网站设计趋势,淘宝客建设网站首页,小程序源码如何部署到服务器,建设部网站首页格式合同设置绘图后端
我们可以使用 hv.extension 更改绘图后端。但是#xff0c;我们不在此处运行此单元格#xff0c;因为它会导致下面的 Matplotlib/Seaborn 图表无法渲染。
注释#xff1a;
hvPlot 利用 HoloViews 库来构建图表#xff0c;并且可以使用多个后端进行渲染我们不在此处运行此单元格因为它会导致下面的 Matplotlib/Seaborn 图表无法渲染。
注释
hvPlot 利用 HoloViews 库来构建图表并且可以使用多个后端进行渲染包括 Bokeh默认和 Matplotlib。
hv.extension 是一个函数用于设置 hvPlot 的绘图后端。当你使用 hv.extension 指定一个后端时比如 Bokeh 或 MatplotlibhvPlot 将会使用这个后端来渲染所有后续的图表。
然而在 Jupyter Notebook 或类似的环境中当你设置了一个特定的后端如 Bokeh然后尝试渲染一个依赖于不同后端如 Matplotlib的图表时后一个图表可能不会正确显示因为它试图使用已经被设置为 Bokeh 的环境来渲染。这是因为 Jupyter Notebook 的输出环境被配置为了 Bokeh而不再是 Matplotlib。
如果在某个点上设置后端为 Bokeh那么接下来使用 Matplotlib 或 Seaborn基于 Matplotlib 的绘图库绘制的图表可能不会显示除非你重新设置或重置后端。
为了避免这个问题你可以在使用 hvPlot 之前或之后单独运行设置后端的代码或者在不同的会话或内核中处理不同的后端。这确保了每个后端都在其适当的环境中运行不会相互干扰。如果你在一个脚本中需要使用多种后端你可能需要手动切换后端或者使用独立的绘图区域来确保兼容性。 hv.extension(matplotlib)
可用的后端包括
BokehPlotlyMatplotlib 可用的绘图类型
.plot 方法可用的绘图类型将随着时间的推移而发展。我们可以通过在 df.plot 上使用 Python 的 dir 函数来打印当前可用的方法列表从而查看当前的可用列表。
[el for el in dir(df.plot) if not el.startswith(_) ]area
bar
barh
bivariate
box
dataset
density
errorbars
explorer
heatmap
hexbin
hist
kde
labels
line
ohlc
paths
points
polygons
scatter
step
table
vectorfield
violin
我们将在下面演示更多这些内容 折线图
我们创建一个简单的时间序列 DataFrame 来制作折线图
p (pl.DataFrame({time:[0,1,2,3,4],val:[0,1,2,3,4],}).plot.line(xtime,yval)
)hv.show(p) 要制作多线图你可以
指定一列作为x轴维度然后将所有其他数值列分别绘制为不同的线条将列名列表传递给 y
因此无论是否在此处注释掉 y 行我们都会得到相同的图表。
p (pl.DataFrame({time:[0,1,2,3,4],val:[0.0,1,2,3,4],vals2:[10.0,11,12,13,14]}).plot.line(xtime,y[val,vals2])
)hv.show(p) 蜡烛图
OHLC 是一种有用的图表类型用于可视化股票走势。
默认情况下OHLC 会假定索引或第一个日期时间列应映射到 x 轴而前四个非日期时间列分别对应于 O开盘价、H最高价、L最低价和 C收盘价组件。
因此默认调用 ohlc 相当于
df.plot.ohlc(date, [open, low, high, close], gridTrue) 我们现在来画一个简单的蜡烛图
import polars as pl
import hvplot as hvdata [ ## 字段为time, open, high,low,close(1., 10, 13, 5, 11),(2., 13, 17, 9, 12),(3., 13, 14, 11, 13),(4., 14, 15, 5, 11),(5., 15, 19, 8, 12),(6., 9, 15, 8, 10),
]
df pl.DataFrame(data,schema[time,open,high,low,close],orientrow)
p df.plot.ohlc(time,[open,high,low,close])
hv.show(p) Polars简明基础教程系列
Polars简明基础教程十二可视化(二)
Polars简明基础教程十一可视化(一)
Polars简明基础教程十Numpy和Pandas的相互转换2
Polars简明基础教程九Numpy和Pandas的相互转换1
Polars简明基础教程八Series 和 DataFrame 以及它们之间的转换_B
Polars简明基础教程七Series 和 DataFrame 以及它们之间的转换_A
Polars简明基础教程六什么是Polars的“DataFrame数据框_下”
Polars简明基础教程五什么是Polars的“DataFrame数据框_上”
Polars简明基础教程四懒惰模式 2评估查询
Polars简明基础教程三懒惰模式 1引入懒惰模式续
Polars简明基础教程二懒惰模式 1引入懒惰模式
Polars简明基础教程一Polars快速入门
