot(kind='histogram')

图片

 

3D图

cf.datagen.scatter3d(5,4).iplot(kind='scatter3d',x='x',y='y',z='z',text='text',categories='categories')

图片

我们的文章到此就结束啦,如果你喜欢今天的 Python 教程,请持续关注Python实用宝典。

有任何问题,可以在公众号后台回复:加群,回答相应验证信息,进入互助群询问。

原创不易,希望你能在下面点个赞和在看支持我继续创作,谢谢!


​Python实用宝典 ( pythondict.com )
不只是一个宝典
欢迎关注公众号:Python实用宝典

Pandas 性能优化
本文由 Python 实用宝典 作者:Python实用宝典 发表,其版权均为 Python 实用宝典 所有,文章内容系作者个人观点,不代表 Python 实用宝典 对观点赞同或支持。如需转载,请注明文章来源。
1

抱歉,评论已关闭!