HoloViews教程：使用表格数据集进行数据可视化分析

裴锟轩Denise

于 2025-06-19 09:26:49 发布

阅读量264

点赞数 4

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/gitblog_00226/article/details/148758439

HoloViews教程：使用表格数据集进行数据可视化分析

holoviews With Holoviews, your data visualizes itself. 项目地址: https://gitcode.com/gh_mirrors/ho/holoviews

前言

在数据可视化领域，表格数据（Tabular Data）是最常见且通用的数据格式之一。Holoviews作为一款强大的Python可视化库，为处理和分析表格数据提供了简洁而高效的解决方案。本文将深入讲解如何使用HoloViews处理表格数据集，并通过实际案例展示其核心功能。

表格数据基础

表格数据（也称为列式数据）类似于电子表格的布局方式，其中：

列代表变量或维度
行代表观测值

HoloViews支持多种表格数据格式，包括：

Python字典形式的NumPy数组
pandas DataFrame
dask DataFrame

其中，pandas DataFrame是最为灵活和强大的格式之一。

数据准备与加载

首先，我们需要导入必要的库并加载示例数据：

import numpy as np
import pandas as pd
import holoviews as hv
from holoviews import opts

# 初始化HoloViews扩展
hv.extension('bokeh', 'matplotlib')

# 加载疾病数据集
diseases = pd.read_csv('../assets/diseases.csv.gz')

这个数据集记录了美国各州不同年份的麻疹和百日咳发病率。数据集包含5列：

Year（年份）
Week（周数）
State（州名）
measles（麻疹发病率）
pertussis（百日咳发病率）

创建HoloViews数据集

为了明确数据的结构和含义，我们需要创建一个HoloViews的Dataset对象，并声明：

关键维度（kdims）：独立变量
值维度（vdims）：依赖变量

vdims = [('measles', 'Measles Incidence'), ('pertussis', 'Pertussis Incidence')]
ds = hv.Dataset(diseases, ['Year', 'State'], vdims)

这里我们使用了(name, label)的元组形式为值维度提供了更友好的描述。

数据聚合处理

由于我们只关心年度平均值，可以对周数维度进行聚合：

ds = ds.aggregate(function=np.mean)

数据可视化

基础曲线图

我们可以将数据集转换为曲线图元素：

layout = (ds.to(hv.Curve, 'Year', 'measles') + ds.to(hv.Curve, 'Year', 'pertussis')).cols(1)
layout.opts(opts.Curve(width=600, height=250, framewise=True))

这里创建了两个曲线图，分别显示麻疹和百日咳的发病率随时间变化，并垂直排列。

数据选择与条形图

我们可以选择特定州和年份范围的数据，并以条形图展示：

states = ['New York', 'New Jersey', 'California', 'Texas']
bars = ds.select(State=states, Year=(1980, 1990)).to(hv.Bars, ['Year', 'State'], 'measles').sort()
bars.opts(opts.Bars(width=800, height=400, tools=['hover'], xrotation=90, show_legend=False))

数据分面展示

HoloViews提供了多种分面展示方式：

网格布局：将各州数据分别显示在网格中

grouped = ds.select(State=states, Year=(1930, 2005)).to(hv.Curve, 'Year', 'measles')
gridspace = grouped.grid('State')

叠加显示：将多条曲线叠加在同一坐标系中

ndoverlay = grouped.overlay('State')

数据聚合分析

我们可以计算年度平均发病率和标准差：

agg = ds.aggregate('Year', function=np.mean, spreadfn=np.std)
errorbars = hv.ErrorBars(agg, vdims=['measles', 'measles_std']).iloc[::2]
overlay = (hv.Curve(agg) * errorbars).redim.range(measles=(0, None))