完爆Bokeh!這個Python圖表庫節省了至少一半的時間
開源最前線(ID:OpenSourceTop) 猿妹 整編;
綜合自:https://labs.spotify.com/2018/11/15/introducing-chartify-easier-chart-creation-in-python-for-data-scientists/
你平常是否耗費了大量的時間在創建圖表上?爲了讓事情簡單化,Spotify開源了一個Python庫,它可以幫助你以簡單明瞭的方式創建圖表。讓數據可視化變得輕而易舉。
Spotify是全球最大的正版流媒體音樂服務平臺之一,但是他們最新開源的作品Chartify 幫助數據科學家用Python創建圖表,作爲一個全球最大的音樂平臺,Spotify從用戶那裏獲得了非常多的數據,因此也需要一個工具來實現對數據的可視化
儘管現在有很多創建圖表的工具,如Seaborn,Matplotlib,Plotly,Bokeh,Ggplot2,D3和Tableau等,但是數據科學家們仍然需要花費很多時間在創建圖表的細節上,比如當你使用Matplotlib處理百分比數據的時候,可能是這樣的:
tick_values = plt.axes()。get_yticks()
plt.axes()。set_yticklabels(['{:1.1f}%'。格式(值)表示tick_values中的值])
很明顯,這樣做的方法不夠直觀,也不容易記住,因此,我們經常可以看到Matplotlib用戶在Stack Overflow上面尋求解決方案。
同樣的情況用Charitfy解決,是這樣的:
chart.axes.set_yaxis_tick_format( '0.0%')
Charitfy的語法更加簡潔和友好,用戶可以直接調用許多最常見的格式選項,節省很多時間
Chartify一致的輸入數據格式使得在圖表上創建和迭代的速度更快,因爲花在數據上的時間更少。我們將以Chartify改變條形圖的結構爲例:
Chartify具有以下特性:
- 一致的輸入數據格式:花費更少的時間來轉換數據,所有繪圖功能都使用一致的輸入數據格式。
- 智能樣式:創建漂亮的圖表,基本無需你自定義
- 簡單的API:API儘可能直觀且易於學習。
- 靈活性:Chartify基於Bokeh創建,因此如果用戶可以隨時使用Bokeh的API。
目前該項目在 GitHub 上已經獲得 925 個Star,49 個Fork(項目地址:https://github.com/spotify/chartify)
圖表示例