作者：俊欣

來源：關于數據分析與可視化

在Python當中用于繪制圖表的模塊，相信大家用的最多的便是matplotlib和seabron，除此之外還有一些用于動態交互的例如Plotly模塊和Pyecharts模塊，今天小編再為大家來推薦兩個用于制作可視化大屏的庫，分別叫做hvPlot以及Panel，在本篇教程當中，小編依次會為大家分享

• 用pandas以及hvPlot結合生成具有交互性的圖表
• 用Panel模塊生成小的組件，配合圖表進行使用
• 制作一個數據可視化大屏來更好地呈現數據

pandas+hvPlot繪制圖表

我們首先導入一些要用到的模塊以及用pandas來讀取數據集，代碼如下

# To handle data import numpy as np import pandas as pd # To make visualizations import hvplot.pandas import panel as pn; pn.extension() from panel.template import DarkTheme

用pandas繪制出來的圖表默認都是以matplotlib模塊為后端，因為不具備交互性，如下圖所示

sales = pd.read_csv('games_sales.csv')
sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales');

output

代碼中的kind參數對應的是圖表的類型，X參數代表的是X軸上面的所要要用到的數據，同理，我們還指定了標題、圖表的顏色等等參數，那么要是我們希望pandas在繪制圖表的時候是以hvPlot為后端，需要添加如下的代碼

pd.options.plotting.backend = 'holoviews' 

我們同樣來繪制如上所示的圖表，代碼如下

sales.plot(kind='line', x='Year', y='Units sold(in millions)', color='orange', grid=True, title='Pokémon Game Sales')

output

通過最右側的工具欄，我們可以將繪制出來的圖表保存、放大/縮小、移動等一系列操作。我們也可以同時將若干種圖表結合在一起，繪制在同一張圖上面

salesplot = sales.plot(kind='line', x='Year', y='Units sold(in millions)',
                       color='orange', grid=True, title='Pokémon Game Sales',
                       hover=False) * 
                sales.plot(kind='scatter', x='Year', y='Units sold(in millions)',
                           color='#c70000', hover_cols='Game')
salesplot

output

我們分別繪制了兩張圖表，散點圖以及折線圖，通過*將兩者有效地結合到了一塊兒。

制作一個小組件

在上一期小編寫過的教程

【干貨原創】介紹一個Python模塊，Seaborn繪制的圖表也能實現動態交互

里面提到用ipywidgets模塊來制作并且生成組件配合著可視化圖表來使用，這次我們用Panel模塊也來生成一個類似的組件，代碼如下

pok_types = list(df.type_1.unique())
pok_type = pn.widgets.Select(name='Type', options=pok_types)
pok_type

output

我們結合該組件來繪制圖表，代碼如下

viz0 = data_pipeline[['pokedex_number', 'name',
                      'total_points']].hvplot(kind='table',title='Pokémons',
                                              width=400, height=400)
viz0

output

我們可以通過當中的參數kind來調整要繪制的圖表的類型，width以及height參數來調整圖表的大小，title參數來調整圖表的標題，我們來繪制一張散點圖，代碼如下

viz1 = data_pipeline.hvplot(x='weight_kg', y='height_m', by='type_2', kind='scatter', 
                     hover_cols=['name', 'type_1', 'type_2'],
                     width=600, height=400,grid=True,
                     title='Relationship between Weight (kg) and Height (m), by Type' )
viz1

output

另外我們也可以同樣來繪制一張柱狀圖，代碼如下

data_damage = data_pipeline.iloc[:, -18:].mean().rename('Damage')
viz2 = data_damage.hvplot(kind='bar',c='Damage', 
               title='正在思考要取什么標題會比較好......', 
               rot=30, shared_axes=False,
               colorbar=True, colormap='RdYlGn_r', 
               )
viz2

output

制作一個數據面板大屏

接下來我們將上面繪制的所有圖表，都放置在一張數據大屏當中顯示，代碼如下

template = pn.template.FastListTemplate(theme=DarkTheme,
    title = '數據面板',
    sidebar=[
        pn.pane.Markdown('# 關于這個項目'),
        pn.pane.Markdown('#### 這個項目的數據來源是[Kaggle](https://www.kaggle.com/datasets/mariotormo/complete-pokemon-dataset-updated-090420) and on [Wikipedia](https://en.wikipedia.org/wiki/Pok%C3%A9mon_(video_game_series)#Reception) about Pokémons to explore different types of visualizations using HoloViz tools: [Panel](https://panel.holoviz.org/) [hvPlot](https://hvplot.holoviz.org/)'),
        pn.pane.JPG('圖片的路徑.jpg', sizing_mode='scale_both'),
        pn.pane.Markdown('[圖片的來源](https://unsplash.com/photos/dip9IIwUK6w)'),
        pn.pane.Markdown('## Filter by Type'),
        pok_type
    ],
    main=[pn.Row(
                  pn.Column(viz0.panel(width=600, height=400, margin=(0,20))), 
                  pn.Column(pn.Row(viz1.panel(width=700, height=250, margin=(0,20))),
                            pn.Column(viz2.panel(width=700, height=250), margin=(0,20))),
                 ),
          pn.Row(salesplot.opts(width=1400, height=200))
    ],
    accent_base_color='#d78929',
    header_background='#d78929',
    sidebar_footer='<br><br><a href=".......">GitHub鏈接</a>', 
    main_max_width='100%' )

template.servable();

template.show()

output

Launching server at http://localhost:63968 <bokeh.server.server.Server at 0x1bd811e82b0> 

我們按照上述的鏈接來瀏覽器中打開，數據大屏面板就可以做好了，如下圖所示