成人国产在线小视频_日韩寡妇人妻调教在线播放_色成人www永久在线观看_2018国产精品久久_亚洲欧美高清在线30p_亚洲少妇综合一区_黄色在线播放国产_亚洲另类技巧小说校园_国产主播xx日韩_a级毛片在线免费

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(shuō)明

89542767 / 597人閱讀

　　Altair被稱作是統(tǒng)計(jì)分析大數(shù)據(jù)可視化庫(kù)，因?yàn)樗芡ㄟ^(guò)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(shí)通過(guò)讀取該控制模塊來(lái)制作某些比較常見(jiàn)的數(shù)據(jù)圖表，有興趣的話可以認(rèn)識(shí)一下。


　　接下來(lái)小編來(lái)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(shí)通過(guò)讀取該控制模塊來(lái)制作某些比較常見(jiàn)的數(shù)據(jù)圖表，依靠Altair，大家能將更多精力與時(shí)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(lái)。


　　Altair是啥


　　Altair被稱作是統(tǒng)計(jì)分析大數(shù)據(jù)可視化庫(kù)，因?yàn)樗芡ㄟ^(guò)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(guò)程也是相當(dāng)?shù)暮?jiǎn)易，先通過(guò)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(lái)安裝Altair模塊的話，代碼如下

　　conda install-c conda-forge altair vega_datasets


　　Altair初體驗(yàn)


　　我們先簡(jiǎn)單地來(lái)嘗試?yán)L制一個(gè)直方圖，首先創(chuàng)建一個(gè)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(lái)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(lái)說(shuō)，最先使用alt.Chart()特定所使用的數(shù)據(jù)信息，隨后應(yīng)用實(shí)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(huì)覺(jué)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(xiě)形式，也就是說(shuō)，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(shí)際效果。


     這其中的N代表了為名型自變量(Nominal)，比如手機(jī)的品牌全是一個(gè)一個(gè)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(shí)間序列分析型數(shù)據(jù)信息，簡(jiǎn)寫(xiě)是T及其順序型自變量（O），比如在網(wǎng)上購(gòu)物過(guò)程中對(duì)這些商戶的定級(jí)有1-5個(gè)等級(jí)。


　　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(lái)保存，將對(duì)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(lái)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(jìn)階操作


　　我們?cè)谏厦娴幕A(chǔ)之上，進(jìn)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(shí)我們也來(lái)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(lái)繪制一張甘特圖，通常在項(xiàng)目管理上面用到的比較多，X軸添加的是時(shí)間日期，而Y軸上表示的則是項(xiàng)目的進(jìn)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(tuán)隊(duì)當(dāng)中正在做的幾個(gè)項(xiàng)目，每個(gè)項(xiàng)目的進(jìn)展程度不同，當(dāng)然了，不同項(xiàng)目的時(shí)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?cè)賮?lái)繪制散點(diǎn)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(guó)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(jìn)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(diǎn)的大小，不同散點(diǎn)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)?lái)幫助。

文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)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(qǐng)注明本文地址：http://systransis.cn/yun/128682.html

相關(guān)文章

  • 四足機(jī)器狗——12自由度舵機(jī)狗DIY（一）

    摘要：四足仿生機(jī)器人具有高機(jī)動(dòng)性，負(fù)載能力和適應(yīng)能力強(qiáng)，可運(yùn)用于物資運(yùn)輸搶險(xiǎn)救援等方面，具有廣闊前景。由于制作電機(jī)狗需要高昂的成本。自主設(shè)計(jì)制造一款舵機(jī)狗來(lái)學(xué)習(xí)研究四足機(jī)器狗的步態(tài)算法是一件性價(jià)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(jī)構(gòu) 1.2?...

    不知名網(wǎng)友 評(píng)論0 收藏0

  • Freecad的Python腳本

    摘要：在控制臺(tái)中，您可以逐個(gè)編寫(xiě)命令，這些命令在按下時(shí)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(shí)才會(huì)執(zhí)行。更好的是，您可以在中設(shè)置一個(gè)選項(xiàng)，以在控制臺(tái)中顯示腳本命令。 Python是一種編程語(yǔ)言，使用起來(lái)非常簡(jiǎn)單，學(xué)習(xí)起來(lái)非?？?。它是開(kāi)源的，多平臺(tái)的，可以單獨(dú)用于各種各樣的事情，從簡(jiǎn)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(yǔ)言，因?yàn)樗苋菀浊度氲狡渌?..

    zengdongbao 評(píng)論0 收藏0

  • 用 Matplotlib 庫(kù)生成動(dòng)畫(huà)圖表

    摘要：相對(duì)于靜態(tài)圖表，人類總是容易被動(dòng)畫(huà)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(cuò)誤圖表，散點(diǎn)圖等。然而，也有一些方面落后于同類的庫(kù)。動(dòng)畫(huà)使用一組固定的對(duì)象。稍后將用數(shù)據(jù)對(duì)行對(duì)象進(jìn)行填充。現(xiàn)在用將它們轉(zhuǎn)換為動(dòng)畫(huà)。 翻譯：瘋狂的技術(shù)宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...

    call_me_R 評(píng)論0 收藏0

  • 用 Matplotlib 庫(kù)生成動(dòng)畫(huà)圖表

    摘要：相對(duì)于靜態(tài)圖表，人類總是容易被動(dòng)畫(huà)和交互式圖表所吸引。可以使用輕松生成圖表直方圖功率譜，條形圖，錯(cuò)誤圖表，散點(diǎn)圖等。然而，也有一些方面落后于同類的庫(kù)。動(dòng)畫(huà)使用一組固定的對(duì)象。稍后將用數(shù)據(jù)對(duì)行對(duì)象進(jìn)行填充?，F(xiàn)在用將它們轉(zhuǎn)換為動(dòng)畫(huà)。 翻譯：瘋狂的技術(shù)宅https://towardsdatascience.co... showImg(https://segmentfault.com/img...

    不知名網(wǎng)友 評(píng)論0 收藏0

  • 首次公開(kāi)，整理12年積累的博客收藏夾，零距離展示《收藏夾吃灰》系列博客

    摘要：時(shí)間永遠(yuǎn)都過(guò)得那么快，一晃從年注冊(cè)，到現(xiàn)在已經(jīng)過(guò)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(shí)候把他們整理一下了。那是因?yàn)槭詹貖A太亂，橡皮擦給設(shè)置私密了，不收拾不好看呀。 ...

    Harriet666 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<