bqplot交互式可视化库入门指南-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00953/article/details/148575230

bqplot交互式可视化库入门指南

bqplot Plotting library for IPython/Jupyter notebooks 项目地址: https://gitcode.com/gh_mirrors/bq/bqplot

什么是bqplot

bqplot是一个基于图形语法(Grammar of Graphics)的交互式可视化库，专为Jupyter Notebook设计。它的独特之处在于，图表中的每个组件都是一个可交互的IPython小部件(widget)，这意味着即使在图表绘制完成后，你仍然可以修改它的几乎所有属性。这种特性使得仅需几行Python代码就能创建高级图形用户界面(GUI)成为可能。

准备工作

在开始使用bqplot之前，我们需要准备一些基础数据：

import numpy as np

# 生成随机数据
size = 100
np.random.seed(0)
x_data = np.arange(size)
y_data = np.cumsum(np.random.randn(size) * 100.0)

创建第一个图表

bqplot提供了两种API接口：

类似matplotlib的简单API - pyplot
更底层的详细API

我们先从简单的pyplot开始：

from bqplot import pyplot as plt

# 创建图表
plt.figure(title="我的第一个图表")
plt.plot(x_data, y_data)
plt.show()

运行这段代码后，你会看到一个带有交互控件的折线图，可以使用顶部的按钮进行平移、缩放、重置或保存图表。

探索交互特性

bqplot的真正强大之处在于它的交互性。让我们创建一个散点图并探索其可修改属性：

plt.figure(title="我的第二个图表")
scatter_plot = plt.scatter(x_data, y_data)
plt.show()

创建图表后，我们可以动态修改它的各种属性：

# 修改y轴数据
scatter_plot.y = np.cumsum(np.random.randn(size) * 100.0)

# 修改颜色
scatter_plot.colors = ["Red"]

# 修改标记样式
scatter_plot.marker = "diamond"

双向交互：从图表到Python

bqplot的交互性不仅限于从Python修改图表，还可以在图表发生变化时触发Python函数：

def foo(change):
    print("散点图发生了变化！")
    print("可以通过change参数访问新数据")

# 监听y属性的变化
scatter_plot.observe(foo, "y")

# 启用点移动功能
scatter_plot.enable_move = True

现在，如果你在图表上拖动任何点，都会触发foo函数的执行。

深入理解bqplot的图形语法

要充分利用bqplot的强大功能，理解其底层图形语法非常重要。bqplot的详细API由几个核心组件构成：

Scale(比例尺)：将数据坐标映射到图表坐标的函数
Mark(标记)：实际表示数据的视觉元素(如散点、条形等)
Axis(坐标轴)：比例尺的可视化表示
Figure(图表)：容纳所有元素的画布

让我们用详细API重建之前的散点图：

from bqplot import LinearScale, Scatter, Axis, Figure

# 创建比例尺
x_sc = LinearScale()
y_sc = LinearScale()

# 创建散点标记
scatter_chart = Scatter(x=x_data, y=y_data, scales={"x": x_sc, "y": y_sc})

# 创建坐标轴
x_ax = Axis(label="X", scale=x_sc)
y_ax = Axis(label="Y", scale=y_sc, orientation="vertical")

# 组合成完整图表
fig = Figure(marks=[scatter_chart], title="详细API创建的图表", axes=[x_ax, y_ax])
fig

高级应用：颜色映射和多图表叠加

bqplot支持基于数据的颜色映射：

from bqplot import ColorScale

# 生成颜色数据
color_data = np.random.randint(0, 2, size=100)

# 创建颜色比例尺
col_sc = ColorScale(colors=["MediumSeaGreen", "Red"])

# 应用颜色映射
scatter_chart.scales = {"x": x_sc, "y": y_sc, "color": col_sc}
scatter_chart.color = color_data

图形语法还允许我们在同一图表上叠加不同的可视化元素：

from bqplot import Bars

# 生成新的条形图数据
new_size = 50
x_data_new = np.arange(new_size)
y_data_new = np.cumsum(np.random.randn(new_size) * 100.0)

# 创建条形图标记(使用相同的比例尺)
bar_chart = Bars(x=x_data_new, y=y_data_new, scales={"x": x_sc, "y": y_sc})

# 更新图表
fig.marks = [scatter_chart, bar_chart]