《如何基于Plotly和ipywidgets在Jupyter Notebook中创建交互可视化内容》由会员分享,可在线阅读,更多相关《如何基于Plotly和ipywidgets在Jupyter Notebook中创建交互可视化内容(1页珍藏版)》请在金锄头文库上搜索。
1、如何基于 Plotly 和 ipywidgets 在 Jupyter Notebook 中创立交互可视化内容编者按: Zalando 数据工程师 Alex Martinelli 介绍了如何基于 Plotly 和ipywidgets 在Jupyter Notebook 中创立交互可视化内容。本文介绍了如何在Jupyter Notebook 中创立交互内容。所谓内容,主要指可视化内容。不过我们很快就会看到,这里的可视化内容不仅包括通常的图表,还包括有助于探究数据的交互界面和动画。我将首先简要介绍数据可视化,并更准确地定义本文中交互的范围和含义。接着我将快速 概览所涉及的工具Plotly 和 ipy
2、widgets,顺便供给一些关于 Jupyter 生态系统的通用建议。最终,我将呈现一些具体的例子,这些例子大局部来自我的个人工程,我也将同时介绍这些交互内容对我工程的推动作用。这些例子是为了演示这类工具在 Jupyter 这一强大框架下的力量,期望这能推动你在自己的工程上尝试这些技术,同时广泛传播这些技术。介绍数据可视化是一个优秀数据科学家或任何涉及数据处理的角色的核心技能之一。一方面,它能让你或者团队的其他成员更好地理解数据集的本质;另一方面,它能让你向懂技术、不懂技术的外部受众传递适宜的消息。在网上搜寻“数据可视化”时,D3.js 是推举最多的库之一。但有人断言,你越是需要共性化的定制方
3、法,就越有必要深化学习这一工具。相反,假设你的目标是快速、“标准” 可视化,那么使用你选择的编程语言供给的那些包或许更适宜。对Python 生态系统而言,一开头免不了要和 Matplotlib 根底构件打交道,接着可能扩大到高层替代库例如,Seaborn、Bokeh。此外,特别是对数据科学图表而言,越来越多人选择使用Jupyter notebook。我信任这背后的主要缘由是Jupyter 将不同的媒介很好地封装成了一个简洁的解决方案:代码、文字、可视化。它不仅让你的整个工作流程更便利、更有乐趣,还大大简化了工作成果的共享面对教学,也面对协作。我个人觉察在Jupyter 下使用Matplotlib + Seaborn 组合最符合我的可视化需求,比Pandas自带的绘图功能要强。需要动画功能时,Matplotlib 1.1 版以来供给的简洁动画框架供给了