网站色彩搭配案例,商城网站制作教程,玉溪网站建设公司哪家好,福建网站建建设文章目录 1 前言2 st.line_chart#xff1a;绘制线状图3 st.area_chart#xff1a;绘制面积图4 st.bar_chart#xff1a;绘制柱状图5 st.pyplot#xff1a;绘制自定义图表6 结语 1 前言
在数据可视化的世界中#xff0c;绘制清晰、易于理解的图表是非常关键的。Streamlit… 文章目录 1 前言2 st.line_chart绘制线状图3 st.area_chart绘制面积图4 st.bar_chart绘制柱状图5 st.pyplot绘制自定义图表6 结语 1 前言
在数据可视化的世界中绘制清晰、易于理解的图表是非常关键的。Streamlit 是一个流行的 Python 库它提供了简单的界面和强大的功能帮助用户轻松创建交互式应用程序和数据可视化。而其中的 Chart elements图表元素部分则为我们提供了多种图表类型来展示数据。
本文将深入介绍 Streamlit 中的几个重要图表元素st.line_chart、st.area_chart、st.bar_chart 和 st.pyplot。通过使用这些元素您可以以极简的代码绘制出各种各样的图表使您的数据更加生动和易于理解。
在接下来的部分中我们将会深入介绍每个图表元素的用途和示例代码并探索如何在 Streamlit 应用程序中利用这些图表元素呈现数据。无论您是一名数据科学家、数据工程师还是对数据可视化感兴趣的爱好者本文都将提供给您有用的信息和实践经验。
让我们一起开始探索 Streamlit 中的这些强大的图表元素吧
2 st.line_chart绘制线状图
在数据可视化中线状图是一种常见的图表类型用于展示随时间或其他连续变量变化的趋势。Streamlit 中的 st.line_chart 方法可以帮助我们以最简单的方式绘制出线状图使数据的趋势更加直观和易于理解。
让我们通过一个示例来演示如何使用 st.line_chart 绘制线状图。首先我们需要引入 Streamlit、Pandas 和 NumPy 库并准备一些示例数据
import streamlit as st
import pandas as pd
import numpy as npchart_data pd.DataFrame(np.random.randn(20, 3),columns[a, b, c])在上述代码中我们创建了一个包含 20 行和 3 列的 DataFrame其中的数据是使用 NumPy 生成的随机数。每一列将对应线状图上的一条线。
接下来我们可以使用 st.line_chart 方法来绘制线状图代码如下所示
st.line_chart(chart_data)通过运行上述代码将会在 Streamlit 应用程序中展示一个线状图它显示了随机数据的趋势。
使用 st.line_chart 方法非常简单。仅需将需要绘制的数据传递给该方法并在 Streamlit 应用程序中即可得到相应的线状图。Streamlit 会自动根据数据的变化绘制出完整的线图并提供一些交互功能如缩放和悬停。
这是一个非常基本的示例您可以灵活运用 st.line_chart 方法来绘制自己的数据集。您可以将其应用于时间序列数据、股票走势、运动轨迹等各种场景。
3 st.area_chart绘制面积图
在数据可视化中面积图是一种常用的图表类型用于展示数据随时间或其他连续变量变化的趋势并同时显示出不同数据系列之间的相对大小关系。Streamlit 中的 st.area_chart 方法为我们提供了一个简单的方式来绘制面积图以更加直观和易于理解地展示数据。
接下来让我们通过一个示例来演示如何使用 st.area_chart 绘制面积图。同样我们需要引入 Streamlit、Pandas 和 NumPy 库并准备一些示例数据
import streamlit as st
import pandas as pd
import numpy as npchart_data pd.DataFrame(np.random.randn(20, 3),columns[a, b, c])在上述代码中我们创建了一个包含 20 行和 3 列的 DataFrame其中的数据是使用 NumPy 生成的随机数。每一列都将对应面积图上的一块面积。
接下来我们可以使用 st.area_chart 方法来绘制面积图代码如下所示
st.area_chart(chart_data)通过运行上述代码将会在 Streamlit 应用程序中展示一个面积图它显示了随机数据的趋势并使用不同颜色的填充面积来表示不同的数据系列。
和 st.line_chart 方法类似使用 st.area_chart 方法同样是非常简单的。您只需将需要绘制的数据传递给该方法Streamlit 将会自动根据数据的变化绘制出完整的面积图。
通过面积图您可以更直观地观察数据的变化趋势并比较不同数据系列之间的相对大小。这对于展示股票走势、销售趋势、温度变化等数据非常有用。
4 st.bar_chart绘制柱状图
柱状图Bar Chart是一种常见的数据可视化图表用于展示不同类别或数据组的数量或数值之间的比较。在 Streamlit 中我们可以使用 st.bar_chart 方法来绘制出具有直观效果的柱状图以更好地呈现和分析我们的数据。
现在让我们通过一个示例来演示如何使用 st.bar_chart 方法来绘制柱状图。同样我们需要引入 Streamlit、Pandas 和 NumPy 库并准备一些示例数据
import streamlit as st
import pandas as pd
import numpy as npchart_data pd.DataFrame(np.random.randn(20, 3),columns[a, b, c])在上述代码中我们创建了一个包含 20 行和 3 列的 DataFrame其中每一列都代表一个柱状图上的柱子。
接下来我们可以使用 st.bar_chart 方法来绘制柱状图代码如下所示
st.bar_chart(chart_data)通过运行上述代码将在 Streamlit 应用程序中展示一个柱状图它显示了随机数据的不同类别或数据组之间的比较。每根柱子的高度表示该类别或数据组的数量或数值。
使用 st.bar_chart 方法非常简单。只需将需要绘制的数据传递给该方法并在 Streamlit 应用程序中即可得到相应的柱状图。Streamlit 会自动根据数据的变化绘制完整的柱状图并提供一些交互功能如悬停和点击。
柱状图通常用于展示分类数据、对比数据、分析趋势等。通过柱状图我们可以更直观地掌握数据之间的差异和关系。
5 st.pyplot绘制自定义图表
有时我们可能需要绘制一些特定类型的自定义图表以更好地满足数据可视化的需求。在 Streamlit 中我们可以使用 st.pyplot 方法来绘制自定义图表如 Matplotlib 所提供的各种图表类型。
让我们通过一个示例来演示如何使用 st.pyplot 方法绘制自定义图表。为了使用 Matplotlib 绘制图表我们需要引入 Streamlit、Matplotlib 和 NumPy 库并准备一些示例数据
import streamlit as st
import matplotlib.pyplot as plt
import numpy as nparr np.random.normal(1, 1, size100)
fig, ax plt.subplots()
ax.hist(arr, bins20)在上述代码中我们使用 NumPy 生成了一组随机正态分布的样本数据 arr。然后我们使用 Matplotlib 绘制了一个直方图设置了 20 个柱子作为分割区间。
接下来我们可以使用 st.pyplot 方法来展示我们绘制的自定义图表代码如下所示
st.pyplot(fig)通过运行上述代码将在 Streamlit 应用程序中展示一个自定义图表它显示了随机正态分布样本数据的直方图。我们可以根据需要进行定制和调整以满足特定的需求。
需要注意的是随着 Streamlit 的更新自 2020年12月1日 开始我们将不再支持在 st.pyplot 方法中不传入参数的用法因为这会使用 Matplotlib 的全局图形对象这种用法不是线程安全的。所以请始终按照上述示例中的方式传递图形对象。
另外Matplotlib 支持多种后端backend类型。如果在使用 Matplotlib 与 Streamlit 时遇到错误请尝试将后端设置为 “TkAgg”。
通过 st.pyplot 方法我们可以方便地在 Streamlit 应用程序中展示各种自定义图表以满足不同数据可视化的需求。
6 结语
在本篇博文中我们介绍了 Streamlit 库中常用的几个数据可视化方法包括绘制线状图、面积图、柱状图和自定义图表。
通过 st.line_chart 方法我们可以将数据可视化为线状图直观地展示数据的趋势和变化。
使用 st.area_chart 方法我们可以创建面积图更好地呈现数据在不同类别或时间段之间的分布情况。
st.bar_chart 方法可用于绘制柱状图以清晰地比较不同类别或数据组之间的差异。
对于一些特定需求或复杂的图表类型我们可以使用 st.pyplot 方法将 Matplotlib 绘制的自定义图表展示在 Streamlit 应用程序中。
通过这些数据可视化方法我们可以更好地理解和传达数据从而支持更准确的分析和决策。
在下一篇博文中我们将介绍其他一些常用的数据可视化方法敬请期待
希望本文为您提供了有价值的信息。如有任何疑问或需要进一步了解请随时提问。祝您使用 Streamlit 进行数据可视化的成功
