太实用了！4种方法教你轻松制作交互式可视化仪表板！

创建交互式可视化仪表板能增强数据洞察的展示效果，以下是4种实用的Python工具包及其使用方法：

• 简介：Ipywidgets是一个代码简单直观的交互式包，为Jupyter Notebooks中的GUI提供HTML架构，可直接在Jupyter Notebook单元中创建交互式仪表板。
• 安装：pip install ipywidgets
• 启用：在命令提示符中运行以下代码：jupyter nbextension enable --py widgetsnbextension
• 示例：使用泰坦尼克号样本数据创建交互式仪表板，展示按类别变量分组的票价平均值。import seaborn as snsfrom ipywidgets import interacttitanic = sns.load_dataset('titanic')@interactdef create_fare_plot(col = titanic.drop(['fare', 'age'], axis =1).columns): sns.barplot(data = titanic, x = col, y ='fare')
  

• 简介：Voila-dashboards是一个简单的Python包，能将Jupyter Notebook变成漂亮的Web仪表板。
• 安装：pip install voila
• 使用：安装完成后，刷新Jupyter Notebook，在notebook选项卡中找到新的Voila按钮，点击即可自动生成Voila仪表板。
  

• 简介：Dash是一个开源Python包，是基于Plotly可视化的低代码框架包。
• 安装：pip install dash
• 示例：创建一个简单的泰坦尼克号仪表板，展示票价与年龄的散点图，并添加回调交互。import dashfrom dash import dcc, html, Input, Outputimport plotly.express as pximport seaborn as snsapp = dash.Dash()df = sns.load_dataset('titanic')fig = px.scatter(df, x="fare", y="age", size="pclass", color="alive", hover_name="embark_town", log_x=True, size_max=60)app.layout = html.Div(children = [ html.H1(children='Titanic Dashboard'), dcc.Graph(id="fare_vs_age", figure=fig), html.H4("Change the value in the text box to see callbacks in action"), html.Div(["Input: ", dcc.Input(id='my-input', value='initial value', type='text')]), html.Br(), html.Div(id='my-output'),])@app.callback( Output(component_id='my-output', component_property='children'), Input(component_id='my-input', component_property='value'))def update_output_div(input_value): return f'Output: {input_value}'if __name__ == "__main__": app.run_server(debug=True)
  

• 简介：Streamlit是一个开源Python包，旨在为数据科学家和机器学习项目创建Web应用程序，提供的API易于初学者使用。
• 安装：pip install streamlit
• 示例：创建一个泰坦尼克号仪表板，展示数据集、数值统计以及按生存情况分类的数值和类别特征可视化。import streamlit as stimport pandas as pdimport plotly.express as pximport seaborn as snsdf = sns.load_dataset('titanic')st.title('Titanic Dashboard')st.subheader('Dataset')st.dataframe(df)st.subheader('Data Numerical Statistic')st.dataframe(df.describe())st.subheader('Data Visualization with respect to Survived')left_column, right_column = st.columns(2)with left_column: 'Numerical Plot' num_feat = st.selectbox('Select Numerical Feature', df.select_dtypes('number').columns) fig = px.histogram(df, x = num_feat, color = 'survived') st.plotly_chart(fig, use_container_width=True)with right_column: 'Categorical column' cat_feat = st.selectbox('Select Categorical Feature', df.select_dtypes(exclude = 'number').columns) fig = px.histogram(df, x =cat_feat, color = 'survived' ) st.plotly_chart(fig, use_container_width=True)运行代码：streamlit run titanic_st.py
  

交互式仪表板能显著改善用户体验，在展示数据科学项目时值得推荐使用。上述4种工具包各有特点，可根据项目需求和个人偏好选择合适的工具。