↓推薦關注↓
讓客戶深刻記住你的數據洞察和發現的最好方式，是創建交互式儀錶板。為什麼要互動呢？一方面是比較有趣，另一方面是客戶對動作的記憶比靜態的洞察力更深刻。
在本文中，我給大家分享 4 款 Python 工具包，使用它們為數據科學項目創建交互式儀錶板非常的棒。喜歡本文記得收藏、關注、點讚。
1、WidgetsIpywidgets(縮寫為 Widgets) 是一個代碼簡單直觀的交互式包，它為 Jupyter Notebooks 中的 GUI 提供 HTML 架構。
該包允許我們直接在 Jupyter Notebook 單元中創建交互式儀錶板。
只需幾行代碼，你就可以將 Jupyter Notebook 改為儀錶板。讓我用幾行代碼展示如何做到這一點。
首先，我們需要安裝所需的包
pipinstallipywidgets然後，我們需要在 Jupyter Notebook 中啟用 Ipywidgets。要啟用它，請在命令提示符中傳遞以下代碼。
jupyternbextensionenable--pywidgetsnbextension我們可以在 Jupyter Notebook 中創建交互式儀錶板，並配備所有必要的軟件包。我將使用泰坦尼克號樣本數據進行舉例。
importseabornassnstitanic=sns.load_dataset('titanic')titanic.head()
我想創建一個交互式儀錶板，獲取按類別變量分組的泰坦尼克號票價平均值。在這種情況下，使用如下代碼:
#Creatingtheinteractivedashboardfromipywidgetsimportinteract@interactdefcreate_fare_plot(col=titanic.drop(['fare','age'],axis=1).columns):sns.barplot(data=titanic,x=col,y='fare')plt.title(f'MeanBarPlotoftheFaregroupedbythe{col}')
通過添加@interact代碼，我們啟動了交互過程。
2、VoilaVoila-dashboards 是一個簡單的 Python 包，它將一個簡單的 Jupyter Notebook 變成一個漂亮的 Web 儀錶板。
只需一行安裝代碼，我們就可以快速渲染 Jupyter Notebook。
讓我們安裝 Voila-dashboards
pipinstallvoila完成 Voila 包的安裝後，刷新 Jupyter Notebook 並查看 notebook 選項卡。在那裡你會發現一個新的 Voila 按鈕。
現在按下按鈕，即可自動生成 Voila 儀錶板。
3、Dash by PlotlyDash by Plotly 是一個開源 Python 包，它是基於 Plotly 可視化的低代碼框架包。
要試用 Dash，先安裝軟件包。
pipinstalldash安裝完成後，我將使用以下代碼創建一個簡單的 Titanic 儀錶板。
importdashfromdashimportdcc,htmlimportplotly.expressaspximportpandasaspdimportseabornassnsapp=dash.Dash()df=sns.load_dataset('titanic')fig=px.scatter(df,x="fare",y="age",size="pclass",color="alive",hover_name="embark_town",log_x=True,size_max=60)app.layout=html.Div(children=[html.H1(children='TitanicDashboard'),dcc.Graph(id="fare_vs_age",figure=fig)])if__name__=="__main__":app.run_server(debug=True)運行上述代碼後，將在默認(http://127.0.0.1:8050/)中啟動儀錶板
我們可以添加一個回調交互來讓用戶輸入具有特定的輸出。
importdashfromdashimportdcc,html,Input,Outputimportplotly.expressaspximportpandasaspdimportseabornassnsapp=dash.Dash()df=sns.load_dataset('titanic')fig=px.scatter(df,x="fare",y="age",size="pclass",color="alive",hover_name="embark_town",log_x=True,size_max=60)app.layout=html.Div(children=[html.H1(children='TitanicDashboard'),dcc.Graph(id="fare_vs_age",figure=fig),#Addinteractivecallbackherehtml.H4("Changethevalueinthetextboxtoseecallbacksinaction"),html.Div(["Input:",dcc.Input(id='my-input',value='initialvalue',type='text')]),html.Br(),html.Div(id='my-output'),])@app.callback(Output(component_id='my-output',component_property='children'),Input(component_id='my-input',component_property='value'))defupdate_output_div(input_value):returnf'Output:{input_value}'if__name__=="__main__":app.run_server(debug=True)
Dash by Plotly 在創建儀錶板時非常方便，它提供了許多有用的 API。
4、StreamlitStreamlit 是一個開源 Python 包，旨在為數據科學家和機器學習項目創建一個 Web 應用程序。
Streamlit 提供的 API 易於任何初學者使用，非常適合希望以交互方式構建其數據組合的任何人。
讓我們先安裝 Streamlit 包。
pipinstallstreamlit安裝過程完成後，我們可以創建交互式儀錶板。
讓我給你下面的代碼示例。
importstreamlitasstimportpandasaspdimportplotly.expressaspximportseabornassnsdf=sns.load_dataset('titanic')st.title('TitanicDashboard')st.subheader('Dataset')st.dataframe(df)st.subheader('DataNumericalStatistic')st.dataframe(df.describe())st.subheader('DataVisualizationwithrespecttoSurvived')left_column,right_column=st.columns(2)withleft_column:'NumericalPlot'num_feat=st.selectbox('SelectNumericalFeature',df.select_dtypes('number').columns)fig=px.histogram(df,x=num_feat,color='survived')st.plotly_chart(fig,use_container_width=True)withright_column:'Categoricalcolumn'cat_feat=st.selectbox('SelectCategoricalFeature',df.select_dtypes(exclude='number').columns)fig=px.histogram(df,x=cat_feat,color='survived')st.plotly_chart(fig,use_container_width=True)使用 VScode 將文件保存為 titanic_st.py，然後在終端中運行該代碼。
streamlitruntitanic_st.py
Streamlit 在上述地址上運行，我們可以訪問我們的儀錶板。
使用上面的簡單代碼，我們創建了一個交互式儀錶板，API 並不難理解，我們只使用最少數量的代碼。
結論當我們需要展示數據科學項目時建議用交互式儀錶板，它將改善大大改善用戶體驗。
長按或掃描下方二維碼，後台回覆：加群，即可申請入群。一定要備註：來源+研究方向+學校/公司，否則不拉入群中，見諒！
（長按三秒，進入後台）
推薦閱讀
神器！三行 Python 代碼輕鬆提取 PDF 表格數據
留言列表