Python利用D3Blocks绘制可动态交互的图表

更新时间：2023年02月03日 16:07:35 作者：欣一2002

今天小编给大家来介绍一款十分好用的可视化模块，D3Blocks，不仅可以用来绘制可动态交互的图表，并且导出的图表可以是HTML格式，方便在浏览器上面呈现，感兴趣的可以了解一下

热力图

热力图是一种通过对色块着色来显示数据的统计图表。绘图时需要指定颜色映射的规则。例如较大的值由较深的颜色表示，而较小的值由较浅的颜色表示等等。热力图适用于查看总体的情况，发现异常值、显示多个变量之间的差异，以及检测它们之间是否存在任何相关性。

我们这里来尝试绘制一张简单的热力图，代码如下

from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 导入数据集
df = d3.import_example('energy')
 
# 绘制热力图
d3.heatmap(df, showfig=True, stroke='red', vmax=10, figsize=(700,700))

output

粒子图

在D3Blocks模块当的particles()方法可以方便我们将任何字体转换成带有动态效果的粒子图，跟随着鼠标的移动，图表中的元素也会动态的起伏飞舞，代码如下

# 导入模块
from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 绘制粒子图
d3.particles('D3Blocks', collision=0.05, spacing=10, figsize=[1200, 500])

output

时间序列图

时间序列的折线图，又被称为是趋势图，是以时间为横轴，观察变量为纵轴，用来反映时间与数量之间的关系，这里我们调用的是timeseries()方法，代码如下

# 导入模块
from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 导入数据集
df = d3.import_example('climate')
 
# 打印出前面5行
print(df.head())
 
# 绘制图表
d3.timeseries(df, datetime='date', dt_format='%Y-%m-%d %H:%M:%S', fontsize=10)

output

桑基图

桑基图是用于描述一组值到另一组值的流向的图表。在图表的内部，不同的线条代表了不同的流量分流情况，线条的宽度代表此分值所代表的数据大小。通常用于能源、材料成分、金融等数据的可视化分析。这里我们调用的是sankey()方法来实现，代码如下

from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 导入数据集
df = d3.import_example('energy')
 
# 绘制图表
d3.sankey(df, link={"color": "source-target"})

output

小提琴图

小提琴图可以用来绘制数据的分布以及其概率密度，针对的是数值型的变量，这种图表结合了箱型图和密度图的特征，主要用来显示数据的分布形状。这里我们调用violin()方法来实现，代码如下

# 导入模块
from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 导入数据集
df = d3.import_example('cancer')
 
# 显示的格式
tooltip = df['labels'].values + ' <br /> Survival: ' + df['survival_months'].astype(str).values
 
# 可视化图表
d3.violin(x=df['labels'].values, # X轴上的值
          y=df['age'].values,    # 年龄
          tooltip=tooltip,       # 显示的格式
          bins=50,               # bins的大小
          size=df['survival_months'].values/10, # 点状的大小
          x_order=['acc', 'kich', 'brca', 'lgg', 'blca', 'coad', 'ov'], # X轴的上的值
          figsize=[None, None],                                    # 图表的大小
          filepath='violine_demo.html')

output

散点图

散点图通常用于查看X轴与Y轴之间是否有关联，它的绘制，我们这里调用的是scatter()方法，代码如下

# 导入模块
from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 导入数据集
df = d3.import_example('cancer')
 
# 显示数据的格式
tooltip=df['labels'].values + ' <br /> Survival: ' + df['survival_months'].astype(str).str[0:4].values
# 散点的大小
size = df['survival_months'].fillna(1).values / 10
 
# 绘制图表
d3.scatter(df['x'].values,               
           df['y'].values,            
           x1=df['PC1'].values,         
           y1=df['PC2'].values,         
           scale=True,                  
           label_radio=['tSNE', 'PCA'], # 不同标签的种类
           size=size,                   
           color=df['labels'].values,   
           stroke='#000000',            
           opacity=0.4,                 # 透明度
           tooltip=tooltip,             # 显示的格式
           cmap='tab20',                # 颜色
           filepath='c://temp//scatter_demo.html')

output

弦图

弦图是一种显示数据矩阵中内部数据之间相互关系的图形可视化方法。在弦图内，数据围绕一个圆呈放射状排列，数据点之间的关系通常绘制为连接数据的圆弧。这里我们调用chord()方法来实现，代码如下

from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 导入数据集
df = d3.import_example('energy')
 
# 绘制图表
d3.chord(df, filepath='chord_demo.html')

output

网络图

除了上面这几种图表之外，D3Blocks模块还可以来绘制社交网络图，这里用到的是d3graph()方法，代码如下

from d3blocks import D3Blocks
 
# 初始化
d3 = D3Blocks()
 
# 导入数据集
df = d3.import_example('energy')
 
# 打印出前5行数据
print(df)
 
# 初始化网络图
d3.d3graph(df, showfig=False)
 
# 每个节点打上颜色
d3.D3graph.set_node_properties(color='cluster')
 
# 调整每个节点的位置
d3.D3graph.node_properties['Thermal_generation']['size']=20
d3.D3graph.node_properties['Thermal_generation']['edge_color']='#000fff' # 蓝色的节点
d3.D3graph.node_properties['Thermal_generation']['edge_size']=3 # Node-edge Size
 
# 调整每个连线的位置
d3.D3graph.edge_properties['Solar', 'Solar_Thermal']['color']='#000fff'
d3.D3graph.edge_properties['Solar', 'Solar_Thermal']['weight_scaled']=10
 
# 绘制图表
d3.D3graph.show()

output

以上就是Python利用D3Blocks绘制可动态交互的图表的详细内容，更多关于Python D3Blocks图表的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

python发送byte数据组到tcp的server问题
这篇文章主要介绍了python发送byte数据组到tcp的server问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2023-09-09
python将红底证件照转成蓝底的实现方法
这篇文章主要介绍了python将红底证件照转成蓝底,本文给大家分享四种方法通过示例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2022-08-08
Python中is和==的区别详解
这篇文章主要介绍了Python中is和==的区别详解，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2018-11-11
next在python中返回迭代器的实例方法
在本篇文章里小编给大家整理的是一篇关于next在python中返回迭代器的实例方法，有兴趣的朋友们可以尝试下。
2020-12-12
TensorFLow用Saver保存和恢复变量
这篇文章主要为大家详细介绍了TensorFLow用Saver保存和恢复变量，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-03-03
Python实现创建模块的方法详解
导入一个模块，我们一般都会使用 import 关键字，但有些场景下 import 难以满足我们的需要。所以除了 import 之外还有很多其它导入模块的方式，下面就来介绍一下
2022-07-07
python BeautifulSoup库的常用操作
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库,它能够通过你喜欢的转换器实现惯用的文档导航,查询,修改文档的方式,本文就来给大家简单介绍一下BeautifulSoup库的常用操作,需要的朋友可以参考下
2023-08-08
Python获取当前目录下所有文件的6种方法总结
这篇文章主要给大家介绍了关于Python获取当前目录下所有文件的6种方法,要获取当前目录下的所有目录,可以使用Python内置的os模块中的listdir()函数和isdir()函数,需要的朋友可以参考下
2023-08-08
python编写微信远程控制电脑的程序
这篇文章主要介绍了python编写微信远程控制电脑的程序，使用python编写的基于邮件收发的远程控制电脑的代码，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2018-01-01
numpy如何删除矩阵中的部分数据numpy.delete
这篇文章主要介绍了numpy如何删除矩阵中的部分数据numpy.delete问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2024-02-02