Python一行代碼搞定炫酷可視化，你需要了解一下Cufflinks

microcosm1994 發布于2019-07-31 11:30 / 991人閱讀

摘要：有一個專門生成隨機數的方法，叫做，用于生成不同維度的隨機數據，比如下面。線圖使用生成隨機數定義為形式，數據為然后再用繪制這一組時間序列，參數設置展現三個不同周期的時序分析。

作者：xiaoyu

微信公眾號：Python數據科學

知乎：python數據分析師

前言

學過Python數據分析的朋友都知道，在可視化的工具中，有很多優秀的三方庫，比如matplotlib，seaborn，plotly，Boken，pyecharts等等。這些可視化庫都有自己的特點，在實際應用中也廣為大家使用。

plotly、Boken等都是交互式的可視化工具，結合Jupyter notebook可以非常靈活方便地展現分析后的結果。雖然做出的效果非常的炫酷，比如plotly，但是每一次都需要寫很長的代碼，一是麻煩，二是不便于維護。

我覺得在數據的分析階段，更多的時間應該放在分析上，維度選擇、拆解合并，業務理解和判斷。如果既可以減少代碼量，又可以做出炫酷可視化效果，那將大大提高效率。當然如果有特別的需求除外，此方法僅針對想要快速可視化進行分析的人。

本篇給大家介紹一個非常棒的工具，cufflinks，可以完美解決這個問題,且效果一樣炫酷。

cufflinks介紹

就像seaborn封裝了matplotlib一樣，cufflinks在plotly的基礎上做了一進一步的包裝，方法統一，參數配置簡單。其次它還可以結合pandas的dataframe隨意靈活地畫圖。可以把它形容為"pandas like visualization"。

毫不夸張地說，畫出各種炫酷的可視化圖形，我只需一行代碼，效率非常高，同時也降低了使用的門檻兒。cufflinks的github鏈接如下：

https://github.com/santosjorg...

cufflinks安裝

安裝不多說，直接pip install即可。

pip install cufflinks

cufflinks如何使用？

cufflinks庫一直在不斷更新，目前最新版為V0.14.0，支持plotly3.0。首先我們看看它都支持哪些種類的圖形，可以通過help來查看。

import cufflinks as cf
cf.help()

Use "cufflinks.help(figure)" to see the list of available parameters for the given figure.
Use "DataFrame.iplot(kind=figure)" to plot the respective figure
Figures:
  bar
  box
  bubble
  bubble3d
  candle
  choroplet
  distplot
  heatmap
  histogram
  ohlc
  pie
  ratio
  scatter
  scatter3d
  scattergeo
  spread
  surface
  violin

使用方法其實很簡單，我總結一下，它的格式大致是這樣的：

DataFrame：代表pandas的數據框；

Figure：代表我們上面看到的可繪制圖形，比如bar、box、histogram等等；

iplot：代表繪制方法，其中有很多參數可以進行配置，調節符合你自己風格的可視化圖形；

cufflinks實例

我們通過幾個實例感受一下上面的使用方法。使用過plotly的朋友可能知道，如果使用online模式，那么生成的圖形是有限制的。所以，我們這里先設置為offline模式，這樣就避免了出現次數限制問題。

import pandas as pd
import cufflinks as cf
import numpy as np

cf.set_config_file(offline=True)

然后我們需要按照上面的使用格式來操作，首先我們需要有個DataFrame，如果手頭沒啥數據，那可以先生成個隨機數。cufflinks有一個專門生成隨機數的方法，叫做datagen，用于生成不同維度的隨機數據，比如下面。

lines線圖

cf.datagen.lines(1,500).ta_plot(study="sma",periods=[13,21,55])

1）cufflinks使用datagen生成隨機數；

2）figure定義為lines形式，數據為(1,500)；

3）然后再用ta_plot繪制這一組時間序列，參數設置SMA展現三個不同周期的時序分析。

box箱型圖

還是與上面用法一樣，一行代碼解決。

cf.datagen.box(20).iplot(kind="box",legend=False)

可以看到，x軸每個box都有對應的名稱，這是因為cufflinks通過kind參數識別了box圖形，自動為它生成的名字。如果我們只生成隨機數，它是這樣子的，默認生成100行的隨機分布的數據，列數由自己選定。

histogram直方圖

cf.datagen.histogram(3).iplot(kind="histogram")

和plotly一樣，我們可以通過一些輔助的小工具框選或者lasso選擇來區分和選定指定區域，只要一行代碼。

當然了，除了隨機數據，任何的其它dataframe數據框都可以，包括我們自己導入的數據。

histogram條形圖

df=pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
df.iplot(kind="bar",barmode="stack")

上面我們生成了一個(10,4)的dataframe數據框，名稱分別是a,b,c,d。那么cufflinks將會根據iplot中的kind種類自動識別并繪制圖形。參數設置為堆疊模式。

scatter散點圖

df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"])
df.iplot(kind="scatter",mode="markers",colors=["orange","teal","blue","yellow"],size=10)

bubble氣泡圖

df.iplot(kind="bubble",x="a",y="b",size="c")

scatter matrix 散點矩陣圖

df = pd.DataFrame(np.random.randn(1000, 4), columns=["a", "b", "c", "d"])
df.scatter_matrix()

subplots 子圖

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

df.iplot(subplots=True,subplot_titles=True,legend=False)

再比如復雜一點的。

df=cf.datagen.bubble(10,50,mode="stocks")
figs=cf.figures(df,[dict(kind="histogram",keys="x",color="blue"),
                    dict(kind="scatter",mode="markers",x="x",y="y",size=5),
                    dict(kind="scatter",mode="markers",x="x",y="y",size=5,color="teal")],asList=True)
figs.append(cf.datagen.lines(1).figure(bestfit=True,colors=["blue"],bestfit_colors=["pink"]))
base_layout=cf.tools.get_base_layout(figs)
sp=cf.subplots(figs,shape=(3,2),base_layout=base_layout,vertical_spacing=.15,horizontal_spacing=.03,
               specs=[[{"rowspan":2},{}],[None,{}],[{"colspan":2},None]],
               subplot_titles=["Histogram","Scatter 1","Scatter 2","Bestfit Line"])
sp["layout"].update(showlegend=False)
cf.iplot(sp)

shapes 形狀圖

如果我們想在lines圖上增加一些直線作為參考基準，這時候我們可以使用hlines的類型圖。

df=cf.datagen.lines(3,columns=["a","b","c"])
df.iplot(hline=[dict(y=-1,color="blue",width=3),dict(y=1,color="pink",dash="dash")])

或者是將某個區域標記出來，可以使用hspan類型。

df.iplot(hspan=[(-1,1),(2,5)])

又或者是豎條的區域，可以用vspan類型。

df.iplot(vspan={"x0":"2015-02-15","x1":"2015-03-15","color":"teal","fill":True,"opacity":.4})

如果對iplot中的參數不熟練，直接輸入以下代碼即可查詢。

help(df.iplot)

總結

怎么樣，是不是非常快捷方便？以上介紹是一般的可繪制類型，當然你可以根據自己的需求做出更多的可視化圖形。如果是常規圖形，一行即可實現。除此外，cufflinks還有強大的顏色管理功能，如果感興趣可以自行學習。

如果覺得有幫助，還請給點個贊！

歡迎關注我的個人公眾號：Python數據科學

云服務器 GPU云服務器百度一下你就知道了 python一行代碼一行python代碼說說你所了解的人工智能

文章版權歸作者所有，未經允許請勿轉載,若此文章存在違規行為，您可以聯系管理員刪除。

轉載請注明本文地址：http://m.specialneedsforspecialkids.com/yun/45216.html

收藏 | 10個可以快速用Python進行數據分析的小技巧

摘要：函數將單元格內容以形式呈現。自動評論代碼自動注釋單元格中的選定行，再次命中組合將取消注釋相同的代碼行。如果需要恢復整個已刪除的單元格，請按或撤消刪除單元格。 showImg(https://segmentfault.com/img/remote/1460000019599210); 編譯：小七、蔣寶尚一些小提示和小技巧可能是非常有用的，特別是在編程領域。有時候使用一點點黑客技術，既可...

silvertheo 2019-07-31 10:37 評論0 收藏0
D3.js數據可視化

摘要：和之前用的有啥不同和都是用來生成各類圖表的，區別的話可以從使用方法和實現方式上是通過來繪制圖形具體使用方法是通過方法初始化一個實例并通過方法生成一個簡單的柱狀圖很輕松搞定。通過來繪制圖形使用時需要先創建畫布元素然后進行各種繪制圖形。你的淘寶年度消費報告那炫酷的圖表一下子讓人忘了自己花了多少錢，各大門戶網站、媒體都開始大量使用圖表，于是乎又有一批工具等待我們學習的路上什么是D3.js...

songze 2019-08-22 18:44 評論0 收藏0
Python繪制六種可視化圖表詳解，三維圖最炫酷！你覺得呢？

摘要：散點圖其實散點圖和折線圖是一樣的原理，將散點圖里的點用線連接起來就是折線圖了。所以繪制散點圖，只要設置一下線型即可。三維圖繪制三維散點圖繪制三維平面圖你覺得那個炫酷呢原文鏈接可視化圖表，有相當多種，但常見的也就下面幾種，其他比較復雜一點，大都也是基于如下幾種進行組合，變換出來的。對于初學者來說，很容易被這官網上眾多的圖表類型給嚇著了，由于種類太多，幾種圖表的繪制方法很有可能會混淆起來...

JeOam 2019-07-30 17:40 評論0 收藏0
秀的一批，那些你不得不知的 Python 殺手級框架

摘要：那在屆有哪些被封神的庫呢，今天就給大家介紹十個堪稱殺手級別的工具包。總之，是一款非常強大且易用的網絡請求庫。地址最好用的框架。圖像處理，該庫是你的不二之選。 Pyt...

zeyu 2021-11-15 11:39 評論0 收藏0
秀的一批，那些你不得不知的 Python 殺手級框架！

摘要：那在屆有哪些被封神的庫呢，今天就給大家介紹十個堪稱殺手級別的工具包。該庫是在之上完善的，自此請求就變得異常的簡單，一行代碼即可搞定。這是最流行的網絡爬蟲框架庫，沒有之一。最好用的框架。圖像處理，該庫是你的不二之選。文 |?豆豆來源：Python 技術「ID: pythonall」 ...

ninefive 2021-11-12 10:36 評論0 收藏0