Python 可视化视频课 - 8. Cufflinks

这是 Python 数据可视化系列的第八节《Cufflinks》。

1. Matplotlib 上

2. Matplotlib 下

3. Seaborn 上

4. Seaborn 中

5. Seaborn 下

6. Bokeh

7. Plotly
   

之前 Python 数据分析和基础系列的所有课程链接如下。

1. NumPy 上

2. NumPy 下

3. Pandas 上

4. Pandas 下

5. SciPy 上

6. SciPy 下

7. Pandas 时间序列

8. Pandas 高频数据采样

9. 默顿模型计量经济资本

10. LSMC 定价美式和百慕大期权

11. 负油价和负利率模型

12. Nelson-Siegel 构建债券收益率曲线

13. 外汇交易组合保证金制定系统

14. FR007 利率掉期定价和曲线拔靴

15. 量化投资 - 向量化回测

1. 编程概览

2. 元素型数据

3. 容器型数据

4. 流程控制：条件-循环-异常处理

5. 函数上：低阶函数

6. 函数下：高阶函数

7. 类和对象：封装-继承-多态-组合

8. 字符串专场：格式化和正则化

9. 解析表达式：简约也简单

10. 生成器和迭代器：简约不简单

11. 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)

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)