plotnine

พล็อตเก้า

plotnine คือการนำ ไวยากรณ์ของกราฟิก ไปใช้ใน Python โดยใช้ ggplot2 ไวยากรณ์ช่วยให้คุณสามารถเขียนพล็อตโดยการแมปตัวแปรในดาต้าเฟรมอย่างชัดเจนกับลักษณะการมองเห็น (ตำแหน่ง สี ขนาด ฯลฯ) ของออบเจ็กต์ที่ประกอบเป็นพล็อต

การลงจุดด้วย ไวยากรณ์ของกราฟิก นั้นมีประสิทธิภาพมาก แปลงแบบกำหนดเอง (หรือซับซ้อน) นั้นง่ายต่อการคิดและสร้างแบบค่อยเป็นค่อยไป ในขณะที่แปลงแบบธรรมดายังคงสร้างได้ง่าย

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับวิธีใช้ plotnine โปรดดูเอกสารประกอบ เนื่องจาก plotnine มี API ที่คล้ายกับ ggplot2 ซึ่งขาดความครอบคลุม เอกสาร ggplot2 จึงอาจเป็นประโยชน์

ตัวอย่าง

 from plotnine import *
from plotnine . data import mtcars

การสร้างพล็อตที่ซับซ้อนทีละชิ้น

1. พล็อตกระจาย

   (
       ggplot ( mtcars , aes ( "wt" , "mpg" ))
       + geom_point ()
   )

   

2. พล็อตกระจายมีสีตามตัวแปรบางตัว

   (
       ggplot ( mtcars , aes ( "wt" , "mpg" , color = "factor(gear)" ))
       + geom_point ()
   )

   

3. พล็อตกระจายมีสีตามตัวแปรบางตัวและทำให้เรียบด้วยโมเดลเชิงเส้นพร้อมช่วงความมั่นใจ

   (
       ggplot ( mtcars , aes ( "wt" , "mpg" , color = "factor(gear)" ))
       + geom_point ()
       + stat_smooth ( method = "lm" )
   )

   

4. พล็อตกระจายที่มีสีตามตัวแปรบางตัว ปรับให้เรียบด้วยโมเดลเชิงเส้นพร้อมช่วงความมั่นใจ และพล็อตบนแผงแยกกัน

   (
       ggplot ( mtcars , aes ( "wt" , "mpg" , color = "factor(gear)" ))
       + geom_point ()
       + stat_smooth ( method = "lm" )
       + facet_wrap ( "gear" )
   )

   

5. ปรับธีม

   I) ทำให้มันขี้เล่น

   (
       ggplot ( mtcars , aes ( "wt" , "mpg" , color = "factor(gear)" ))
       + geom_point ()
       + stat_smooth ( method = "lm" )
       + facet_wrap ( "gear" )
       + theme_xkcd ()
   )

   

   II) หรือมืออาชีพ

   (
       ggplot ( mtcars , aes ( "wt" , "mpg" , color = "factor(gear)" ))
       + geom_point ()
       + stat_smooth ( method = "lm" )
       + facet_wrap ( "gear" )
       + theme_tufte ()
   )

   

การติดตั้ง

การเปิดตัวอย่างเป็นทางการ

# Using pip
$ pip install plotnine             # 1. should be sufficient for most
$ pip install ' plotnine[extra] '    # 2. includes extra/optional packages
$ pip install ' plotnine[test] '     # 3. testing
$ pip install ' plotnine[doc] '      # 4. generating docs
$ pip install ' plotnine[dev] '      # 5. development (making releases)
$ pip install ' plotnine[all] '      # 6. everything

# Or using conda
$ conda install -c conda-forge plotnine

เวอร์ชันการพัฒนา

$ pip install git+https://github.com/has2k1/plotnine.git 

มีส่วนร่วม

เอกสารของเราอาจใช้ตัวอย่างบางส่วน แต่เรากำลังมองหาบางสิ่งที่พิเศษนิดหน่อย เรามีเกณฑ์สองประการ:

1. แปลงที่ดูเรียบง่ายซึ่งต้องใช้กลอุบายหรือสองอย่าง
2. โครงเรื่องที่เป็นส่วนหนึ่งของการเล่าเรื่องเชิงวิเคราะห์ข้อมูล นั่นคือ พวกมันให้ความชัดเจนบางรูปแบบโดยแสดงให้เห็น geom , stat , ... ในส่วนต่างที่ดีที่สุด

หากคุณมีสิ่งที่ตรงตามเกณฑ์เหล่านั้น เรายินดีอย่างยิ่งที่จะเห็นมัน ดูตัวอย่าง plotnine

หากคุณพบจุดบกพร่องในการชำระเงินหากยังไม่ได้รายงาน โปรดแจ้งปัญหา

และหากคุณสามารถแก้ไขข้อบกพร่องได้ เราก็ยินดีรับฟังความคิดเห็นของคุณ

การทดสอบ

Plotnine มีการทดสอบที่สร้างภาพที่เปรียบเทียบกับภาพพื้นฐานที่ทราบว่าถูกต้อง ในการสร้างอิมเมจที่สอดคล้องกันในทุกระบบ คุณต้องติดตั้ง matplotlib จากแหล่งที่มา คุณสามารถทำได้ด้วย pip โดยใช้คำสั่ง

$ pip install matplotlib --no-binary matplotlib

มิฉะนั้น อาจมีความแตกต่างเล็กน้อยในการแสดงข้อความที่ทำให้การเปรียบเทียบรูปภาพไม่ตรงกัน