在Python中使用Pygal进行交互可视化

本文转载自微信公众号「Python学会」，作者Huangwei AI。转载本文请联系Python学会公众号。  

成都创新互联专注于下城网站建设服务及定制，我们拥有丰富的企业做网站经验。 热诚为您提供下城营销型网站建设，下城网站制作、下城网页设计、下城网站官网定制、微信小程序开发服务，打造下城网络公司原创品牌,更为您提供下城网站排名全网营销落地服务。

1前言

我们需要处理、分析和探索的大量数据;随着技术的进步，这个数字只会越来越大。现在，想象一下必须盯着电子表格中的数千行数据，试图找到隐藏的模式并追踪数字的变化。这就是数据可视化的切入点。拥有可视化的信息摘要比浏览电子表格更容易识别模式和趋势。由于数据分析的目的是获得见解和发现模式，将数据可视化将使其更有价值，更容易探索。不同类型的图表和图表使交流数据发现更快和更有效。

可视化数据的重要性不仅仅是简化数据的解释。可视化数据有很多好处，比如:

  • 显示数据随时间的变化。
  • 确定相关事件发生的频率。
  • 指出不同事件之间的相关性。
  • 分析不同机会的价值和风险。

在本文中，我们将介绍一个Python库，它可以帮助我们创建引人注目的、令人惊叹的、交互式的可视化。它就是Pygal

2Pygal介绍

当使用Python可视化数据时，大多数数据科学家使用臭名昭著的Matplotlib、Seaborn或Bokeh。然而，一个经常被忽视的库是Pygal。Pygal允许用户创建漂亮的交互式图，这些图可以以最佳的分辨率转换成svg，以便使用Flask或Django打印或显示在网页上。

熟悉Pygal

Pygal提供了各种各样的图表，我们可以使用它们来可视化数据，确切地说，Pygal中有14种图表类别，比如柱状图、柱状图、饼状图、树形图、测量图等等。

要使用Pygal，我们得先安装它。

 
 
 
 
    
  
  
  
  
  1. $ pip install pygal 
    2.

我们来画第一张图。我们将从最简单的字符开始，一个条形图。要使用Pygal绘制条形图，我们需要创建一个图表对象，然后向其添加一些值。

 
 
 
 
    
  
  
  
  
  1. bar_chart = pygal.Bar() 
    2.

我们将绘制0到5的阶乘。在这里，我定义了一个简单的函数来计算一个数字的阶乘，然后使用它生成一个数字从0到5的阶乘列表。

 
 
 
 
    
  
  
  
  
  1. def factorial(n): 
    2. 
  
  
  
  
  2.     if n == 1 or n == 0: 
    3. 
  
  
  
  
  3.         return 1 
    4. 
  
  
  
  
  4.     else: 
    5. 
  
  
  
  
  5.         return n * factorial(n-1) 
    6. 
  
  
  
  
  6. fact_list = [factorial(i) for i in range(11)] 
    7.

现在，我们可以使用它来创建我们的绘图

 
 
 
 
    
  
  
  
  
  1. bar_chart = pygal.Bar(height=400) 
    2. 
  
  
  
  
  2. bar_chart.add('Factorial', fact_list) 
    3. 
  
  
  
  
  3. display(HTML(base_html.format(rendered_chart=bar_chart.render(is_unicode=True)))) 
    4.

这将生成一个漂亮的交互图

如果我们想要绘制不同类型的图表，我们将遵循相同的步骤。您可能已经注意到，用于将数据链接到图表的主要方法是add方法。

现在，让我们开始基于实际数据构建一些东西。

应用

接下来，我将使用美国COVID-19病例数据集来解释Pygal的不同方面。

首先，为了确保一切顺利进行，我们需要确保两件事:

  • Pandas和Pygal都装上了。
  • 在jupiter Notebook中，我们需要启用IPython显示和HTML选项。
 
 
 
 
    
  
  
  
  
  1. from IPython.display import display, HTML 
    2. 
  
  
  
  
  2. base_html = """ 
    3. 
  
  
  
  
  3.  
    4. 
  
  
  
  
  4.  
    5. 
  
  
  
  
  5.    
    6. 
  
  
  
  
  6.    
    7. 
  
  
  
  
  7.    
    8. 
  
  
  
  
  8.    
    9. 
  
  
  
  
  9.    
    10. 
  
  
  
  
  10.     
     
    11. 
  
  
  
  
  11.       {rendered_chart} 
    12. 
  
  
  
  
  12.      
    13. 
  
  
  
  
  13.    
    14. 
  
  
  
  
  14.  
    15. 
  
  
  
  
  15. """ 
    16.

现在我们已经设置好了，我们可以开始使用Pandas来探索我们的数据，然后使用不同类型的图表来操作和准备它。

 
 
 
 
    
  
  
  
  
  1. import pygal 
    2. 
  
  
  
  
  2. import pandas as pd 
    3. 
  
  
  
  
  3. data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv") 
    4.

该数据集包含基于日期、县和州的COVID-19病例和死亡信息。我们可以通过data.column看出这一点。列，以了解数据的形状。执行该命令将返回:

 
 
 
 
    
  
  
  
  
  1. Index(['date', 'county', 'state', 'fips', 'cases', 'deaths'], dtype='object') 
    2.

我们可以获得一个10行的样本来查看我们的数据帧是什么样子的。

 
 
 
 
    
  
  
  
  
  1. data.sample(10) 
    2.

条形图

让我们首先绘制一个柱状图，显示每个状态的案例数的平均值。为此，我们需要执行以下步骤:

将数据按状态分组，提取每个状态的案例号，然后计算每个状态的平均值。

 
 
 
 
    
  
  
  
  
  1. mean_per_state = data.groupby('state')['cases'].mean() 
    2.

开始构建数据并将其添加到条形图中。

 
 
 
 
    
  
  
  
  
  1. barChart = pygal.Bar(height=400) 
    2. 
  
  
  
  
  2. [barChart.add(x[0], x[1]) for x in mean_per_state.items()] 
    3. 
  
  
  
  
  3. display(HTML(base_html.format(rendered_chart=barChart.render(is_unicode=True)))) 
    4.

瞧，我们有一个条形图。我们可以通过从图例列表中取消选择来删除数据，也可以通过重新选择来重新添加数据。

柱状图的完整代码

 
 
 
 
    
  
  
  
  
  1. #Import needed libraries 
    2. 
  
  
  
  
  2. import pygal 
    3. 
  
  
  
  
  3. import pandas as pd 
    4. 
  
  
  
  
  4. #Parse the dataframe 
    5. 
  
  
  
  
  5. data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  
    6. 
  
  
  
  
  6. #Get the mean number of cases per states 
    7. 
  
  
  
  
  7. mean_per_state = data.groupby('state')['cases'].mean() 
    8. 
  
  
  
  
  8. #Draw the bar chart 
    9. 
  
  
  
  
  9. barChart = pygal.Bar(height=400) 
    10. 
  
  
  
  
  10. [barChart.add(x[0], x[1]) for x in mean_per_state.items()] 
    11. 
  
  
  
  
  11. display(HTML(base_html.format(rendered_chart=barChart.render(is_unicode=True)))) 
    12.

Treemap

条形图有助于显示整体数据，但如果我们想要更具体，我们可以选择不同类型的char，即treemap。树图对于显示数据中的类别非常有用。例如，在我们的数据集中，我们有基于每个州每个县的病例数量。柱状图显示了每个州的均值，但我们看不到每个州每个县的病例分布。一种方法是使用树图。

假设我们想要查看案例数量最多的10个州的详细案例分布情况。然后，在绘制数据之前，我们需要先对数据进行操作。

我们需要根据案例对数据进行排序，然后按州进行分组。

 
 
 
 
    
  
  
  
  
  1. sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list) 
    2.

使用排序列表来获得案例数量最多的前10个州。

 
 
 
 
    
  
  
  
  
  1. top_10_states = sort_by_cases[:10] 
    2.

使用这个子列表来创建我们的树图。

 
 
 
 
    
  
  
  
  
  1. treemap = pygal.Treemap(height=400) 
    2. 
  
  
  
  
  2. [treemap.add(x[0], x[1][:10]) for x in top_10_states.items()] 
    3. 
  
  
  
  
  3. display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True)))) 
    4.

然而，这个树图没有被标记，所以当我们悬停在方块上时，我们无法看到县名。我们将在该州的所有县街区上看到该州的名称。为了避免这种情况并将县名添加到我们的treemap中，我们需要标记向图表提供的数据。

 
 
 
 
    
  
  
  
  
  1. #Import needed libraries 
    2. 
  
  
  
  
  2. import pygal 
    3. 
  
  
  
  
  3. import pandas as pd 
    4. 
  
  
  
  
  4. #Parse the dataframe 
    5. 
  
  
  
  
  5. data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  
    6. 
  
  
  
  
  6. #Sort states by cases count 
    7. 
  
  
  
  
  7. sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list) 
    8. 
  
  
  
  
  8. #Get the top 10 states with the highest number of cases 
    9. 
  
  
  
  
  9. top_10_states = sort_by_cases[:10] 
    10. 
  
  
  
  
  10. #Draw the treemap 
    11. 
  
  
  
  
  11. treemap = pygal.Treemap(height=400) 
    12. 
  
  
  
  
  12. [treemap.add(x[0], x[1][:10]) for x in top_10_states.items()] 
    13. 
  
  
  
  
  13. display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True)))) 
    14.

在此之前，我们的数据每天都会更新。因此，每个县将进行几次重复。因为我们关心每个县的病例总数，所以在将数据添加到树图之前，我们需要清理数据。

 
 
 
 
    
  
  
  
  
  1. #Get the cases by county for all states 
    2. 
  
  
  
  
  2. cases_by_county = data.sort_values(by=['cases'],ascending=False).groupby(['state'], axis=0).apply( 
    3. 
  
  
  
  
  3.     lambda x : [{"value" : l, "label" : c } for l, c in zip(x['cases'], x['county'])]) 
    4. 
  
  
  
  
  4. cases_by_county= cases_by_county[:10] 
    5. 
  
  
  
  
  5. #Create a new dictionary that contains the cleaned up version of the data 
    6. 
  
  
  
  
  6. clean_dict = {} 
    7. 
  
  
  
  
  7. start_dict= cases_by_county.to_dict() 
    8. 
  
  
  
  
  8. for key in start_dict.keys(): 
    9. 
  
  
  
  
  9.     values = [] 
    10. 
  
  
  
  
  10.     labels = [] 
    11. 
  
  
  
  
  11.     county = [] 
    12. 
  
  
  
  
  12.     for item in start_dict[key]: 
    13. 
  
  
  
  
  13.         if item['label'] not in labels: 
    14. 
  
  
  
  
  14.             labels.append(item['label']) 
    15. 
  
  
  
  
  15.             values.append(item['value']) 
    16. 
  
  
  
  
  16.         else: 
    17. 
  
  
  
  
  17.             i = labels.index(item['label']) 
    18. 
  
  
  
  
  18.             values[i] += item['value'] 
    19. 
  
  
  
  
  19.      
    20. 
  
  
  
  
  20.     for l,v in zip(labels, values): 
    21. 
  
  
  
  
  21.         county.append({'value':v, 'label':l}) 
    22. 
  
  
  
  
  22.     clean_dict[key] = county 
    23. 
  
  
  
  
  23. #Convert the data to Pandas series to add it to the treemap 
    24. 
  
  
  
  
  24. new_series = pd.Series(clean_dict) 
    25.

然后，我们可以将该系列添加到treemap，并绘制它的标记版本。

 
 
 
 
    
  
  
  
  
  1. treemap = pygal.Treemap(height=200) 
    2. 
  
  
  
  
  2. [treemap.add(x[0], x[1][:10]) for x in new_series.iteritems()] 
    3. 
  
  
  
  
  3. display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True)))) 
    4.

太棒了!现在我们的树形图被标记了。如果将鼠标悬停在这些块上，就可以看到县的名称、州和该县的病例数。

完整的代码

 
 
 
 
    
  
  
  
  
  1. #Import needed libraries 
    2. 
  
  
  
  
  2. import pygal 
    3. 
  
  
  
  
  3. import pandas as pd 
    4. 
  
  
  
  
  4. #Parse the dataframe 
    5. 
  
  
  
  
  5. data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  
    6. 
  
  
  
  
  6. #Get the cases by county for all states 
    7. 
  
  
  
  
  7. cases_by_county = data.sort_values(by=['cases'],ascending=False).groupby(['state'], axis=0).apply( 
    8. 
  
  
  
  
  8.     lambda x : [{"value" : l, "label" : c } for l, c in zip(x['cases'], x['county'])]) 
    9. 
  
  
  
  
  9. cases_by_county= cases_by_county[:10] 
    10. 
  
  
  
  
  10. #Create a new dictionary that contains the cleaned up version of the data 
    11. 
  
  
  
  
  11. clean_dict = {} 
    12. 
  
  
  
  
  12. start_dict= cases_by_county.to_dict() 
    13. 
  
  
  
  
  13. for key in start_dict.keys(): 
    14. 
  
  
  
  
  14.     values = [] 
    15. 
  
  
  
  
  15.     labels = [] 
    16. 
  
  
  
  
  16.     county = [] 
    17. 
  
  
  
  
  17.     for item in start_dict[key]: 
    18. 
  
  
  
  
  18.         if item['label'] not in labels: 
    19. 
  
  
  
  
  19.             labels.append(item['label']) 
    20. 
  
  
  
  
  20.             values.append(item['value']) 
    21. 
  
  
  
  
  21.         else: 
    22. 
  
  
  
  
  22.             i = labels.index(item['label']) 
    23. 
  
  
  
  
  23.             values[i] += item['value'] 
    24. 
  
  
  
  
  24.      
    25. 
  
  
  
  
  25.     for l,v in zip(labels, values): 
    26. 
  
  
  
  
  26.         county.append({'value':v, 'label':l}) 
    27. 
  
  
  
  
  27.     clean_dict[key] = county 
    28. 
  
  
  
  
  28. #Convert the data to Pandas series to add it to the treemap 
    29. 
  
  
  
  
  29. new_series = pd.Series(clean_dict) 
    30. 
  
  
  
  
  30. #Draw the treemap 
    31. 
  
  
  
  
  31. treemap = pygal.Treemap(height=200) 
    32. 
  
  
  
  
  32. [treemap.add(x[0], x[1][:10]) for x in new_series.iteritems()] 
    33. 
  
  
  
  
  33. display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True)))) 
    34.

饼状图

我们可以用另一种形式来展示这一信息，那就是用饼状图来展示案例数量最多的10个州。使用饼状图，我们可以看到一个州的案例数相对于其他州的百分比。

由于我们已经完成了所有的数据帧操作，我们可以使用它来立即创建饼图。

 
 
 
 
    
  
  
  
  
  1. first10 = list(sort_by_cases.items())[:10] 
    2. 
  
  
  
  
  2. [pi_chart.add(x[0], x[1]) for x in first10] 
    3. 
  
  
  
  
  3. display(HTML(base_html.format(rendered_chart=pi_chart.render(is_unicode=True)))) 
    4.

饼状图的完整代码

 
 
 
 
    
  
  
  
  
  1. #Import needed libraries 
    2. 
  
  
  
  
  2. import pygal 
    3. 
  
  
  
  
  3. import pandas as pd 
    4. 
  
  
  
  
  4. #Parse the dataframe 
    5. 
  
  
  
  
  5. data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")  
    6. 
  
  
  
  
  6. #Get the mean number of cases per states 
    7. 
  
  
  
  
  7. sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list) 
    8. 
  
  
  
  
  8. #Draw the bar chart 
    9. 
  
  
  
  
  9. pi_chart = pygal.Pie(height=400) 
    10. 
  
  
  
  
  10. #Get the top 10 states 
    11. 
  
  
  
  
  11. first10 = list(sort_by_cases.items())[:10] 
    12. 
  
  
  
  
  12. [pi_chart.add(x[0], x[1]) for x in first10] 
    13. 
  
  
  
  
  13. display(HTML(base_html.format(rendered_chart=pi_chart.render(is_unicode=True)))) 
    14.

 

新闻名称：在Python中使用Pygal进行交互可视化
文章出自：http://www.shufengxianlan.com/qtweb/news16/38716.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联

猜你还喜欢下面的内容

商城网站知识

分类信息网站

成都网站建设　　 　手机网站制作　　 　不锈钢防护栏　　 　重庆网站设计　　 　服务器租用　　 　德阳东方电机技改服务有限公司　　 　小程序开发　　 　绵阳服务器托管　　 　成都营销网站建设　　 　无边发光字　　 　成都商城网站制作　　 　整合营销　　 　绵阳主机托管　　 　APP定制开发　　 　四川雅安服务器托管　　 　乐山网站建设　　 　网站空间　　 　雅安网站建设　　 　成都SEO公司　　 　郫县网站建设