用于科学计算和可视化的python包plotly扩展
plotly-scientific-plots的Python项目详细描述
#plotly scientific plots
此python库旨在增强plotly和dash可视化库。
它旨在为研究科学家和数据科学家提供快速、美观的数据可视化。
上述图的散射测试
*扩展的图类型(如混淆图、roc图)
*对于那些进行matlab-->;python转换的人来说,更类似于“matlab”的界面
*使用短划线在一行中轻松地制作完整的多图形仪表板
要求和安装
所需的软件包:
*numpy
*scipy
*plotly
*colorlover
*dash
*dash_core_components
*dash_html_components
*要安装,只需使用“pip install plotly scientific plots”
**注意**:要直接从git获得最新版本的安装,git通常会进行更新。使用以下命令:
`pip install git+https://github.com/rsandler00/plotly scientific plots.git`
对于科学家来说,这允许通过鼠标点击和悬停探索数据的新方法。**要查看绘图科学工具示例及其说明的完整列表,请在nbviewer中通过单击[此处][1]**
是一组有限的例子,让你感受“psp”是如何工作的:
<<
<<
<35<35<35<35<35<2个数据集直方图:
`` python
psp.plot2Hists(数据源1,数据源2,名称=['data 1','data 1','data 2',
normHist=True,normHist=True,normHist=True,normHist=True,normHist=True,normHist=normHist=True,normHist=True,normtitle='两个数据源的比较',
KS=True,MW=TrueT=True)
```
![plot2Hist_1](images/plot2Hist_1.png?raw=true“plot2hist嫒1”)
\python
``psp.scatterhistoplot(data嫒source嫒1,data嫒source嫒3,title='contour of x嫒var&y嫒var',
xlbl='x嫒var label',ylbl='y嫒var label')
````
![plot2Hist_1](images/contour_and_scatter.png?raw=true“轮廓”和“轮廓”散点“
<
真,
addcorrline=真,title='x廑var&y廑var的相关性',xlbl='x廑var label',
ylbl='y廑var label')
````
![plot2Hist_1](images/corrPlot_multi.png?raw=true“corrPlot#u multi”)
![绘图2历史1](images/polar1.png?raw=true“polar1”)
\每个外部列表将对应于仪表板中的一列,每个外部列表中的每个图将是该列中的一行把名单传给“psp.startDashboard”基于flask的web服务器将开始在浏览器中提供的端口显示图形
(默认端口=8050)。例如:
```python
plot1=psp.plotHist(…,plot=False)
plot2=psp.plot2Hists(…,plot=False)
plot3=psp.corrPlot(…,plot=False)
plot4=psp.plotPolar(…,plot=False)
dash嫒plots=[
[plot1,plot2],
[plot3,plot4]
]
psp.startDashboard(dash嫒plots端口=8052)
```
![plot2hist_1](images/dashboard1.png?raw=true“仪表盘1”)
[1]:https://nbviewer.jupyter.org/github/rsandler00/plotly-scientific-plots/blob/master/examples.ipynb
此python库旨在增强plotly和dash可视化库。
它旨在为研究科学家和数据科学家提供快速、美观的数据可视化。
上述图的散射测试
*扩展的图类型(如混淆图、roc图)
*对于那些进行matlab-->;python转换的人来说,更类似于“matlab”的界面
*使用短划线在一行中轻松地制作完整的多图形仪表板
要求和安装
所需的软件包:
*numpy
*scipy
*plotly
*colorlover
*dash
*dash_core_components
*dash_html_components
*要安装,只需使用“pip install plotly scientific plots”
**注意**:要直接从git获得最新版本的安装,git通常会进行更新。使用以下命令:
`pip install git+https://github.com/rsandler00/plotly scientific plots.git`
对于科学家来说,这允许通过鼠标点击和悬停探索数据的新方法。**要查看绘图科学工具示例及其说明的完整列表,请在nbviewer中通过单击[此处][1]**
是一组有限的例子,让你感受“psp”是如何工作的:
<<
<<
<35<35<35<35<35<2个数据集直方图:
`` python
psp.plot2Hists(数据源1,数据源2,名称=['data 1','data 1','data 2',
normHist=True,normHist=True,normHist=True,normHist=True,normHist=True,normHist=normHist=True,normHist=True,normtitle='两个数据源的比较',
KS=True,MW=TrueT=True)
```
![plot2Hist_1](images/plot2Hist_1.png?raw=true“plot2hist嫒1”)
\python
``psp.scatterhistoplot(data嫒source嫒1,data嫒source嫒3,title='contour of x嫒var&y嫒var',
xlbl='x嫒var label',ylbl='y嫒var label')
````
![plot2Hist_1](images/contour_and_scatter.png?raw=true“轮廓”和“轮廓”散点“
<
真,
addcorrline=真,title='x廑var&y廑var的相关性',xlbl='x廑var label',
ylbl='y廑var label')
````
![plot2Hist_1](images/corrPlot_multi.png?raw=true“corrPlot#u multi”)
![绘图2历史1](images/polar1.png?raw=true“polar1”)
\每个外部列表将对应于仪表板中的一列,每个外部列表中的每个图将是该列中的一行把名单传给“psp.startDashboard”基于flask的web服务器将开始在浏览器中提供的端口显示图形
(默认端口=8050)。例如:
```python
plot1=psp.plotHist(…,plot=False)
plot2=psp.plot2Hists(…,plot=False)
plot3=psp.corrPlot(…,plot=False)
plot4=psp.plotPolar(…,plot=False)
dash嫒plots=[
[plot1,plot2],
[plot3,plot4]
]
psp.startDashboard(dash嫒plots端口=8052)
```
![plot2hist_1](images/dashboard1.png?raw=true“仪表盘1”)
[1]:https://nbviewer.jupyter.org/github/rsandler00/plotly-scientific-plots/blob/master/examples.ipynb