Qu'est-ce que HoloViews?

HoloViews est un wrapper qui facilite l'utilisation d'outils de visualisation tels que matplotlib et Bokeh en termes brisés. Vous pouvez implémenter la visualisation avec un code unifié et une description simple en utilisant n'importe quel backend (matplotlib, Bokeh, etc.).

Le coût d'apprentissage de la visualisation n'est pas très élevé, donc en utilisant HoloViews ** "Concentrons-nous sur l'analyse des données d'origine et d'autres tâches au lieu de perdre du temps à écrire du code de visualisation" ** Cela semble être un concept de sentiment. En particulier, la syntaxe de matplotlib est souvent ésotérique, tant de gens peuvent se demander, "N'est-ce pas un peu plus simple?"

Back end

Les outils de visualisation suivants peuvent être utilisés comme backend.

matplotlib
Bokeh
Plotly(experimental)

Installation

Lors de l'installation avec conda

conda install -c ioam holoviews bokeh

Si vous utilisez matplotlib ou plotly pour le backend décrit plus loin, installez-le en plus.

conda install matplotlib plotly

Lors de l'installation avec pip

[Post-scriptum du 30/07/2017] Il semble y avoir des options (http://holoviews.org/user_guide/Installing_and_Configuring.html), mais essayez d'installer avec "recommandé".

pip install numpy param
pip install 'holoviews[recommended]'

Installez le package utilisé pour le backend. Il n'y a aucun problème si vous excluez les éléments inutilisés de la cible d'installation.

pip install matplotlib bokeh plotly

Lors de l'installation de la dernière version

Qu'est-ce que git? Ceux qui disent qu'il vaut mieux installer avec le conda ou le pip ci-dessus.

git clone git://github.com/ioam/holoviews.git
cd holoviews
pip install -e .

Options de lancement de Jupyter Notebook

Si la version du notebook est 5.0, définissez les options de démarrage suivantes.

jupyter notebook --NotebookApp.iopub_data_rate_limit=100000000

Dans les versions ultérieures, juste «jupyter notebook» semble bien.

Paramètres du backend

Spécifiez le backend comme argument de la classe notebook_extension.

import holoviews as hv

hv.extension('matplotlib')

Lorsqu'il est exécuté sur Jupyter Notebook, il peut être défini avec la magie cellulaire.

%%output backend='matplotlib'

Essayez de sortir le graphique

Voici tous des exemples d'exécution sur le bloc-notes Jupyter. matplotlib

import holoviews as hv

hv.extension('matplotlib')
curve = hv.Curve(([1, 2, 3], [1, 2, 4]))
curve

Bokeh

hv.extension('bokeh')
curve = hv.Curve(([1, 2, 3], [1, 2, 4]))
curve

Plotly

hv.extension('plotly')
curve = hv.Curve(([1, 2, 3], [1, 2, 4]))
curve

J'ai pu écrire avec le même code en utilisant n'importe quel backend.

compose

Je pense qu'il y a beaucoup de gens qui ont du mal à organiser plusieurs figures avec matplotlib. HoloViews vous permet d'organiser et de superposer des graphiques simplement en utilisant des opérateurs.

Alignez-vous avec l'opérateur +

hv.extension('bokeh')
curve = hv.Curve(([1, 2, 3], [1, 2, 4]))
bars = hv.Bars((['a', 'b', 'c'], [3, 2, 1]))
curve + bars

* Superposition avec opérateur

%%opts Scatter(color='green', size=10)
scatter = hv.Scatter(([1, 2, 3], [1, 2, 4]))
curve * scatter

Combinez les opérateurs + et *

curve * scatter + bars

Caractéristiques de HoloViews

HoloViews a diverses fonctions. Si j'ai une chance, je voudrais les présenter un par un.

Dessin de données en direct
Traitement et dessin des données de table
Traitement et dessin de données multidimensionnelles
Extraction des données de dessin
Gestion des événements
Visualisation interactive et exploratoire
Données à grande échelle utilisant Datashader

-> Suite: Graphique de base des HoloViews dans une seule ligne

HoloViews peut devenir la norme pour les outils de visualisation Python