这是 Python 数据可视化系列的第八节《Cufflinks》。
Matplotlib 上
Matplotlib 下
Seaborn 上
Seaborn 中
Seaborn 下
Bokeh
Plotly
之前 Python 数据分析和基础系列的所有课程链接如下。
NumPy 上
NumPy 下
Pandas 上
Pandas 下
SciPy 上
SciPy 下
Pandas 时间序列
Pandas 高频数据采样
默顿模型计量经济资本
LSMC 定价美式和百慕大期权
负油价和负利率模型
Nelson-Siegel 构建债券收益率曲线
外汇交易组合保证金制定系统
FR007 利率掉期定价和曲线拔靴
量化投资 - 向量化回测
编程概览
元素型数据
容器型数据
流程控制:条件-循环-异常处理
函数上:低阶函数
函数下:高阶函数
类和对象:封装-继承-多态-组合
字符串专场:格式化和正则化
解析表达式:简约也简单
生成器和迭代器:简约不简单
装饰器:高端不简单
Cufflinks 对于做数据分析的同学简直就是神器,可以让他们把注意力放在分析过程上,同时又能产出漂亮的可视图。
Cufflinks 可以不严谨的分解成 DataFrame、Figure 和 iplot,如下图所示:
其中
DataFrame:代表 pandas 的数据帧
Figure:代表可绘制图形,比如 bar、box、histogram 等等
iplot:代表绘制方法,其中有很多参数可进行配置,调节符合适当风格的可视图
由此可知,Cufflinks 直接在 DataFrame 上画图,而 DataFrame 是最基本的数据格式,因此很方便;Figure 只是设定图形,而 iplot 才真正的把图给画出来。
Cufflinks 的 API 就是优雅,所有绘图实现都写在一个函数 iplot() 里。查看其函数签名可用以下语句:
df = pd.DataFrame()help(df.iplot)
df = pd.DataFrame()
help(df.iplot)
本节课会事无巨细的讲解其参数含义,为了能自由实现任何功能。下面展示若干用 Cufflinks 画的图。
想学就开始吧!
绝不会让你失望!
付费用户(付 1 赠 1)可以获得:
观看课程视频 (110 分钟)
Python 代码 (Jupyter Notebook)