這篇文章主要介紹“如何在Python中使用Pygal進(jìn)行交互可視化”，在日常操作中，相信很多人在如何在Python中使用Pygal進(jìn)行交互可視化問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”如何在Python中使用Pygal進(jìn)行交互可視化”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

創(chuàng)新互聯(lián)建站專業(yè)為企業(yè)提供濟(jì)水街道網(wǎng)站建設(shè)、濟(jì)水街道做網(wǎng)站、濟(jì)水街道網(wǎng)站設(shè)計(jì)、濟(jì)水街道網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁(yè)設(shè)計(jì)與制作、濟(jì)水街道企業(yè)網(wǎng)站模板建站服務(wù)，10多年濟(jì)水街道做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。

1前言

我們需要處理、分析和探索的大量數(shù)據(jù);隨著技術(shù)的進(jìn)步，這個(gè)數(shù)字只會(huì)越來(lái)越大?，F(xiàn)在，想象一下必須盯著電子表格中的數(shù)千行數(shù)據(jù)，試圖找到隱藏的模式并追蹤數(shù)字的變化。這就是數(shù)據(jù)可視化的切入點(diǎn)。擁有可視化的信息摘要比瀏覽電子表格更容易識(shí)別模式和趨勢(shì)。由于數(shù)據(jù)分析的目的是獲得見(jiàn)解和發(fā)現(xiàn)模式，將數(shù)據(jù)可視化將使其更有價(jià)值，更容易探索。不同類型的圖表和圖表使交流數(shù)據(jù)發(fā)現(xiàn)更快和更有效。

可視化數(shù)據(jù)的重要性不僅僅是簡(jiǎn)化數(shù)據(jù)的解釋。可視化數(shù)據(jù)有很多好處，比如:

• 顯示數(shù)據(jù)隨時(shí)間的變化。

• 確定相關(guān)事件發(fā)生的頻率。

• 指出不同事件之間的相關(guān)性。

• 分析不同機(jī)會(huì)的價(jià)值和風(fēng)險(xiǎn)。

在本文中，我們將介紹一個(gè)Python庫(kù)，它可以幫助我們創(chuàng)建引人注目的、令人驚嘆的、交互式的可視化。它就是Pygal

2Pygal介紹

當(dāng)使用Python可視化數(shù)據(jù)時(shí)，大多數(shù)數(shù)據(jù)科學(xué)家使用臭名昭著的Matplotlib、Seaborn或Bokeh。然而，一個(gè)經(jīng)常被忽視的庫(kù)是Pygal。Pygal允許用戶創(chuàng)建漂亮的交互式圖，這些圖可以以最佳的分辨率轉(zhuǎn)換成svg，以便使用Flask或Django打印或顯示在網(wǎng)頁(yè)上。

熟悉Pygal

Pygal提供了各種各樣的圖表，我們可以使用它們來(lái)可視化數(shù)據(jù)，確切地說(shuō)，Pygal中有14種圖表類別，比如柱狀圖、柱狀圖、餅狀圖、樹(shù)形圖、測(cè)量圖等等。

要使用Pygal，我們得先安裝它。

$ pip install pygal

我們來(lái)畫(huà)第一張圖。我們將從最簡(jiǎn)單的字符開(kāi)始，一個(gè)條形圖。要使用Pygal繪制條形圖，我們需要?jiǎng)?chuàng)建一個(gè)圖表對(duì)象，然后向其添加一些值。

bar_chart = pygal.Bar()

我們將繪制0到5的階乘。在這里，我定義了一個(gè)簡(jiǎn)單的函數(shù)來(lái)計(jì)算一個(gè)數(shù)字的階乘，然后使用它生成一個(gè)數(shù)字從0到5的階乘列表。

def factorial(n):     if n == 1 or n == 0:         return 1     else:         return n * factorial(n-1) fact_list = [factorial(i) for i in range(11)]

現(xiàn)在，我們可以使用它來(lái)創(chuàng)建我們的繪圖

bar_chart = pygal.Bar(height=400) bar_chart.add('Factorial', fact_list) display(HTML(base_html.format(rendered_chart=bar_chart.render(is_unicode=True))))

這將生成一個(gè)漂亮的交互圖

如果我們想要繪制不同類型的圖表，我們將遵循相同的步驟。您可能已經(jīng)注意到，用于將數(shù)據(jù)鏈接到圖表的主要方法是add方法。

現(xiàn)在，讓我們開(kāi)始基于實(shí)際數(shù)據(jù)構(gòu)建一些東西。

應(yīng)用

接下來(lái)，我將使用美國(guó)COVID-19病例數(shù)據(jù)集來(lái)解釋Pygal的不同方面。

首先，為了確保一切順利進(jìn)行，我們需要確保兩件事:

• Pandas和Pygal都裝上了。

• 在jupiter Notebook中，我們需要啟用IPython顯示和HTML選項(xiàng)。

from IPython.display import display, HTML base_html = """                      
       {rendered_chart}     
     """

現(xiàn)在我們已經(jīng)設(shè)置好了，我們可以開(kāi)始使用Pandas來(lái)探索我們的數(shù)據(jù)，然后使用不同類型的圖表來(lái)操作和準(zhǔn)備它。

import pygal import pandas as pd data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")

該數(shù)據(jù)集包含基于日期、縣和州的COVID-19病例和死亡信息。我們可以通過(guò)data.column看出這一點(diǎn)。列，以了解數(shù)據(jù)的形狀。執(zhí)行該命令將返回:

Index(['date', 'county', 'state', 'fips', 'cases', 'deaths'], dtype='object')

我們可以獲得一個(gè)10行的樣本來(lái)查看我們的數(shù)據(jù)幀是什么樣子的。

data.sample(10)

條形圖

讓我們首先繪制一個(gè)柱狀圖，顯示每個(gè)狀態(tài)的案例數(shù)的平均值。為此，我們需要執(zhí)行以下步驟:

將數(shù)據(jù)按狀態(tài)分組，提取每個(gè)狀態(tài)的案例號(hào)，然后計(jì)算每個(gè)狀態(tài)的平均值。

mean_per_state = data.groupby('state')['cases'].mean()

開(kāi)始構(gòu)建數(shù)據(jù)并將其添加到條形圖中。

barChart = pygal.Bar(height=400) [barChart.add(x[0], x[1]) for x in mean_per_state.items()] display(HTML(base_html.format(rendered_chart=barChart.render(is_unicode=True))))

瞧，我們有一個(gè)條形圖。我們可以通過(guò)從圖例列表中取消選擇來(lái)刪除數(shù)據(jù)，也可以通過(guò)重新選擇來(lái)重新添加數(shù)據(jù)。

柱狀圖的完整代碼

#Import needed libraries import pygal import pandas as pd #Parse the dataframe data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  #Get the mean number of cases per states mean_per_state = data.groupby('state')['cases'].mean() #Draw the bar chart barChart = pygal.Bar(height=400) [barChart.add(x[0], x[1]) for x in mean_per_state.items()] display(HTML(base_html.format(rendered_chart=barChart.render(is_unicode=True))))

Treemap

條形圖有助于顯示整體數(shù)據(jù)，但如果我們想要更具體，我們可以選擇不同類型的char，即treemap。樹(shù)圖對(duì)于顯示數(shù)據(jù)中的類別非常有用。例如，在我們的數(shù)據(jù)集中，我們有基于每個(gè)州每個(gè)縣的病例數(shù)量。柱狀圖顯示了每個(gè)州的均值，但我們看不到每個(gè)州每個(gè)縣的病例分布。一種方法是使用樹(shù)圖。

假設(shè)我們想要查看案例數(shù)量最多的10個(gè)州的詳細(xì)案例分布情況。然后，在繪制數(shù)據(jù)之前，我們需要先對(duì)數(shù)據(jù)進(jìn)行操作。

我們需要根據(jù)案例對(duì)數(shù)據(jù)進(jìn)行排序，然后按州進(jìn)行分組。

sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list)

使用排序列表來(lái)獲得案例數(shù)量最多的前10個(gè)州。

top_10_states = sort_by_cases[:10]

使用這個(gè)子列表來(lái)創(chuàng)建我們的樹(shù)圖。

treemap = pygal.Treemap(height=400) [treemap.add(x[0], x[1][:10]) for x in top_10_states.items()] display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))

然而，這個(gè)樹(shù)圖沒(méi)有被標(biāo)記，所以當(dāng)我們懸停在方塊上時(shí)，我們無(wú)法看到縣名。我們將在該州的所有縣街區(qū)上看到該州的名稱。為了避免這種情況并將縣名添加到我們的treemap中，我們需要標(biāo)記向圖表提供的數(shù)據(jù)。

#Import needed libraries import pygal import pandas as pd #Parse the dataframe data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  #Sort states by cases count sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list) #Get the top 10 states with the highest number of cases top_10_states = sort_by_cases[:10] #Draw the treemap treemap = pygal.Treemap(height=400) [treemap.add(x[0], x[1][:10]) for x in top_10_states.items()] display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))

在此之前，我們的數(shù)據(jù)每天都會(huì)更新。因此，每個(gè)縣將進(jìn)行幾次重復(fù)。因?yàn)槲覀冴P(guān)心每個(gè)縣的病例總數(shù)，所以在將數(shù)據(jù)添加到樹(shù)圖之前，我們需要清理數(shù)據(jù)。

#Get the cases by county for all states cases_by_county = data.sort_values(by=['cases'],ascending=False).groupby(['state'], axis=0).apply(     lambda x : [{"value" : l, "label" : c } for l, c in zip(x['cases'], x['county'])]) cases_by_county= cases_by_county[:10] #Create a new dictionary that contains the cleaned up version of the data clean_dict = {} start_dict= cases_by_county.to_dict() for key in start_dict.keys():     values = []     labels = []     county = []     for item in start_dict[key]:         if item['label'] not in labels:             labels.append(item['label'])             values.append(item['value'])         else:             i = labels.index(item['label'])             values[i] += item['value']          for l,v in zip(labels, values):         county.append({'value':v, 'label':l})     clean_dict[key] = county #Convert the data to Pandas series to add it to the treemap new_series = pd.Series(clean_dict)

然后，我們可以將該系列添加到treemap，并繪制它的標(biāo)記版本。

treemap = pygal.Treemap(height=200) [treemap.add(x[0], x[1][:10]) for x in new_series.iteritems()] display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))

太棒了!現(xiàn)在我們的樹(shù)形圖被標(biāo)記了。如果將鼠標(biāo)懸停在這些塊上，就可以看到縣的名稱、州和該縣的病例數(shù)。

完整的代碼

#Import needed libraries import pygal import pandas as pd #Parse the dataframe data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  #Get the cases by county for all states cases_by_county = data.sort_values(by=['cases'],ascending=False).groupby(['state'], axis=0).apply(     lambda x : [{"value" : l, "label" : c } for l, c in zip(x['cases'], x['county'])]) cases_by_county= cases_by_county[:10] #Create a new dictionary that contains the cleaned up version of the data clean_dict = {} start_dict= cases_by_county.to_dict() for key in start_dict.keys():     values = []     labels = []     county = []     for item in start_dict[key]:         if item['label'] not in labels:             labels.append(item['label'])             values.append(item['value'])         else:             i = labels.index(item['label'])             values[i] += item['value']          for l,v in zip(labels, values):         county.append({'value':v, 'label':l})     clean_dict[key] = county #Convert the data to Pandas series to add it to the treemap new_series = pd.Series(clean_dict) #Draw the treemap treemap = pygal.Treemap(height=200) [treemap.add(x[0], x[1][:10]) for x in new_series.iteritems()] display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))

餅狀圖

我們可以用另一種形式來(lái)展示這一信息，那就是用餅狀圖來(lái)展示案例數(shù)量最多的10個(gè)州。使用餅狀圖，我們可以看到一個(gè)州的案例數(shù)相對(duì)于其他州的百分比。

由于我們已經(jīng)完成了所有的數(shù)據(jù)幀操作，我們可以使用它來(lái)立即創(chuàng)建餅圖。

first10 = list(sort_by_cases.items())[:10] [pi_chart.add(x[0], x[1]) for x in first10] display(HTML(base_html.format(rendered_chart=pi_chart.render(is_unicode=True))))

餅狀圖的完整代碼

#Import needed libraries import pygal import pandas as pd #Parse the dataframe data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  #Get the mean number of cases per states sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list) #Draw the bar chart pi_chart = pygal.Pie(height=400) #Get the top 10 states first10 = list(sort_by_cases.items())[:10] [pi_chart.add(x[0], x[1]) for x in first10] display(HTML(base_html.format(rendered_chart=pi_chart.render(is_unicode=True))))

到此，關(guān)于“如何在Python中使用Pygal進(jìn)行交互可視化”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！