【Python】太炫酷了，这里有一个用于制作数据面板大屏的Python模块

在Python当中用于绘制图表的模块，相信大家用的最多的便是matplotlib和seabron，除此之外还有一些用于动态交互的例如Plotly模块和Pyecharts模块，今天小编再为大家来推荐两个用于制作可视化大屏的库，分别叫做hvPlot以及Panel，在本篇教程当中，小编依次会为大家分享

• 用pandas以及hvPlot结合生成具有交互性的图表

• 用Panel模块生成小的组件，配合图表进行使用

• 制作一个数据可视化大屏来更好地呈现数据

pandas+hvPlot绘制图表

我们首先导入一些要用到的模块以及用pandas来读取数据集，代码如下

# To handle data
import numpy as np
import pandas as pd

# To make visualizations
import hvplot.pandas
import panel as pn; pn.extension()
from panel.template import DarkTheme

用pandas绘制出来的图表默认都是以matplotlib模块为后端，因为不具备交互性，如下图所示

sales = pd.read_csv('games_sales.csv')
sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales');

output

代码中的kind参数对应的是图表的类型，X参数代表的是X轴上面的所要要用到的数据，同理，我们还指定了标题、图表的颜色等等参数，那么要是我们希望pandas在绘制图表的时候是以hvPlot为后端，需要添加如下的代码

pd.options.plotting.backend = 'holoviews'

我们同样来绘制如上所示的图表，代码如下

sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales')

output

通过最右侧的工具栏，我们可以将绘制出来的图表保存、放大/缩小、移动等一系列操作。我们也可以同时将若干种图表结合在一起，绘制在同一张图上面

salesplot = sales.plot(kind='line', x='Year', y='Units sold(in millions)',
                       color='orange', grid=True, title='Pokémon Game Sales',
                       hover=False) * \
                sales.plot(kind='scatter', x='Year', y='Units sold(in millions)',
                           color='#c70000', hover_cols='Game')
salesplot

output

我们分别绘制了两张图表，散点图以及折线图，通过*将两者有效地结合到了一块儿。

制作一个小组件

在上一期小编写过的教程

【干货原创】介绍一个Python模块，Seaborn绘制的图表也能实现动态交互

里面提到用ipywidgets模块来制作并且生成组件配合着可视化图表来使用，这次我们用Panel模块也来生成一个类似的组件，代码如下

pok_types = list(df.type_1.unique())
pok_type = pn.widgets.Select(name='Type', options=pok_types)
pok_type

output

我们结合该组件来绘制图表，代码如下

viz0 = data_pipeline[['pokedex_number', 'name',
                      'total_points']].hvplot(kind='table',title='Pokémons',
                                              width=400, height=400)
viz0

output

我们可以通过当中的参数kind来调整要绘制的图表的类型，width以及height参数来调整图表的大小，title参数来调整图表的标题，我们来绘制一张散点图，代码如下

viz1 = data_pipeline.hvplot(x='weight_kg', y='height_m', 
                     by='type_2', kind='scatter', 
                     hover_cols=['name', 'type_1', 'type_2'],
                     width=600, height=400,grid=True,
                     title='Relationship between Weight (kg) and Height (m), by Type'
                    )
viz1

output

另外我们也可以同样来绘制一张柱状图，代码如下

data_damage = data_pipeline.iloc[:, -18:].mean().rename('Damage')
viz2 = data_damage.hvplot(kind='bar',c='Damage', 
               title='正在思考要取什么标题会比较好......', 
               rot=30, shared_axes=False,
               colorbar=True, colormap='RdYlGn_r', 
               )
viz2

output

制作一个数据面板大屏

接下来我们将上面绘制的所有图表，都放置在一张数据大屏当中显示，代码如下

template = pn.template.FastListTemplate(theme=DarkTheme,
    title = '数据面板',
    sidebar=[
        pn.pane.Markdown('# 关于这个项目'),
        pn.pane.Markdown('#### 这个项目的数据来源是[Kaggle](https://www.kaggle.com/datasets/mariotormo/complete-pokemon-dataset-updated-090420) and on [Wikipedia](https://en.wikipedia.org/wiki/Pok%C3%A9mon_(video_game_series)#Reception) about Pokémons to explore different types of visualizations using HoloViz tools: [Panel](https://panel.holoviz.org/) [hvPlot](https://hvplot.holoviz.org/)'),
        pn.pane.JPG('图片的路径.jpg', sizing_mode='scale_both'),
        pn.pane.Markdown('[图片的来源](https://unsplash.com/photos/dip9IIwUK6w)'),
        pn.pane.Markdown('## Filter by Type'),
        pok_type
    ],
    main=[pn.Row(
                  pn.Column(viz0.panel(width=600, height=400, margin=(0,20))), 
                  pn.Column(pn.Row(viz1.panel(width=700, height=250, margin=(0,20))),
                            pn.Column(viz2.panel(width=700, height=250), margin=(0,20))),
                 ),
          pn.Row(salesplot.opts(width=1400, height=200))
    ],
    accent_base_color='#d78929',
    header_background='#d78929',
    sidebar_footer='<br><br><a href=".......">GitHub链接</a>', 
    main_max_width='100%'                                        
)

template.servable();

template.show()

output

Launching server at http://localhost:63968
<bokeh.server.server.Server at 0x1bd811e82b0>

我们按照上述的链接来浏览器中打开，数据大屏面板就可以做好了，如下图所示

往期精彩回顾




适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载中国大学慕课《机器学习》（黄海广主讲）机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419，加入微信群请扫码：