bqplot Pyplot API 简明教程：快速构建交互式数据可视化-CSDN博客

本文链接：https://blog.csdn.net/gitblog_01091/article/details/148575385

bqplot Pyplot API 简明教程：快速构建交互式数据可视化

bqplot Plotting library for IPython/Jupyter notebooks 项目地址: https://gitcode.com/gh_mirrors/bq/bqplot

什么是bqplot Pyplot API

bqplot的Pyplot API是一个基于上下文的功能性接口，它提供了合理的默认设置，让用户可以快速创建各种数据可视化图表。这个API设计简洁明了，与matplotlib的pyplot接口非常相似，对于刚接触bqplot的用户来说，pyplot是最佳的学习起点。

Pyplot API的核心优势

简洁直观：相比底层对象模型，API调用更加简洁
智能默认值：自动设置合理的默认参数，减少配置工作
上下文管理：自动维护绘图上下文，简化多图表创建流程
快速原型设计：适合快速验证数据可视化效果

使用Pyplot构建图表的基本步骤

1. 创建基础图形对象

使用plt.figure()函数创建图形容器，这是所有可视化的起点：

fig = plt.figure(title="我的第一个图表")

2. (可选)自定义比例尺和坐标轴

通过plt.scales()函数调整比例尺，或通过axes_options参数定制坐标轴：

axes_opts = {
    "x": {"label": "X轴", "grid_lines": "none"},
    "y": {"label": "Y轴", "tick_format": ".0%"}
}

3. 添加可视化标记

使用各种绘图函数如plot(), bar(), scatter()等创建数据标记：

line = plt.plot(x=x_data, y=y_data, axes_options=axes_opts)

4. 渲染显示图表

有两种方式展示图表：

plt.show()  # 显示带工具栏的图表
# 或
fig  # 直接显示图形对象(不带工具栏)

常用辅助函数一览

Pyplot提供了一系列便捷的辅助函数来增强图表：

坐标轴范围：plt.xlim(), plt.ylim()
网格控制：plt.grids()
轴标签：plt.xlabel(), plt.ylabel()
参考线：plt.hline(), plt.vline()

实战示例

示例1：基本折线图

import numpy as np
import bqplot.pyplot as plt

# 生成数据
x = np.linspace(-10, 10, 100)
y = np.sin(x)

# 创建图表
fig = plt.figure(title="正弦函数曲线")
plt.plot(x=x, y=y, colors=["blue"], stroke_width=2)
plt.xlabel("X轴")
plt.ylabel("Y轴")
plt.show()

示例2：柱状图

# 分类数据
categories = list("ABCDE")
values = np.random.rand(5)

fig = plt.figure(title="随机柱状图")
plt.bar(x=categories, y=values, padding=0.3, colors=["orange"])
plt.ylabel("数值比例")
fig

示例3：组合图表（折线+散点）

x = np.linspace(0, 10, 20)
y_line = 2 * x + 1
y_scatter = y_line + np.random.randn(20) * 2

fig = plt.figure(title="线性回归示例")
plt.plot(x=x, y=y_line, colors=["green"], stroke_width=3)
plt.scatter(x=x, y=y_scatter, colors=["red"], stroke="black")
plt.xlabel("自变量")
plt.ylabel("因变量")
fig