作者：俊欣

來(lái)源：關(guān)于數(shù)據(jù)分析與可視化

相信大家一定會(huì)seaborn或者matplotlib這幾個(gè)模塊感到并不陌生，通常大家會(huì)用這幾個(gè)模塊來(lái)進(jìn)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(lái)給大家介紹個(gè)組件。

ipywidgets

首先我們通過(guò)pip命令來(lái)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(huì)產(chǎn)生相應(yīng)的不同結(jié)果，我們來(lái)看一個(gè)簡(jiǎn)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(dāng)我們拖動(dòng)當(dāng)中的圓點(diǎn)的時(shí)候，輸出的結(jié)果也隨之變化。當(dāng)然我們也可以將其當(dāng)做是裝飾器來(lái)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(dāng)然我們可以自行設(shè)定橫軸當(dāng)中的最大值與最小值，以及每拖動(dòng)一次x值的變化(和Python當(dāng)中的range函數(shù)類似)，

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

output

而當(dāng)輸入框中的參數(shù)不止一個(gè)參數(shù)的時(shí)候，可以有不止一個(gè)的滑動(dòng)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(dāng)參數(shù)類型是字符串時(shí)，則是需要通過(guò)輸入框的形式來(lái)進(jìn)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(dāng)我們輸入的X參數(shù)是一個(gè)列表里面有著若干個(gè)字符串的時(shí)候，則會(huì)在輸入框中出現(xiàn)個(gè)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(lái)看看該模塊和seaborn之間的結(jié)合，我們先用Pandas模塊來(lái)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(jiǎn)單地來(lái)畫(huà)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(gè)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(lái)進(jìn)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(dāng)然一個(gè)下拉框可能有人會(huì)覺(jué)得有點(diǎn)少，我們可以再來(lái)擴(kuò)展一下

## 兩個(gè)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(biāo)記會(huì)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(lái) display(ui, out)

output

當(dāng)然有可能會(huì)覺(jué)得都是輸入框的話會(huì)有點(diǎn)無(wú)聊，那我們?cè)谳斎肟虻耐瑫r(shí)加入一個(gè)滑動(dòng)條，對(duì)應(yīng)的是輸入的參數(shù)是整型或者是浮點(diǎn)數(shù)時(shí)

## 兩個(gè)輸入框還有一個(gè)滑動(dòng)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(lái) display(ui, out)

output