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
欢迎加入QQ群-->： 979659372
