文章目录

一、cufflinks介绍
- 1.1 简介
- 1.2 安装
- 1.3 cufflinks包介绍
- 1.4 使用方法
二、cufflinks使用
- 2.0 条形图 bar
- 2.1 histogram直方图
- 2.2 box箱型图
- 2.3 scatter散点图
- 2.4 lines 线图
- 2.5 bubble气泡图
- 2.6 3d 图
- 2.7 scatter matrix 散点矩阵图
- 2.8 subplots 子图
- 2.9 shapes 形状图
三、总结
有趣的事，Python永远不会缺席

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 cufflinksUsing 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 cfprint(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:barboxbubblebubble3dcandlechoropletdistplotheatmaphistogramohlcpieratioscatterscatter3dscattergeospreadsurfaceviolin
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

Python动态可视化Cufflinks相关推荐

用 Python 动态可视化，看看比特币这几年
作者 | 刘早起来源 | 早起Python 头图 | 下载于视觉中国最近几年,一直站在风口浪尖的比特币被追捧为最佳的投资产品,拥护者们认为这种加密货币是一种类似于黄金的储值工具,可以对冲通胀和美元 ...
用 Python 动态可视化，看看比特币这几年
来源:早起Python本文约3600字,建议阅读8分钟比特币一年翻6倍? 最近几年,一直站在风口浪尖的比特币被追捧为最佳的投资产品,拥护者们认为这种加密货币是一种类似于黄金的储值工具,可以对冲通胀和美 ...
厉害了，用Python绘制动态可视化图表，并保存成gif格式
作者 | 俊欣来源 | 关于数据分析与可视化最近有粉丝问道说"是不是可以将这些动态的可视化图表保存成gif图",小编立马就回复了说后面会写一篇相关的文章来介绍如何进行保存gif ...
python可视化脉搏和血氧数据并通过阈值动态调整、动态可视化异常值
python可视化脉搏和血氧数据并通过阈值动态调整.动态可视化异常值的情况 # 导入基础库和包: import sys import os import pandas as pd import num ...
python数据可视化源码_Python数据分析：基于Plotly的动态可视化绘图随书源码[101MB]...
随着信息技术的发展和硬件设备成本的降低,当今的互联网存在海量的数据,要想快速从这些数据中获取更多有效的信息,数据可视化是重要的一环.对于Python语言来说,比较传统的数据可视化模块是Matplotl ...
python post 远程主机强迫关闭了一个现有的连接_Python最强动态可视化库！
后台回复1024,解锁无限快乐! bar_chart_race 一个库「Bar Chart Race」,堪称Python界最强的动态可视化包. GitHub地址:https://github.com/ ...
python动态心形代码_Python实现酷炫的动态交互式数据可视化，附代码！
(关注公众号AI新视野,发送'资料'二字,免费获取50G人工智能视频教程!) 本文介绍如何创建交互式图表和小组件,使用python做数据可视化.涉及的python库有:Plotly, Bokeh, n ...
python动态图表变化_Python数据可视化 pyecharts实现各种统计图表过程详解
Python数据可视化 pyecharts实现各种统计图表过程详解发布时间:2020-09-10 04:53:26 来源:脚本之家阅读:78 1.pyecharts介绍 Echarts是一款由百度 ...
用 python 做一个动态可视化交互大屏
你可能经常会在公司前台.展会.路演时看到可视化数据的交互大屏.今天我们就来用 python 做一个动态可视化的交互大屏图. 一.项目背景随着科技的飞速发展,数据呈现爆发式的增长,任何人都摆脱不了与数 ...

Python动态可视化Cufflinks