在學習可視化的時候發現了一個非常棒的工具cufflinks，可以交互式的繪製圖像，並且非常酷炫， 下面轉載一篇博客，記錄一下使用方法：
原博客地址：Python動態可視化Cufflinks
一、cufflinks介紹
1.1 簡介
學過Python數據分析的朋友都知道，在可視化的工具中，有很多優秀的三方庫，比如matplotlib，seaborn，plotly，pyecharts等等。這些可視化庫都有自己的特點，在實際應用中也廣爲大家使用。
就像seaborn封裝了matplotlib一樣，cufflinks在plotly的基礎上做了一進一步的包裝，方法統一，參數配置簡單。其次它還可以結合pandas的dataframe隨意靈活地畫圖。可以把它形容爲"pandas like visualization"。
1.2 安裝
pip install cufflinks
'''
Collecting cufflinks
Using cached https://files.pythonhosted.org/packages/5e/5a/db3d6523ee870ecc229008b209b6b21231397302de34f9c446929a41f027/cufflinks-0.16.tar.gz
...................................................................................
Successfully built cufflinks retrying
Installing collected packages: retrying, plotly, colorlover, cufflinks
Successfully installed colorlover-0.3.0 cufflinks-0.16 plotly-3.10.0 retrying-1.3.3
'''
1.3 cufflinks包介紹
import cufflinks as cf print(cf.help())Use 'cufflinks.help(figure)' to see the list of available parameters for the given figure. Use 'DataFrame.iplot(kind=figure)' to plot the respective figure Figures: bar box bubble bubble3d candle choroplet distplot heatmap histogram ohlc pie ratio scatter scatter3d scattergeo spread surface violin None
1.4 使用方法
使用方法其實很簡單，我總結一下，它的格式大致是這樣的：DataFrame.Figure.iplot
DataFrame：代表pandas的數據框；
Figure：代表我們上面看到的可繪製圖形，比如bar、box、histogram等等；
iplot：代表繪製方法，其中有很多參數可以進行配置，調節符合你自己風格的可視化圖形；
二、cufflinks使用
import pandas as pd
import numpy as np
import cufflinks as cf
# 如果使用online模式，那麼生成的圖形是有限制的。所以，我們這裏先設置爲offline模式，這樣就避免了出現次數限制問題。
cf.set_config_file(offline=True)
df = pd.read_csv('./PimaIndiansdiabetes.csv')
print(df.shape) #(768, 9)
2.0 條形圖 bar
# 隨機生成bar 條形圖 df1=pd.DataFrame(np.random.rand(12, 4), columns=['a', 'b', 'c', 'd']) df1.iplot(kind='bar',barmode='stack')![]()
# Pima生成bar 條形圖 df.iloc[0:66,0:3].iplot(kind='bar',barmode='stack')
2.1 histogram直方圖
# 隨機生成histogram直方圖 cf.datagen.histogram(3).iplot(kind='histogram')
![]()
# Pima生成histogram直方圖 df.iloc[:,0:3].iplot(kind='histogram')
2.2 box箱型圖
# box箱型圖,可以看到，x軸每個box都有對應的名稱，這是因爲cufflinks通過kind參數識別了box圖形， # 自動爲它生成的名字。如果我們只生成隨機數，它是這樣子的，默認生成100行的隨機分佈的數據，列數由自己選定。 cf.datagen.box(20).iplot(kind='box',legend=False)
print(df.columns) ''' Index(['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin', 'BMI', 'DiabetesPedigreeFunction', 'Age', 'Outcome'], dtype='object') ''' df.iplot(kind='box',legend=False)
2.3 scatter散點圖
# scatter散點圖df.iplot(kind='scatter', mode='markers', colors=[ 'orange', 'teal', 'blue', 'yellow', 'black', 'red', 'green', 'magenta', 'cyan' ], size=5)
2.4 lines 線圖
# 隨機數繪圖,'DataFrame' object has no attribute 'lines'
cf.datagen.lines(1,500).ta_plot(study='sma',periods=[13,21,55])
'''
1）cufflinks使用datagen生成隨機數；
2）figure定義爲lines形式，數據爲(1,500)；
3）然後再用ta_plot繪製這一組時間序列，參數設置SMA展現三個不同週期的時序分析。
2.5 bubble氣泡圖
# bubble氣泡圖 d = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd']) d.iplot(kind='bubble',x='a',y='b',size='a')
# bubble氣泡圖 # pPma bubble氣泡圖 d = df.iloc[0:100,:] #size決定了圈的大小 d.iplot(kind='bubble',x='Glucose',y='DiabetesPedigreeFunction',size='DiabetesPedigreeFunction')
2.6 3d 圖
#隨機數生成3d 圖 cf.datagen.scatter3d(5,4).iplot(kind='scatter3d',x='x',y='y',z='z',text='text',categories='categories')
2.7 scatter matrix 散點矩陣圖
#隨機scatter matrix 散點矩陣圖 df2 = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd']) df2.scatter_matrix()
#Pima scatter matrix 散點矩陣圖 df.iloc[0:200,0:5].scatter_matrix()
2.8 subplots 子圖
#隨機subplots 子圖 df3=cf.datagen.lines(4) df3.iplot(subplots=True,shape=(4,1),shared_xaxes=True,vertical_spacing=.02,fill=True)
#Pima subplots 子圖 df.iloc[0:200,0:5].iplot(subplots=True,shape=(5,1),shared_xaxes=True,vertical_spacing=.02,fill=True)
df.iloc[0:200,0:6].iplot(subplots=True,subplot_titles=True,legend=False)
2.9 shapes 形狀圖
# 隨機shapes 形狀圖 df5=cf.datagen.lines(3,columns=['a','b','c']) df5.iplot(hline=[dict(y=-1,color='blue',width=3),dict(y=1,color='pink',dash='dash')]) # 將某個區域標記出來，可以使用hspan類型。豎條的區域，可以用vspan類型。 df5.iplot(hspan=[(-1,1),(2,5)])
# Pima shapes 形狀圖 df.iloc[0:200,0:6].iplot(hline=[dict(y=-1,color='blue',width=3),dict(y=1,color='pink',dash='dash')]) # 將某個區域標記出來，可以使用hspan類型。豎條的區域，可以用vspan類型。 df.iloc[0:200,0:6].iplot(hspan=[(100,120),(220,250)])
三、總結
help(df.iplot)
數據集和jupyter文件鏈接：https://pan.baidu.com/s/1O5ukYe41iAO9v_czHbs5CA
提取碼：by2a
更多參考：[https://www.cnblogs.com/Yang-Sen/p/11226005.html]