• 0
• 0

交互式仪表板！Python轻松完成！⛵

技术分享 3年前 (2022-12-28) 0 999+

关注

💡 作者：韩信子@ShowMeAI
📘 数据分析实战系列：https://www.showmeai.tech/tutorials/40
📘 本文地址：https://www.showmeai.tech/article-detail/410
📢 声明：版权所有，转载请联系平台与作者并注明出处
📢 收藏ShowMeAI查看更多精彩内容

💡 引言

在本篇内容中，ShowMeAI将给大家讲解使用 📘ipywidget 模块创建交互式仪表板。

我们本次用到的数据集是 🏆Kaggle 的 CardioGoodFitness，大家可以通过 ShowMeAI 的百度网盘地址下载。

🏆 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这里 获取本文 [41]ipywidgets：使用Python创建交互式仪表板 『CardioGoodFitness 数据集』

⭐ ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub

首先，我们需要导入所需的模块。

import pandas as pd import ipywidgets  import seaborn as sns import matplotlib.pyplot as plt 

我们先看一下数据变量。数据中包含 2 个连续变量，收入 Income 和英里数 Miles。

💡 看板Demo实现：了解Miles的分布

💦 准备工作

📘ipywidget 模块包含了很多可用的小部件。在这个演示中，我们将使用下拉框选择类别数据，以便更好地了解里程分布。我们将选择箱线图来绘制每个类别的里程数据。

%matplotlib widget # Drop down for boxplot variable to be select drop_down_name = ipywidgets.Dropdown(options=list(df.drop(['Miles','Income'],axis=1).columns),                                 value=list(df.drop(['Miles','Income'],axis=1).columns)[0],                                 description='Columns:',                                 disabled=False) 

接下来，我们可以创建一个函数，允许输入用于绘制英里箱线图的列名称。

#selected_vals = column used to plot def boxplot(selected_vals):     plt.close('all')     fig = plt.figure(figsize=(9,5))     plt.style.use('seaborn')     sns.boxplot(df[selected_vals],df['Miles'])     plt.title('Boxplot of miles for' + selected_vals)     plt.show() 

之后，我们需要创建一个 📘layout/布局，Jupyter 交互式小部件具有一个 layout 属性，包含了许多影响小部件布局的 CSS 属性。

最简单的自定义是 HBox，它是一个水平布局的选择器，而 VBox 代表一个垂直布局的选择器。下面是 HBox 或 VBox 布局的示例。

下面我们准备输入和输出布局的显示。

#layout for filtering  ui2 = ipywidgets.HBox([drop_down_name]) # link your function to your input  out2 = ipywidgets.interactive_output(boxplot,                                      {'selected_vals' : drop_down_name}) # display your box plot display(ui2,out2) 

上面散点图的输入是 x、y 和色调。因为每个变量都是一个选择，我们使用了下拉框。

💦 输入设计、选项、值和要定义的描述

# dropbox select x axis drop_down_x = ipywidgets.Dropdown(options=list(df.columns),                                 value=list(df.columns)[0],                                 description='X variable:',                                 disabled=False) # dropbox select y axis drop_down_y = ipywidgets.Dropdown(options=list(['Miles','Income']),                                 value=list(['Miles','Income'])[0],                                 description='Y variable:',                                 disabled=False) # dropbox select category drop_down_category= ipywidgets.Dropdown(options=list(df.drop(['Miles','Income'],axis=1).columns),                                 value=list(df.drop(['Miles','Income'],axis=1).columns)[0],                                 description='Category:',                               disabled=False) 

💦 散点图绘制

# scatter plot function def scatter(x,y,category):     plt.close('all')     fig = plt.figure(figsize=(9,5))     plt.style.use('seaborn')     sns.scatterplot(data=df,x=x,y=y,hue=category)     plt.title('Scatterplot of ' +x+' versus '+ y)     #plt.xlabel('Date')     plt.show() 

💦 显示HBox或VBox的选择器布局

# display the layout of filtering ui3 = ipywidgets.HBox([drop_down_x,drop_down_y,drop_down_category]) 

💦 将绘图与选择器相关联

# related the plot link to filtering  out3 = ipywidgets.interactive_output(scatter,                                      {'x' : drop_down_x,                                      'y': drop_down_y,                                      'category':drop_down_category}) 

💦 显示选择后的输入和输出

#display the input and output display(ui3,out3)