首页分享 SCI论文

SCI论文

来源：花匠小妙招时间：2025-01-11 23:06

Cufflinks

相信很多基于深度学习的研究者们，在做完实验后，都苦于如何画出能让审稿人眼前一亮的可视化图表。但是强大如matlab，也需要下载一些额外的工具包来润色图表。繁重复杂的流程，比做实验还让人心累。
所以今天提供一款无需复杂流程，并且呈现令人惊讶的绘图效果的工具–Cufflinks。Cufflinks是一个使用Plotly库进行数据可视化的Python库。使用Cufflinks，可以通过DataFrame对象直接调用不同类型的绘图方法来生成各种图表，如折线图、散点图、柱状图、饼图等。这些方法与DataFrame的结构紧密集成，允许对数据进行灵活的操作和可视化。

1.Cufflinks安装

安装非常简单，pip命令即可完成

pip install cufflinks 1

2.Cufflinks绘图

Cufflinks是对plotly的高级封装，它通过对pandas数据对象直接调用iplot方法，就可以方便的生成图表。

步骤一：

导入必要的库，创建DataFrame对象。
（DataFrame是Pandas中最常用的数据结构，可以通过多种方式创建DataFrame对象，包括从CSV文件、Excel电子表格、数据库、Python字典、NumPy数组等读取数据，或手动创建一个空的DataFrame对象并逐步添加数据。）

import pandas as pd import cufflinks as cf from plotly.offline import plot, iplot # 配置Cufflinks以在Jupyter Notebook中显示图表 cf.set_config_file(offline=True) #offline=True表示要在离线模式下进行图表绘制。 123456

创建一个示例DataFrame对象：

data = {'Year': [2010, 2011, 2012, 2013, 2014], 'Sales': [100, 150, 200, 180, 220], 'Expenses': [80, 100, 120, 100, 140]} df = pd.DataFrame(data) 123456 步骤二：

调用Cufflinks方法，设置绘图参数
常见示例如下：
折线图：

df.iplot(mode= 'lines+markers', x='Year', y=['Sales', 'Expenses'], title='Sales and Expenses Over Years', xTitle='Year', yTitle='Amount', theme = 'white') 12

在这里插入图片描述

散点图

df.iplot(kind='scatter', x='Sales', y='Expenses', mode='markers', title='Sales vs Expenses', xTitle='Sales', yTitle='Expenses', theme = 'white') 123

在这里插入图片描述

柱状图

df.iplot(kind='bar', x='Year', y=['Sales', 'Expenses'], barmode='stack', title='Sales and Expenses by Year', xTitle='Year', yTitle='Amount', theme= 'white') 123

在这里插入图片描述

饼图

df.iplot(kind='pie', labels='Year', values='Sales', title='Sales Distribution by Year', theme = 'white') 1

在这里插入图片描述

这只是一些简单的示例，你还可以根据需要使用其他参数和定制选项来创建不同类型的图表。值得注意的是，Cufflinks提供了很多绘图方法和选项，可以使你更轻松地进行数据可视化。

步骤三：

文件保存
将图表保存为HTML文件

plot(df.iplot(kind='scatter', x='Sales', y='Expenses'), filename='scatter.html') 1

将图表保存为静态图片

plot(df.iplot(kind='scatter', x='Sales', y='Expenses'), image='png', filename='scatter.png') 1

实际上，你可以直接右上角使用该库提供的拍照功能，一键下载保存。
在这里插入图片描述

补充说明

参数补充

kind：指定要绘制的图表类型，例如line（线图）、bar（条形图）、scatter（散点图）、box（箱线图）等。可以根据数据类型和需求选择合适的图表类型。 x：指定X轴上的数据列，通常对应于数据框架中的某个列名。 y：指定Y轴上的数据列或列名列表，即要在图表中显示的数据列。 title：图表的标题。 xTitle：X轴的标题。 yTitle：Y轴的标题。 mode：用于散点图和线图的模式。例如，markers表示仅显示散点，lines表示仅显示线，lines+markers表示同时显示线和散点。 colors：用于指定图表中不同系列的颜色。可以使用字符串、RGB元组、hex代码或Plotly支持的颜色标识符。 template：指定图表的样式模板，用于自定义图表的外观风格。 secondary_y：用于将一个或多个Y轴的数据列分配给副Y轴。可以为其指定True，将会将数据列分配给新的副Y轴。 barmode：用于条形图的模式，控制多个变量在同一条形图上的显示方式。可以选择group（并排放置）或stack（堆叠显示）。 123456789101112131415161718192021

这些是Cufflinks中的一些常用公共参数，可以根据需要进行相应的设置，以实现所需的图表效果和可视化定制。

色彩展示
对于例子中dataframe数据，因为生成的数据时坐标簇，其配色可以有多种方案，在cufflinks中，有很多颜色集，称为colorscale，我们可以通过下面代码获取：

cf.colors.scales() 1

在这里插入图片描述
可以通过colorscale参数来设定，比如 colorscale = ‘prgn’