Python繪制驚艷的可視化動圖的示例代碼
今天小編給大家介紹一款可視化模塊,使用它可以繪制出十分驚艷的動圖效果,那么當然第一步我們首先是要安裝一下該模塊,通過pip命令行來安裝:
pip install ipyvizzu
牛刀小試
我們首先來簡單地使用該模塊來繪制一張動圖,用Pandas導入數(shù)據(jù)集,代碼如下:
import pandas as pd
from ipyvizzu import Chart, Data, Config
data_frame = pd.read_csv("titanic.csv")在導入數(shù)據(jù)集完畢之后,小編先來介紹一下使用該模塊的大致步驟,我們實例化Data()對象,然后將導入的數(shù)據(jù)集放置其中,代碼如下:
data = Data() data.add_data_frame(data_frame)
然后我們再實例化圖表對象Chart(),將含有數(shù)據(jù)集的data放置其中:
chart = Chart() chart.animate(data)
接下來我們開始繪制圖表,需要指定好的是圖表的一些屬性,例如直方圖的話就是X軸Y軸該放置什么樣的數(shù)據(jù),顏色選擇是默認的還是需要另外指定的,以及標題等等:
chart.animate(Config({"x": "Count", "y": "Sex", "label": "Count","title":"Passengers of the Titanic"}))output:

然后我們再此基礎(chǔ)之上,在添加上下面的代碼:
chart.animate(Config({"x": ["Count","Survived"], "label": ["Count","Survived"], "color": "Survived"}))output:

因此該模塊繪制出來的所謂的動圖,其實就是若干張靜態(tài)圖表的疊加,我們不妨來看一下完整的案例:
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"]}))output:

散點圖與直方圖之間的動圖轉(zhuǎn)變
因為篇幅有限,小編在這里也不太可能一次性將這個知識點講完,讀者可以自行去官網(wǎng)上查閱
這里小編嘗試來繪制繪制一下散點圖與直方圖之間的動圖轉(zhuǎn)變,首先是繪制散點圖,代碼如下:
import pandas as pd
from ipyvizzu import Chart, Data, Config, Style
data_frame = pd.read_csv("chart_types_eu.csv", dtype={"Year": str})
data = Data()
data.add_data_frame(data_frame)
chart = Chart()
chart.animate(data)
chart.animate(
Config(
{
"channels": {
"x": ["Joy factors", "Value 6 (+/-)"],
"y": "Value 5 (+/-)",
"color": "Joy factors",
"size": "Value 2 (+)",
"label": "Country_code",
},
"title": "Bubble Plot",
"geometry": "circle",
}
)
)output:

我們通過title參數(shù)在設(shè)置標題,size參數(shù)在設(shè)置散點的大小以及color參數(shù)在設(shè)置散點的顏色,接下來我們來繪制直方圖,代碼如下:
chart.animate(
Config(
{
"channels": {
"y": "Joy factors",
"x": ["Value 2 (+)", "Country_code"],
"label": None
},
"title": "Bar Chart",
"geometry": "rectangle",
"orientation": "vertical",
}
),
geometry={"delay": 0.7, "duration": 1},
)output:

然后我們在直方圖上標上標記,代碼如下:
chart.animate(
Config(
{"channels": {"x": {"set": ["Value 2 (+)"]}, "label": {"set": ["Value 2 (+)"]}}}
)
)我們總體來看一下出來的動圖效果,如下圖所示:

無論是靜態(tài)的圖表還是動態(tài),還有其他很多的案例,具體可以查閱這個的鏈接
以上就是Python繪制驚艷的可視化動圖的示例代碼的詳細內(nèi)容,更多關(guān)于Python可視化動圖的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
python HTTPX庫實現(xiàn)同步異步請求用法示例
這篇文章主要為大家介紹了python HTTPX庫實現(xiàn)同步異步請求用法示例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2024-01-01
Django解決無法從request.POST中獲取URL傳進來的參數(shù)
這篇文章主要介紹了Django解決無法從request.POST中獲取URL傳進來的參數(shù)問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-12-12
pytorch中torch.topk()函數(shù)的快速理解
我們在做分類算法時,時常見到@acc1和@acc5的情況,@acc1比較容易實現(xiàn),但是一直苦于@acc5算法的實現(xiàn),在此為大家提供一種@topk的實現(xiàn)方法,這篇文章主要給大家介紹了關(guān)于pytorch中torch.topk()函數(shù)的快速理解,需要的朋友可以參考下2022-02-02

