Python可视化概率统计和聚类学习分析生物指纹

2024-04-03 06:52

本文主要是介绍Python可视化概率统计和聚类学习分析生物指纹,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

🎯要点

  1. 🎯使用Jupyter Notebook执行Dash 应用,确定Dash输入输出,设计回调函数,Dash应用中包含函数。🎯使用Plotly绘图工具:配置图对象选项,​将图转换为HTML、图像。使用数据集绘图,使用回调函数创建交互式图。🎯 使用Plotly express 图表,创建贫困数据集图表。
  2. 🎯使用条形图和下拉菜单交互式比较值,垂直和水平绘制条形图,链接条形图和下拉列表,显示多个条形图的不同方式(堆叠、分组、重叠和相对),使用构面将图表拆分为多个子图表 - 水平、垂直或环绕,下拉菜单的附加功能(允许多项选择、添加占位符文本等)。🎯使用散点图探索变量并使用滑块过滤子集。🎯使用 Markdown 探索地图并丰富仪表板,等值线地图,利用动画帧向绘图添加新图层,使用地图回调函数,创建 Markdown 组件,地图投影,用散点图绘图,Mapbox 地图,纳入交互式地图。🎯计算数据频率并构建交互式表格,创建直方图,修改直方图的 bin 和使用多个直方图来自定义直方图,向直方图添加交互性,创建 2D 直方图,创建数据表,控制表格的外观(单元格宽度、高度、文本显示等),将直方图和表格添加到应用程序。🎯创建交互式 K均值集群应用程序。🎯创建控制其他组件的组件,添加动态组件。🎯提取和解析URL,创建多页应用。
  3. 🎯创建交互式网络分析,机场交通交互式仪表板,动画散点图,自然语言处理可视化。🎯Python和Julia交互式调用接口。🎯统计可视化、推理和建模。🎯化学指纹相似度评分的概率分布。🎯绘制概率密度并进行分析。🎯时间序列分解绘图。🎯公共安全统计学可视化。🎯死亡率统计分析。🎯量化分子相似度。🎯网络情感仪表板。

🍇Plotly和Dash仪表板

Dash 是由plotly 创建的一个Python 框架,用于创建交互式Web 应用程序。 Dash 是在 Flask、Plotly.js 和 React.js 之上编写的。 使用 Dash,您无需学习 HTML、CSS 和 Javascript 来创建交互式仪表板,您只需要 Python。 Dash 是开源的,使用该框架构建的应用程序可以在 Web 浏览器上查看。

Dash 应用程序由 2 个构建块组成:

  • 布局:布局描述了应用程序的外观和感觉,它定义了图形、下拉列表等元素以及这些元素的位置、大小、颜色等。 Dash 包含 Dash HTML 组件,我们可以使用 Python 创建 HTML 内容并设置其样式,例如标题、段落、图像等。 图形、下拉菜单、滑块等元素是使用 Dash Core 组件创建的。
  • 回调:回调用于为仪表板应用程序带来交互性。例如,我们可以使用这些函数来定义单击按钮或下拉菜单时将发生的活动。

现在,让我们看看如何使用plotly Dash 创建基于Web 的布局。

import dash
import dash_html_components as html
import dash_core_components as dcc
import plotly.graph_objects as go
import plotly.express as px

我们正在使用 dash 包初始化我们的 dash 应用程序。 然后,读取 2018 年至 2019 年不同公司的股价数据,创建 stock_prices 函数,该函数返回股价的折线图。

app = dash.Dash()   
df = px.data.stocks() def stock_prices():fig = go.Figure([go.Scatter(x = df['date'], y = df['GOH'],\line = dict(color = 'firebrick', width = 4), name = 'firm')])fig.update_layout(title = 'Prices over time',xaxis_title = 'Dates',yaxis_title = 'Prices')return fig  app.layout = html.Div(id = 'parent', children = [html.H1(id = 'H1', children = 'Styling using html components', style = {'textAlign':'center',\'marginTop':40,'marginBottom':40}),dcc.Graph(id = 'line_plot', figure = stock_prices())    ])

在第 16 行,我们使用 html Div 组件设置布局,该组件是一种包装器,将在其中创建布局的元素(标题、图形)。 Div 组件包含 id(元素的唯一标识符)、style(用于设置宽度、高度、颜色等)和子元素(等于初始化布局元素的方括号)等参数。

在(html.Div 的)子组件内,我们使用 H1 函数在第 17 行创建 html H1 标题。 在函数内部,我们设置函数的唯一 id (id = ‘H1’)、children 属性,使用它设置标题的文本,将 style 属性设置为字典,在其中设置样式,例如居中对齐文本 ,将顶部和底部边距设置为 40 像素。 在第 21 行,我们使用 dash 核心组件 (dcc) 创建 graph ,在其中设置图形的 id 和figure 参数,该参数等于返回绘图图形对象的函数调用 (stock_pricest())。

为了查看我们的应用程序,我们需要像在 Flask 中一样运行我们的 Web 服务器。请记住,Dash 是构建在 Flask 之上的。

if __name__ == '__main__': app.run_server()

运行应用程序时,您将看到该应用程序正在 http://127.0.0.1:8050/ 上运行,这是您的本地服务器。复制此网址并将其粘贴到您的浏览器中,您将看到以下可视化内容。

现在,让我们看看如何创建连接下拉列表和股价折线图的回调。

使用 @app.callback() 初始化回调,后面跟着函数定义。在此函数中,我们定义更改下拉列表的值时会发生什么。

from dash.dependencies import Input, Output  @app.callback(Output(component_id='line_plot', component_property= 'figure'),[Input(component_id='dropdown', component_property= 'value')])
def graph_update(dropdown_value):print(dropdown_value)fig = go.Figure([go.Scatter(x = df['date'], y = df['{}'.format(dropdown_value)],\line = dict(color = 'firebrick', width = 4))])fig.update_layout(title = 'Stock prices over time',xaxis_title = 'Dates',yaxis_title = 'Prices')return fig  

输入函数的组件属性,即下拉列表的“值”,作为函数 graph_update 中的参数。 在函数内部,我们创建散点图并返回图形对象Fig,该对象使用回调的Output函数传递给dcc.Graph的figure属性。

我们在下面的代码中组合布局、下拉菜单和回调:

import dash
import dash_html_components as html
import plotly.graph_objects as go
import dash_core_components as dcc
import plotly.express as px
from dash.dependencies import Input, Outputapp = dash.Dash()df = px.data.stocks()app.layout = html.Div(id = 'parent', children = [html.H1(id = 'H1', children = 'Styling using html components', style = {'textAlign':'center',\'marginTop':40,'marginBottom':40}),dcc.Dropdown( id = 'dropdown',options = [{'label':'Google', 'value':'GOOG' },{'label': 'Apple', 'value':'AAPL'},{'label': 'Amazon', 'value':'AMZN'},],value = 'GOOG'),dcc.Graph(id = 'bar_plot')])@app.callback(Output(component_id='bar_plot', component_property= 'figure'),[Input(component_id='dropdown', component_property= 'value')])
def graph_update(dropdown_value):print(dropdown_value)fig = go.Figure([go.Scatter(x = df['date'], y = df['{}'.format(dropdown_value)],\line = dict(color = 'firebrick', width = 4))])fig.update_layout(title = 'Stock prices over time',xaxis_title = 'Dates',yaxis_title = 'Prices')return fig  if __name__ == '__main__': app.run_server()

下图显示了下拉列表值的变化如何更新我们的股价折线图。

参阅一:计算思维
参阅二:亚图跨际

这篇关于Python可视化概率统计和聚类学习分析生物指纹的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/872203

相关文章

Go标准库常见错误分析和解决办法

《Go标准库常见错误分析和解决办法》Go语言的标准库为开发者提供了丰富且高效的工具,涵盖了从网络编程到文件操作等各个方面,然而,标准库虽好,使用不当却可能适得其反,正所谓工欲善其事,必先利其器,本文将... 目录1. 使用了错误的time.Duration2. time.After导致的内存泄漏3. jsO

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

opencv图像处理之指纹验证的实现

《opencv图像处理之指纹验证的实现》本文主要介绍了opencv图像处理之指纹验证的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学... 目录一、简介二、具体案例实现1. 图像显示函数2. 指纹验证函数3. 主函数4、运行结果三、总结一、

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专