Python动态可视化Cufflinks

数据集和jupyter文件链接：https://pan.baidu.com/s/1O5ukYe41iAO9v_czHbs5CA
提取码：by2a

一、cufflinks介绍

1.1 简介

  学过Python数据分析的朋友都知道，在可视化的工具中，有很多优秀的三方库，比如matplotlib，seaborn，plotly，pyecharts等等。这些可视化库都有自己的特点，在实际应用中也广为大家使用。

  就像seaborn封装了matplotlib一样，cufflinks在plotly的基础上做了一进一步的包装，方法统一，参数配置简单。其次它还可以结合pandas的dataframe随意灵活地画图。可以把它形容为"pandas like visualization"。

1.2 安装

pip install cufflinks

'''
Collecting cufflinks
  Using cached https://files.pythonhosted.org/packages/5e/5a/db3d6523ee870ecc229008b209b6b21231397302de34f9c446929a41f027/cufflinks-0.16.tar.gz
...................................................................................
Successfully built cufflinks retrying
Installing collected packages: retrying, plotly, colorlover, cufflinks
Successfully installed colorlover-0.3.0 cufflinks-0.16 plotly-3.10.0 retrying-1.3.3
'''

1.3 cufflinks包介绍

import cufflinks as cf

print(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
None

1.4 使用方法

  使用方法其实很简单，我总结一下，它的格式大致是这样的：

DataFrame.Figure.iplot

• DataFrame：代表pandas的数据框；

• Figure：代表我们上面看到的可绘制图形，比如bar、box、histogram等等；

• iplot：代表绘制方法，其中有很多参数可以进行配置，调节符合你自己风格的可视化图形；

二、cufflinks使用

import pandas as pd
import numpy as np
import cufflinks as cf
# 如果使用online模式，那么生成的图形是有限制的。所以，我们这里先设置为offline模式，这样就避免了出现次数限制问题。
cf.set_config_file(offline=True)
df = pd.read_csv('./PimaIndiansdiabetes.csv')
print(df.shape)  #(768, 9)

2.0 条形图 bar

# 随机生成bar 条形图
df1=pd.DataFrame(np.random.rand(12, 4), columns=['a', 'b', 'c', 'd'])	
df1.iplot(kind='bar',barmode='stack')

# Pima生成bar 条形图
df.iloc[0:66,0:3].iplot(kind='bar',barmode='stack')

2.1 histogram直方图

# 随机生成histogram直方图
cf.datagen.histogram(3).iplot(kind='histogram')

# Pima生成histogram直方图
df.iloc[:,0:3].iplot(kind='histogram')

2.2 box箱型图

# box箱型图,可以看到，x轴每个box都有对应的名称，这是因为cufflinks通过kind参数识别了box图形，
# 自动为它生成的名字。如果我们只生成随机数，它是这样子的，默认生成100行的随机分布的数据，列数由自己选定。
cf.datagen.box(20).iplot(kind='box',legend=False)

print(df.columns)
'''
Index(['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin',
       'BMI', 'DiabetesPedigreeFunction', 'Age', 'Outcome'],
      dtype='object')
'''
df.iplot(kind='box',legend=False)

2.3 scatter散点图

# scatter散点图
df.iplot(kind='scatter',
         mode='markers',
         colors=[
             'orange', 'teal', 'blue', 'yellow', 'black', 'red', 'green',
             'magenta', 'cyan'
         ],
         size=5)

2.4 lines 线图

# 随机数绘图,'DataFrame' object has no attribute 'lines'
cf.datagen.lines(1,500).ta_plot(study='sma',periods=[13,21,55])
'''
1）cufflinks使用datagen生成随机数；

2）figure定义为lines形式，数据为(1,500)；

3）然后再用ta_plot绘制这一组时间序列，参数设置SMA展现三个不同周期的时序分析。

2.5 bubble气泡图

# bubble气泡图
d = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
d.iplot(kind='bubble',x='a',y='b',size='a')

# bubble气泡图
# pPma bubble气泡图
d = df.iloc[0:100,:]
#size决定了圈的大小
d.iplot(kind='bubble',x='Glucose',y='DiabetesPedigreeFunction',size='DiabetesPedigreeFunction')

2.6 3d 图

#随机数生成3d 图
cf.datagen.scatter3d(5,4).iplot(kind='scatter3d',x='x',y='y',z='z',text='text',categories='categories')

2.7 scatter matrix 散点矩阵图

#随机scatter matrix 散点矩阵图
df2 = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])	
df2.scatter_matrix()

#Pima scatter matrix 散点矩阵图

df.iloc[0:200,0:5].scatter_matrix()

2.8 subplots 子图

#随机subplots 子图
df3=cf.datagen.lines(4)	
df3.iplot(subplots=True,shape=(4,1),shared_xaxes=True,vertical_spacing=.02,fill=True)

#Pima subplots 子图
df.iloc[0:200,0:5].iplot(subplots=True,shape=(5,1),shared_xaxes=True,vertical_spacing=.02,fill=True)

df.iloc[0:200,0:6].iplot(subplots=True,subplot_titles=True,legend=False)

2.9 shapes 形状图

# 随机shapes 形状图
df5=cf.datagen.lines(3,columns=['a','b','c'])	
df5.iplot(hline=[dict(y=-1,color='blue',width=3),dict(y=1,color='pink',dash='dash')])
# 将某个区域标记出来，可以使用hspan类型。竖条的区域，可以用vspan类型。
df5.iplot(hspan=[(-1,1),(2,5)])

# Pima shapes 形状图
df.iloc[0:200,0:6].iplot(hline=[dict(y=-1,color='blue',width=3),dict(y=1,color='pink',dash='dash')])
# 将某个区域标记出来，可以使用hspan类型。竖条的区域，可以用vspan类型。
df.iloc[0:200,0:6].iplot(hspan=[(100,120),(220,250)])

三、总结

help(df.iplot)

有趣的事，Python永远不会缺席

欢迎关注小婷儿的博客

    文章内容来源于小婷儿的学习笔记，部分整理自网络，若有侵权或不当之处还请谅解

    如需转发，请注明出处：小婷儿的博客python    https://www.cnblogs.com/xxtalhr/

博客园 https://www.cnblogs.com/xxtalhr/

CSDN https://blog.csdn.net/u010986753

有问题请在博客下留言或加作者：
     微信：tinghai87605025 联系我加微信群
     QQ ：87605025
     python QQ交流群：py_data 483766429