Tujuan buku catatan ini adalah untuk mengilustrasikan bagaimana Anda dapat membuat alat yang interaktif dan responsif untuk analisis deret waktu gambar dengan menggabungkan Panel def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()0, beberapa def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()1 fungsi plot beranotasi dan beberapa HoloViews def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()2 Show Ketergantunganimport numpy as np import pandas as pd import holoviews as hv import hvplot.pandas import panel as pn hv.extension('bokeh') pn.extension(sizing_mode="stretch_width") Datadef make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head() PlotHEIGHT=300 plot_a = ts_data.hvplot(y="a", responsive=True, height=HEIGHT) plot_b = ts_data.hvplot(y="b", responsive=True, height=HEIGHT) plot_c = ts_data.hvplot(y="c", responsive=True, height=HEIGHT) plot_a + plot_b + plot_c_ def get_image(frame): return hv.Image(np.random.normal(size=(100, 100))).opts(height=HEIGHT, responsive=True) get_image(100) def get_vline(frame): return hv.VLine(frame).opts(color="red") get_vline(0.5)_ AplikasiBatangapp_bar = pn.Row( pn.pane.Markdown("## TimeSeries Image Analysis - POC", style={"color": "white"}, width=500, sizing_mode="fixed", margin=(10,5,10,15)), pn.Spacer(), pn.pane.PNG("http://holoviews.org/_static/logo.png", height=50, sizing_mode="fixed", align="center"), pn.pane.PNG("https://panel.holoviz.org/_static/logo_horizontal.png", height=50, sizing_mode="fixed", align="center"), background="black", ) app_bar_ Plot Dinamisframe_slider = pn.widgets.IntSlider(name="Time", value=25, start=0, end=999) @pn.depends(frame=frame_slider) def image(frame): return get_image(frame) @pn.depends(frame=frame_slider) def vline(frame): return get_vline(frame) vline_dmap = hv.DynamicMap(vline) img_dmap = hv.DynamicMap(image) plots = ((plot_a + plot_b + plot_c) * vline_dmap).cols(1) Tata letakapp = pn.Column( app_bar, pn.Spacer(height=10), frame_slider, pn.Row( plots, pn.Column( pn.Spacer(height=20), img_dmap, ), ), ) app Anda sekarang siap menyajikan aplikasi kepada pengguna Anda melalui def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()3 CatatanBaris def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()4 sangat penting untuk membuat aplikasi cepat dan responsif. Awalnya def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()_5 dibuat ulang bersama dengan def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()6 setiap kali def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()7 diubah. Itu membuat aplikasi lebih lambat karena harus menghitung ulang dan mentransfer lebih banyak data AplikasiMari bungkus menjadi template bagus yang dapat disajikan melalui def make_ts_data(n_timesteps): data = pd.DataFrame( { "a": np.random.normal(size=(n_timesteps,)), "b": np.random.normal(size=(n_timesteps,)), "c": np.random.normal(size=(n_timesteps,)), }, index=pd.Index(np.arange(n_timesteps), name="time", ) ) return data ts_data = make_ts_data(1000) ts_data.head()3 pn.template.FastListTemplate( site="Panel", title="Dynamic Timeseries Image Analysis", main=[ "The purpose of this app is to illustrate how you can **make an interactive and responsive tool for timeseries analysis of images** by combining a Panel `IntSlider`, some `@pn.depends` annotated plotting functions and a few HoloViews `DynamicMap`.", *app[2:]] ).servable(); Halaman web ini dihasilkan dari notebook Jupyter dan tidak semua interaktivitas akan berfungsi di situs web ini. Klik kanan untuk mengunduh dan menjalankan secara lokal untuk interaktivitas penuh yang didukung Python Bagaimana Anda memplot data deret waktu multivarian dengan Python?Plot beberapa deret waktu . Argumen peta warna. kapak = df. plot(colormap='Dark2', figsize=(14, 7)) kapak. set_xlabel('Tanggal') kapak. set_ylabel('Volume Produksi (dalam ton)') plt. menunjukkan(). Meningkatkan plot Anda dengan informasi. kapak = df. plot(colormap='Dark2', figsize=(14, 7)). Plot segi Bagaimana Anda memplot data deret waktu dengan Python?Rangkaian Waktu menggunakan sumbu tipe tanggal . # Menggunakan plotly. mengekspresikan impor plotly. nyatakan sebagai px df = px. . # Menggunakan graph_objects import plotly. graph_objects as go import pandas as pd df = pd. . impor plotly. nyatakan sebagai px df = px. . impor plotly. nyatakan sebagai px df = px. . import pandas sebagai pd import plotly. nyatakan sebagai px df = px. . Di [13] Apa cara terbaik untuk memvisualisasikan data deret waktu Python?Plot garis biasanya digunakan untuk memvisualisasikan data deret waktu. Dalam plot garis, waktu biasanya berada pada sumbu x dan nilai pengamatan berada pada sumbu y.
Apakah Seaborn memiliki plot interaktif?Di belakang layar, seaborn menggunakan matplotlib untuk menggambar plotnya. Untuk pekerjaan interaktif, disarankan untuk menggunakan antarmuka Jupyter/IPython dalam mode matplotlib , atau Anda harus memanggil matplotlib. pyplot. show() ketika Anda ingin melihat plotnya. |