cufflinks: 让pandas拥有plotly的炫酷的动态可视化能力

plotly是一款强大的基于javascript的可视化库，包括但不限于以下优点：

• 可开发web版可视化界面

• 相比matplotlib、R更加现代化

• 支持3D可视化绘图

• 有强大丰富的多语言生态，支持python、R、matlab、Jupyter、Excel

• 与pandas可无缝衔接

pandas和plotly我们之前都分享过，但是plotly与pandas都这么优秀好用，而且还可以无缝衔接使用，这么重要的技巧没有分享是个遗憾。所以今天准备把刚学到的分享给大家。

粗暴的衔接

如果没有多了解无缝衔接，可能代码类似于下面这样，代码量虽然不少但也实现了炫酷的效果。这里就用比较简单的折线图为例

1. from plotly.offline import init_notebook_mode, iplot, plot

2. import plotly.graph_objs as go

3. import pandas as pd

4. import numpy as np

5. #在notebook中需要初始化，py文件中不用

6. init_notebook_mode()

7. #产生500个数据点

8. N = 500

9. x = np.linspace(0, 1, N)#从0到1，产生500个数据点

10. y = np.random.randn(N)

11. df = pd.DataFrame({'x': x,

12. 'y': y})

13. data = [

14. go.Scatter(x = df['x'],

15. y = df['y'])

16. ]

17. #在py文件中使用 plot(data)

18. iplot(data)

无缝衔接外挂库-cufflinks

开始之前我们需要先安装cufflinks库，该库可以很方便的生成实验数据，而且最吸引人的是可以让pandas真正实现无缝衔接plotly，在pandas语法中使用plotly的功能。但要注意目前cufflinks的支持仅限于jupyter notebook,在其他IDLE中无法使用。

1. !pip3 install cufflinks

我们先看个简单的例子，再详细讲解cufflinks的常用功能。

1. import plotly.plotly as py

2. import cufflinks as cf

3. #初始化，使用plotly离线绘图功能

4. cf.set_config_file(offline=True)

5. #生成dataframe类实验数据

6. df = cf.datagen.scatter(n_categories=2)

7. #查看数据类型

8. print(type(df))

9. #在dataframe类上使用iplot方法

10. #散点图，模式为“标记点+折现”

11. df.iplot(kind='scatter', mode='markers+lines')

运行

1. <class 'pandas.core.frame.DataFrame'>

从上面的例子中我们直接在dataframe类型上使用plotly的绘图方法iplot。下面我们详细讲解上面涉及到的一些模块，如生成实验数据、绘图、自定义绘图等

生成实验数据

学习pandas等数据分析包的时候往往需要准备各种各样的数据集，或者使用一些数据生成包，cufflinks库可以帮助我们快速生成所需要的数据，不会因为纠结数据而耽误pandas的学习。

cufflinks.datagen是cufflinks封装好的生成pandas数据的模块，里面包含常见的如bar、pie、scatter、ohlc（美国折线图数据）等。使用前可以先使用help函数查看每种方法的文档

1. import cufflinks as cf

2. help(cf.datagen.scatter)

运行

1. Help on function scatter in module cufflinks.datagen:

2. scatter(n_categories=5, n=10, prefix='category', mode=None)

3. Returns a DataFrame with the required format for

4. a scatter plot

5. Parameters:

6. -----------

7. n_categories : int

8. Number of categories

9. n : int

10. Number of points for each category

11. prefix : string

12. Name for each category

13. mode : string

14. Format for each item

15. 'abc' for alphabet columns

16. 'stocks' for random stock names

现在我们生成数据

1. import cufflinks as cf

2. #生成散点图数据。三类，每类10个数据点

3. df = cf.datagen.scatter(n_categories=3,

4. n = 10)

5. print(len(df))

6. #仅随机显示5行

7. df.sample(5)

Run

1. 30

我们也可以自定义数据源，如定义好数据的字段名和长度。如果对讲解过程中的方法参数不懂，可以使用help函数，如 help(cf.datagen.lines)

1. #3条轨迹，每个轨迹的名字分别为one、two、three，每个轨迹拥有10个数据点

2. cf.datagen.lines(n_traces=3,

3. columns=['one', 'two', 'three'],

4. n = 10)

自定义图主题样式

cufflinks为我们提供了丰富的主题样式，使用cufflinks.getThemes()可以得到当前cufflinks支持的所有主题

1. import cufflinks as cf

2. cf.getThemes()

Run

1. ['ggplot', 'pearl', 'solar', 'space', 'white', 'polar', 'henanigans']

上面的运行结果表明目前cufflinks支持包括polar、pearl、henanigans、solar、ggplot、space和white等7种主题。

1. import plotly.plotly as py

2. import cufflinks as cf

3. #初始化，主题是space

4. cf.set_config_file(offline=True,

5. theme='space')

6. df = cf.datagen.scatter(n_categories=2)

7. df.iplot(kind='scatter', mode='markers+lines')

1. import plotly.plotly as py

2. import cufflinks as cf

3. #初始化，主题是space

4. cf.set_config_file(offline=True,

5. theme='white')

6. df = cf.datagen.scatter(n_categories=2)

7. df.iplot(kind='scatter', mode='markers+lines')

自定义绘图

cufflinks绘图函数df.iplot参数很多，我们讲解常用的一些参数

• kind: 图的种类，如scatter、pie、bar、spread等

• mode: lines、markers、lines+markers，分别表示折线、点、折线和点

• colors: 轨迹对应的颜色

• dash：轨迹对应的虚实线，solid、dash、dashdot三种

• width：轨迹的粗细

• xTitle：横坐标名称

• yTitle： 纵坐标的名称

• title： 图表的标题

下面我们看一个例子

1. import plotly.plotly as py

2. import cufflinks as cf

3. import pandas as pd

4. #初始化

5. cf.set_config_file(offline=True)

6. df = cf.datagen.lines(n_traces=3,

7. columns=['A', 'B', 'C'])

8. colors = ['yellow', 'purple', 'green']

9. dashes = ['dash', 'solid', 'dashdot']

10. widths = [3, 4, 6]

11. df.iplot(kind='scatter',

12. mode='lines',

13. colors=colors,

14. dash = dashes,

15. width=widths,

16. xTitle='日期',

17. yTitle='涨跌比率%',

18. title='股价涨跌图')

一行作图

上面的例子都是使用十几行做图，实际上cufflinks可以只用一行就能做出很酷的图表

1. cf.datagen.bubble(prefix='industry').iplot(kind='bubble',x='x',y='y',size='size',categories='categories',text='text',

2. xTitle='Returns',yTitle='Analyst Score',title='Cufflinks - Bubble Chart')

1. cf.datagen.heatmap(20,20).iplot(kind='heatmap',colorscale='spectral',title='Cufflinks - Heatmap')

从上面的例子中会发现cufflinks非常简单易用，大家如果对此感兴趣，可以关注cufflinks项目 https://github.com/santosjorge/cufflinks

推荐阅读

如果想要获取更多例子，可以关注本公众号，

后台回复'20190505'获得本教程及扩展教程的notebook代码下载方式