文章目录1、cufflinks介绍1.1概要1.2安装1.3 cufflinks软件包介绍1.4使用方法2、cufflinks， 2.0条形图bar 2.1直方图2.2 box箱型图2.3 scatter散点图2.4 lines线图2.5 bubble气泡图2.6 3d图2.7 scatter matrix散点图2.8 subplots子图2.9 shapes形状图3
3358 www.Sina.com/: https://pan.Baidu.com/s/1o5ukye 41i ao 9v _ cz HB s5ca
数据集和jupyter文件链接:by2a
一、cufflinks介绍了1.1的概要，学过Python数据分析的朋友都知道。 可视化的工具有很多优秀的三方库，如提取码、matplotlib、seaborn、http://www.Sina.com等。这些可视化库都有自己的特点
正如seaborn封装matplotlib一样，cufflinks在plotly的基础上进一步封装，方法统一，参数配置简单。 然后，您也可以自由地与pandas的dataframe配合使用进行绘制。 这可以被表达为'plotly'。
1.2 pipinstallcufflinks ' ' collectingcufflinksusingcached https://files.python hosted.org/packages/5e/5a/d3d 6523 ee 870 ECC 229008 b 209 b 6b 21231397302 de 34 f9c 446929 a 41 f 027/cuff links-0.16 . tar . gz ... successfullybuiltcufflinksretryinginstalling co llected packages: retrying，plotly，colorlover， cufflinkssuccessfullyinstalledcolorlover-0.3.0 cuff links-0.16 plot ly-3.10.0 retrying-1.3.3 ' ' 1.3 cuff links use'cufflinks.help(figure ) toseethelistofavailableparametersforthegivenfigure.use ' data frame.IP lot (kind=find ) ectivefigurefigures 3360 barboxbubblebubble3dcandlechoropletdistplotheatmaphistogramohlcpieratioscatterscatter 3d ceviolinnone 1.4 总结起来，其格式大致如下。
表示data frame.figure.iplotdataframe:pandas的数据框；
figure :表示上面的可绘制图形，例如bar、box、histogram等；
iplot )表示绘制方法，其中可以配置很多参数，调节适合自己风格的可视化图形；
二.如果cufflinks使用importpandasaspdimportnumpyasnpimportcufflinksascf #使用在线模式，则生成的图形受到限制。 因此，我们首先设定为offline模式，避免次数限制的问题。 cf.set _ config _ file (offline=true ) df=PD.read _ CSV ('./pimaindiansdiabetes.CSV ' ) print (df.shape ) 9 ) 2.0条形图bar#bar条形图df1=PD.data frame (NP.random.rand ) 12，4 )，columns=['a '，' b '，' c '，' d']df1
2.1随机生成histogram直方图histogram直方图cf.datagen.Histogram(3).IPlot ) kind='Histogram ' )
# Pima生成his
togram直方图df.iloc[:,0:3].iplot(kind='histogram') 2.2 box箱型图 # box箱型图,可以看到，x轴每个box都有对应的名称，这是因为cufflinks通过kind参数识别了box图形，# 自动为它生成的名字。如果我们只生成随机数，它是这样子的，默认生成100行的随机分布的数据，列数由自己选定。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散点图 # scatter散点图df.iplot(kind='scatter', mode='markers', colors=[ 'orange', 'teal', 'blue', 'yellow', 'black', 'red', 'green', 'magenta', 'cyan' ], size=5) 2.4 lines 线图 # 随机数绘图,'DataFrame' object has no attribute 'lines'cf.datagen.lines(1,500).ta_plot(study='sma',periods=[13,21,55])'''1）cufflinks使用datagen生成随机数；2）figure定义为lines形式，数据为(1,500)；3）然后再用ta_plot绘制这一组时间序列，参数设置SMA展现三个不同周期的时序分析。 2.5 bubble气泡图 # bubble气泡图d = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])d.iplot(kind='bubble',x='a',y='b',size='a') # bubble气泡图# pPma bubble气泡图d = df.iloc[0:100,:]#size决定了圈的大小d.iplot(kind='bubble',x='Glucose',y='DiabetesPedigreeFunction',size='DiabetesPedigreeFunction') 2.6 3d 图 #随机数生成3d 图cf.datagen.scatter3d(5,4).iplot(kind='scatter3d',x='x',y='y',z='z',text='text',categories='categories') 2.7 scatter matrix 散点矩阵图 #随机scatter matrix 散点矩阵图df2 = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])df2.scatter_matrix() #Pima scatter matrix 散点矩阵图df.iloc[0:200,0:5].scatter_matrix() 2.8 subplots 子图 #随机subplots 子图df3=cf.datagen.lines(4)df3.iplot(subplots=True,shape=(4,1),shared_xaxes=True,vertical_spacing=.02,fill=True) #Pima subplots 子图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 形状图 # 随机shapes 形状图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')])# 将某个区域标记出来，可以使用hspan类型。竖条的区域，可以用vspan类型。df5.iplot(hspan=[(-1,1),(2,5)]) # Pima shapes 形状图df.iloc[0:200,0:6].iplot(hline=[dict(y=-1,color='blue',width=3),dict(y=1,color='pink',dash='dash')])# 将某个区域标记出来，可以使用hspan类型。竖条的区域，可以用vspan类型。df.iloc[0:200,0:6].iplot(hspan=[(100,120),(220,250)])
欢迎关注dmdzxc的博客
文章内容来源于dmdzxc的学习笔记，部分整理自网络，若有侵权或不当之处还请谅解
如需转发，请注明出处：dmdzxc的博客python https://www.cnblogs.com/xxtalhr/
博客园 https://www.cnblogs.com/xxtalhr/
CSDN https://blog.csdn.net/u010986753
有问题请在博客下留言或加作者：
微信：tinghai87605025 联系我加微信群
QQ ：87605025
python QQ交流群：py_data 483766429