作者：俊欣

來源：關(guān)于數(shù)據(jù)分析與可視化

相信大家一定會seaborn或者matplotlib這幾個模塊感到并不陌生，通常大家會用這幾個模塊來進行可視化圖表的制作，為了讓我們繪制的圖表更具交互性，今天小編來給大家介紹個組件。

ipywidgets

首先我們通過pip命令來下載該模塊

pip install ipywidgets

該模塊中的interact函數(shù)可以和我們自定義的函數(shù)相結(jié)合，隨著我們輸入的不斷變化，輸出也會產(chǎn)生相應(yīng)的不同結(jié)果，我們來看一個簡單的案例

from ipywidgets import interact def f(x): print(f"The square value is: {x**2}")
    
interact(f, x=10)

output

當我們拖動當中的圓點的時候，輸出的結(jié)果也隨之變化。當然我們也可以將其當做是裝飾器來使用，代碼如下

@interact(x=10) def f(x): print(f"The square value is: {x**2}")

output

上面的自定義函數(shù)中，當然我們可以自行設(shè)定橫軸當中的最大值與最小值，以及每拖動一次x值的變化(和Python當中的range函數(shù)類似)，

interact(f, x=widgets.IntSlider(min=-10, max=30, step=1, value=10))

output

而當輸入框中的參數(shù)不止一個參數(shù)的時候，可以有不止一個的滑動條，代碼如下

import ipywidgets as widgets
one = widgets.IntSlider(min = 0, max = 10)
two = widgets.IntSlider(min = 0, max = 100)
three = widgets.IntSlider(min = 0, max = 1000)

ui = widgets.HBox([one, two, three])
def func(x, y, z): print(f"The first value is: {x + 2}") print(f"The second value is: {y * 2}") print(f"The third value is: {z ** 2}")
    
out = widgets.interactive_output(func, {"x": one, "y": two, "z": three})
display(ui, out)

output

當參數(shù)類型是字符串時，則是需要通過輸入框的形式來進行交互，代碼如下

def f_2(x): print(f"The value is: {x}")

interact(f_2, x="Hello World")

output

而當我們輸入的X參數(shù)是一個列表里面有著若干個字符串的時候，則會在輸入框中出現(xiàn)個下拉框，如下所示

interact(f_2, x=["Hello World", "你好"])

output

和seaborn之間的結(jié)合

然后我們來看看該模塊和seaborn之間的結(jié)合，我們先用Pandas模塊來讀取數(shù)據(jù)集，代碼如下

import pandas as pd
df = pd.read_csv("data.csv")
df.head()

output

我們簡單地來畫一張直方圖，代碼如下

import seaborn as sns import matplotlib.pyplot as plt
%matplotlib inline g = sns.countplot(data = df, x="Gender", hue="Attrition")

output

我們可以將繪制圖表的這一行代碼封裝成一個函數(shù)，將代碼中的“x”甚至是“hue”作為是輸入的參數(shù)，代碼如下

## 篩選出離散型變量的特征 categorical_columns = [column for column in df.columns if df[column].dtype == "object"] ## 做成下拉框的形式來進行交互 dd = widgets.Dropdown(options=categorical_columns, value=categorical_columns[0], description="Select a column") @interact(column=dd) def draw_countplot(column): g = sns.countplot(data = df, x=column, hue="Attrition")

output

我們可以在下拉框中選擇不同的離散型變量的特征從而繪制出不同的圖表，當然一個下拉框可能有人會覺得有點少，我們可以再來擴展一下

## 兩個下拉框 dd1 = widgets.Dropdown(options=categorical_columns, value=categorical_columns[0], description="Column")
dd2 = widgets.Dropdown(options=categorical_columns, value=categorical_columns[0], description="Hue")

ui = widgets.HBox([dd1, dd2]) ## 繪制圖表的函數(shù) def draw_countplot(column, hue):
    g = sns.countplot(data = df, x=column, hue=hue) ## X軸方向的標記會旋轉(zhuǎn)60度 if len(df[column].unique()) > 3:
        g.tick_params(axis="x", rotation=60) out = widgets.interactive_output(draw_countplot, {'column':dd1, "hue": dd2}) ## 最終將圖表呈現(xiàn)出來 display(ui, out)

output

當然有可能會覺得都是輸入框的話會有點無聊，那我們在輸入框的同時加入一個滑動條，對應(yīng)的是輸入的參數(shù)是整型或者是浮點數(shù)時

## 兩個輸入框還有一個滑動條 dd1 = widgets.Dropdown(options=numeric_columns, description="Column1")
dd2 = widgets.Dropdown(options=numeric_columns, description="Column2")
slider = widgets.IntSlider(min=df['Age'].min(), max=df["Age"].max(), description="Max Age")

ui = widgets.HBox([dd1, dd2, slider]) ## 繪制圖表的函數(shù) def draw_relplot(column1, column2, age):
    p = sns.relplot(data=df[df['Age']<=age], x=column1, y=column2) out = widgets.interactive_output(draw_countplot, {"column1": dd1, "column2": dd2, "age": slider}) ## 將最終的圖表給呈現(xiàn)出來 display(ui, out)

output