? 作者：韩信子@ShowMeAI
? 数据分析实战系列：https://www.showmeai.tech/tutorials/40
? 本文地址：https://www.showmeai.tech/article-detail/410
? 声明：版权所有，转载请联系平台与作者并注明出处
? 收藏ShowMeAI查看更多精彩内容

? 引言

在本篇内容中，ShowMeAI将给大家讲解使用 ?ipywidget 模块创建交互式仪表板。

我们本次用到的数据集是 ?Kaggle 的 CardioGoodFitness，大家可以通过 ShowMeAI 的百度网盘地址下载。

? 实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击这里获取本文 [41]ipywidgets：使用Python创建交互式仪表板『CardioGoodFitness 数据集』

⭐ ShowMeAI官方GitHub：https://github.com/ShowMeAI-Hub

首先，我们需要导入所需的模块。

import pandas as pd
import ipywidgets 
import seaborn as sns
import matplotlib.pyplot as plt

我们先看一下数据变量。数据中包含 2 个连续变量，收入 Income 和英里数 Miles。

? 看板Demo实现：了解Miles的分布

? 准备工作

?ipywidget 模块包含了很多可用的小部件。在这个演示中，我们将使用下拉框选择类别数据，以便更好地了解里程分布。我们将选择箱线图来绘制每个类别的里程数据。

%matplotlib widget
# Drop down for boxplot variable to be select
drop_down_name = ipywidgets.Dropdown(options=list(df.drop(['Miles','Income'],axis=1).columns),
                                value=list(df.drop(['Miles','Income'],axis=1).columns)[0],
                                description='Columns:',
                                disabled=False)

接下来，我们可以创建一个函数，允许输入用于绘制英里箱线图的列名称。

#selected_vals = column used to plot
def boxplot(selected_vals):
    plt.close('all')
    fig = plt.figure(figsize=(9,5))
    plt.style.use('seaborn')
    sns.boxplot(df[selected_vals],df['Miles'])
    plt.title('Boxplot of miles for' + selected_vals)
    plt.show()

之后，我们需要创建一个 ?layout/布局，Jupyter 交互式小部件具有一个 layout 属性，包含了许多影响小部件布局的 CSS 属性。

最简单的自定义是 HBox，它是一个水平布局的选择器，而 VBox 代表一个垂直布局的选择器。下面是 HBox 或 VBox 布局的示例。

下面我们准备输入和输出布局的显示。

#layout for filtering
ui2 = ipywidgets.HBox([drop_down_name])
# link your function to your input 
out2 = ipywidgets.interactive_output(boxplot,
                                     {'selected_vals' : drop_down_name})
# display your box plot
display(ui2,out2)

上面散点图的输入是 x、y 和色调。因为每个变量都是一个选择，我们使用了下拉框。

? 输入设计、选项、值和要定义的描述

# dropbox select x axis
drop_down_x = ipywidgets.Dropdown(options=list(df.columns),
                                value=list(df.columns)[0],
                                description='X variable:',
                                disabled=False)
# dropbox select y axis
drop_down_y = ipywidgets.Dropdown(options=list(['Miles','Income']),
                                value=list(['Miles','Income'])[0],
                                description='Y variable:',
                                disabled=False)
# dropbox select category
drop_down_category= ipywidgets.Dropdown(options=list(df.drop(['Miles','Income'],axis=1).columns),
                                value=list(df.drop(['Miles','Income'],axis=1).columns)[0],
                                description='Category:',
                              disabled=False)

? 散点图绘制

# scatter plot function
def scatter(x,y,category):
    plt.close('all')
    fig = plt.figure(figsize=(9,5))
    plt.style.use('seaborn')
    sns.scatterplot(data=df,x=x,y=y,hue=category)
    plt.title('Scatterplot of ' +x+' versus '+ y)
    #plt.xlabel('Date')
    plt.show()

? 显示HBox或VBox的选择器布局

# display the layout of filtering
ui3 = ipywidgets.HBox([drop_down_x,drop_down_y,drop_down_category])

? 将绘图与选择器相关联

# related the plot link to filtering
out3 = ipywidgets.interactive_output(scatter,
                                     {'x' : drop_down_x,
                                     'y': drop_down_y,
                                     'category':drop_down_category})

? 显示选择后的输入和输出

#display the input and output
display(ui3,out3)

参考资料

? ipywidget
? layout/布局

交互式仪表板！Python轻松完成！⛵