प्रौद्योगिकी साझेदारी

bqplot tutorial: Jupyter Notebook मध्ये अन्तरक्रियाशीलं आँकडा दृश्यीकरणं

2024-07-12

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

लेख निर्देशिका

पवर्तयति

१.१ दत्तांशदृश्यीकरणस्य महत्त्वम्

दत्तांशदृश्यीकरणं चित्रात्मकरूपेण दत्तांशं प्रदर्शयितुं भवति यत् जनाः दत्तांशस्य पृष्ठतः सूचनां प्रतिमानं च अधिकतया सहजतया शीघ्रं च अवगन्तुं शक्नुवन्ति अद्यतनसूचनाविस्फोटयुगे दत्तांशदृश्यीकरणं निम्नलिखितकारणानां कारणात् विशेषतया महत्त्वपूर्णम् अस्ति ।

  • अवगमनदक्षतां सुदृढं कुर्वन्तु : साधारणपाठस्य अथवा संख्यायाः अपेक्षया मस्तिष्कस्य कृते चित्रात्मकदत्तांशः अवगन्तुं स्मर्तुं च सुकरं भवति। चार्ट्-माध्यमेन जनाः अधिकसूचितनिर्णयान् कर्तुं दत्तांशस्य प्रमुखबिन्दून् शीघ्रं गृहीतुं शक्नुवन्ति ।
  • दत्तांशप्रतिमानं प्रकाशयन्तु : दत्तांशदृश्यीकरणं भवतः दत्तांशे गुप्तप्रतिमानं, प्रवृत्तिः, बहिर्गतिः च अन्वेष्टुं साहाय्यं कर्तुं शक्नोति । यथा, रेखाचित्रं स्पष्टतया द्रष्टुं शक्नोति यत् कालान्तरे दत्तांशः कथं परिवर्तते ।
  • संचारप्रभावं वर्धयन्तु : व्यापारः, वैज्ञानिकसंशोधनं, शिक्षा च इत्यादिषु क्षेत्रेषु जटिलसूचनाः प्रसारयितुं आँकडादृश्यीकरणं एकं शक्तिशाली साधनं भवति । एतेन दत्तांशविश्लेषणस्य परिणामाः अन्यैः अवगन्तुं स्वीकारं च सुलभं भवति ।
  • निर्णयनिर्माणस्य समर्थनं कुर्वन्तु: आँकडा-दृश्यीकरणं निर्णयकर्तृभ्यः सहज-दत्तांश-समर्थनं प्रदाति, येन ते जटिल-आँकडेषु प्रमुख-सूचनाः अन्वेष्टुं अधिक-वैज्ञानिक-उचित-निर्णयान् कर्तुं च सहायकाः भवन्ति

१.२ bqplot पुस्तकालयस्य अवलोकनम्

bqplot इति इति इति आधारःग्राफिक्सस्य व्याकरणम् 2D दृश्यीकरणपुस्तकालयः, विशेषतया कृतेबृहस्पति नोटबुक प्ररचन।संयोजयतिd3.js तथाipywidgets इति d3.js इत्यस्य शक्तिशालिनः दृश्यीकरणक्षमताम् पायथन् मध्ये आनेतुं डिजाइनं कृतं विशेषता । अत्र bqplot पुस्तकालयस्य केचन प्रमुखविशेषताः सन्ति ।

  • अन्तरक्रियाशीलता: bqplot समृद्धानि अन्तरक्रियाशीलकार्यं प्रदाति उपयोक्तारः चार्टे अधिकगहनतया आँकडानां अन्वेषणार्थं पैन, जूम, चयनं अन्ये च कार्याणि कर्तुं शक्नुवन्ति ।
  • लचीलापनम्: वस्तु-उन्मुखस्य दृष्टिकोणस्य उपयोगेन उपयोक्तारः Grammar of Graphics इत्यस्य उपयोगेन अत्यन्तं व्यक्तिगतं चार्ट्स् निर्मातुम् अर्हन्ति ।
  • उपयोगस्य सुगमता: bqplot matplotlib इत्यस्य सदृशं pyplot अन्तरफलकं प्रदाति, येन matplotlib इत्यनेन परिचिताः उपयोक्तारः शीघ्रं आरभुं शक्नुवन्ति ।
  • एकीकरणम्: Jupyter Notebook इत्यस्य मूलपुस्तकालयस्य रूपेण bqplot इत्येतत् आँकडाविश्लेषणकार्यप्रवाहे निर्विघ्नतया एकीकृतं कर्तुं शक्यते, येन उपयोक्तृभ्यः सुचारुः अन्तरक्रियाशीलः अनुभवः प्राप्यते
संस्थापनं द्रुतप्रारम्भश्च

bqplot संस्थापनम् अतीव सरलम् अस्ति, केवलं टर्मिनल् अथवा कमाण्ड् प्रॉम्प्ट् मध्ये निम्नलिखितम् आदेशं चालयन्तु:

pip install bqplot
jupyter nbextension enable --py --sys-prefix bqplot
  • 1
  • 2

सफलसंस्थापनानन्तरं, उपयोगं आरभ्य आवश्यकानि पुस्तकालयाः Jupyter Notebook मध्ये आयातयन्तु:

import numpy as np
import bqplot.pyplot as plt
  • 1
  • 2

अत्र bqplot इत्यस्य उपयोगेन हिस्टोग्रामं कथं निर्मातव्यम् इति दर्शयति सरलं उदाहरणम् अस्ति ।

# 生成随机数据
data = np.random.randn(100)

# 创建直方图
fig = plt.figure(title='Histogram by bqplot')
hist = plt.hist(sample=data, bins=10, colors=['#01a2d9'])
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

एतस्य सरलस्य उदाहरणस्य माध्यमेन भवान् bqplot इत्यस्य उपयोगस्य सुगमतां, शक्तिशालिनः अन्तरक्रियाशीलकार्यं च द्रष्टुं शक्नोति । निम्नलिखित अध्यायेषु वयं bqplot इत्यस्य विभिन्नेषु चार्ट् प्रकारेषु उन्नतविशेषतासु च गोतां करिष्यामः ।

संस्थापनं आयातं च

2.1 bqplot संस्थापयन्तु

दत्तांशदृश्यीकरणाय bqplot इत्यस्य उपयोगं आरभ्यतुं पूर्वं प्रथमं भवतः वातावरणे bqplot पुस्तकालयं संस्थापयितुं आवश्यकम् । bqplot इत्येतत् अनेकधा संस्थापयितुं शक्यते, अधिकतया pip अथवा conda इत्यस्य उपयोगेन । अत्र उभयविधिप्रयोगस्य विस्तृतपदानि सन्ति ।

pip इत्यस्य उपयोगेन संस्थापयन्तु
pip install bqplot
  • 1
conda इत्यस्य उपयोगेन संस्थापयन्तु
conda install -c conda-forge bqplot
  • 1

संस्थापनस्य समाप्तेः अनन्तरं भवन्तः निम्नलिखित आदेशं चालयित्वा संस्थापनं सफलम् अभवत् वा इति पुष्टिं कर्तुं शक्नुवन्ति ।

import bqplot
print(bqplot.__version__)
  • 1
  • 2

२.२ आवश्यकपुस्तकालयानां आयातम्

bqplot संस्थापनानन्तरं, भवद्भिः अग्रिमरूपेण दत्तांशदृश्यीकरणकार्यं आरभ्य आवश्यकानि पुस्तकालयाः आयातव्याः । सामान्यतया, भवद्भिः निम्नलिखितपुस्तकालयानां आयातः करणीयः ।

  • bqplot: अन्तरक्रियाशीलचार्ट्स् निर्मातुं उपयुज्यते।
  • numpy: संख्यात्मकगणनायाः, आँकडासंसाधनस्य च कृते उपयुज्यते ।
  • pandas: दत्तांश-हेरफेर-विश्लेषणाय च उपयुज्यते ।

एतेषां पुस्तकालयानाम् आयातार्थं नमूनासङ्केतः अत्र अस्ति ।

import bqplot.pyplot as plt
import numpy as np
import pandas as pd
  • 1
  • 2
  • 3
उदाहरणम् : सरलं चार्टं निर्मातुं bqplot आयात्य तस्य उपयोगं कुर्वन्तु

सर्वं सम्यक् स्थापितं भवति इति सुनिश्चित्य भवान् सरलं बार-चार्ट् निर्मातुं प्रयतितुं शक्नोति । अत्र एकः नमूनासङ्केतः अस्ति यः दर्शयति यत् आवश्यकानि पुस्तकालयाः कथं आयातितव्याः, सरलं बारचार्टं च कथं निर्मातव्यम्:

# 导入必要的库
import bqplot.pyplot as plt
import numpy as np

# 创建一个简单的条形图
fig = plt.figure(title="简单条形图示例")
x = list("ABCDE")
y = np.random.rand(5)
bar = plt.bar(x, y)
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10

अस्मिन् उदाहरणे वयं प्रथमं आयातामःbqplot.pyplotयथाplt, ततः प्रयोगःnumpy यादृच्छिकदत्तांशं जनयन्तु। तदनन्तरं वयं पञ्चपट्टिकाभिः सह सरलं बार चार्ट् निर्माय Jupyter Notebook इत्यस्मिन् प्रदर्शितवन्तः ।

उपर्युक्तपदार्थानाम् माध्यमेन भवान् bqplot पुस्तकालयं सफलतया संस्थाप्य आयातितवान् तथा च प्रथमं सरलं अन्तरक्रियाशीलं चार्टं निर्मितवान् । तदनन्तरं, अधिकानि उन्नतविशेषतानि, चार्टप्रकाराः च अन्वेष्टुं निरन्तरं शक्नुवन्ति ।

दत्तांशसमूहस्य निर्माणम्

३.१ दत्तांशसमूहस्य आयातम्

प्रयोगं आरभ्यतुं पूर्वं bqplot भवन्तः दत्तांशदृश्यीकरणं कर्तुं शक्नुवन्ति तस्मात् पूर्वं प्रथमं आवश्यकं दत्तांशसमूहं आयातयितुं आवश्यकम् ।अत्र केचन सामान्याः दत्तांशसमूह आयातविधयः तेषां उपयोगः कथं करणीयः इति चpandas पुस्तकालयः एतत् दत्तांशं संसाधितुं शक्नोति।

pandas इत्यस्य उपयोगेन CSV सञ्चिकाः आयातयन्तु

pandas इदं एकं शक्तिशालीं दत्तांशसंसाधनपुस्तकालयं यत् दत्तांशविश्लेषणार्थं पूर्वसंसाधनार्थं च बहुधा उपयुज्यते ।अत्र कथं उपयोगः करणीयः इतिpandas CSV सञ्चिकायाः ​​आयातस्य उदाहरणम् : १.

import pandas as pd

# 导入CSV文件
df1 = pd.read_csv("../input/autompg-dataset/auto-mpg.csv")
  • 1
  • 2
  • 3
  • 4
अन्येषु प्रारूपेषु दत्तांशं आयातयितुं pandas इत्यस्य उपयोगं कुर्वन्तु

CSV सञ्चिकानां अतिरिक्तं,pandas एतत् बहुस्वरूपेषु आँकडानां आयातम् अपि समर्थयति, यथा Excel सञ्चिकाः, JSON सञ्चिकाः इत्यादयः । अत्र केचन उदाहरणानि सन्ति- १.

# 导入Excel文件
df_excel = pd.read_excel("../input/dataset.xlsx")

# 导入JSON文件
df_json = pd.read_json("../input/dataset.json")
  • 1
  • 2
  • 3
  • 4
  • 5
दत्तांशकोशात् दत्तांशं आयातयितुं pandas इत्यस्य उपयोगं कुर्वन्तु

यदि दत्तांशः दत्तांशकोशे संगृहीतः अस्ति तर्हि भवान् उपयोक्तुं शक्नोति pandas इत्यस्यread_sql दत्तांशं आयातयितुं कार्यम्। अत्र उदाहरणम् अस्ति : १.

import sqlite3

# 连接到SQLite数据库
conn = sqlite3.connect('../input/database.db')

# 从数据库中读取数据
df_sql = pd.read_sql('SELECT * FROM table_name', conn)
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

३.२ दत्तांशसमूहपूर्वावलोकनम्

दत्तांशसमूहस्य आयातानन्तरं भवद्भिः प्रायः दत्तांशसमूहस्य पूर्वावलोकनं करणीयम् यत् दत्तांशस्य संरचनां सामग्रीं च अवगन्तुं शक्यते ।pandas दत्तांशसमूहस्य पूर्वावलोकनार्थं विविधाः पद्धतयः प्रदत्ताः सन्ति ।

दत्तांशसमूहस्य प्रथमानि कतिचन पङ्क्तयः पश्यन्तु

उपयुञ्जताम्‌ head() दत्तांशसमूहस्य प्रथमानि कतिपयानि पङ्क्तयः द्रष्टुं विधिः :

# 查看前5行数据
print(df1.head())
  • 1
  • 2
दत्तांशसमूहस्य विषये मूलभूतसूचनाः पश्यन्तु

उपयुञ्जताम्‌ info() विधिः दत्तांशसमूहस्य मूलभूतसूचनाः द्रष्टुं शक्नोति, यत्र दत्तांशप्रकारः, लुप्तमूल्यानि च सन्ति:

# 查看数据集的基本信息
print(df1.info())
  • 1
  • 2
दत्तांशसमूहस्य आँकडानि पश्यन्तु

उपयुञ्जताम्‌ describe() विधिः दत्तांशसमूहस्य सांख्यिकीयसूचनाः द्रष्टुं शक्नोति, यत्र औसतं, मानकविचलनं, न्यूनतमं मूल्यं, अधिकतमं मूल्यम् इत्यादयः सन्ति:

# 查看数据集的统计信息
print(df1.describe())
  • 1
  • 2
दत्तांशसमूहस्य स्तम्भनामानि पश्यन्तु

उपयुञ्जताम्‌ columns गुणाः दत्तांशसमूहस्य स्तम्भनामानि द्रष्टुं शक्नुवन्ति:

# 查看数据集的列名
print(df1.columns)
  • 1
  • 2

उपर्युक्तविधिभिः आयातितदत्तांशसमूहस्य मूलभूतबोधः भवितुं शक्नोति, तस्मात् अनन्तरं दत्तांशदृश्यीकरणकार्यस्य आधारः स्थापयति ।

{
  "title": "bqplot教程:在Jupyter Notebook中进行交互式数据可视化",
  "summary": "本文详细介绍了如何使用bqplot库在Jupyter Notebook中进行交互式数据可视化。bqplot是一个基于Grammar of Graphics的2D可视化解决方案,结合了d3.js和ipywidgets的功能,旨在将d3.js的功能带到Python中。",
  "content_outline": [
    {
      "h1": "基本图表类型",
      "h2": [
        "4.1 散点图",
        "4.2 饼图",
        "4.3 箱线图",
        "4.4 条形图",
        "4.5 堆积条形图"
      ]
    }
  ]
}
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

मूलभूत चार्ट प्रकार

४.१ प्रकीर्णन-प्लॉट्

Scatter Plot इति द्वयोः चरयोः सम्बन्धं दर्शयितुं प्रयुक्तः चार्टः । स्कैटर प्लॉट् इत्यनेन भवन्तः दत्तांशस्य वितरणं सहसंबन्धं च दृग्गतरूपेण अवलोकयितुं शक्नुवन्ति । bqplot इत्यस्मिन् scatter plot इत्यस्य निर्माणम् अतीव सरलम् अस्ति ।

import bqplot as bq
import numpy as np

# 创建数据
x = np.random.rand(100)
y = np.random.rand(100)

# 创建尺度
x_sc = bq.LinearScale()
y_sc = bq.LinearScale()

# 创建散点标记
scatter = bq.Scatter(x=x, y=y, scales={'x': x_sc, 'y': y_sc})

# 创建轴
ax_x = bq.Axis(scale=x_sc, label='X Axis')
ax_y = bq.Axis(scale=y_sc, orientation='vertical', label='Y Axis')

# 创建图表
fig = bq.Figure(marks=[scatter], axes=[ax_x, ax_y], title='Scatter Plot')

# 显示图表
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

४.२ पाई चार्टः

Pie Chart इति चार्ट् अस्ति यस्य उपयोगः दत्तांशस्य अनुपातं प्रदर्शयितुं भवति । bqplot इत्यस्मिन् पाई चार्ट्स् इत्यस्य निर्माणं तथैव सुलभम् अस्ति ।

import bqplot as bq

# 创建数据
data = [10, 20, 30, 40]
labels = ['A', 'B', 'C', 'D']

# 创建饼图标记
pie = bq.Pie(sizes=data, labels=labels)

# 创建图表
fig = bq.Figure(marks=[pie], title='Pie Chart')

# 显示图表
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

४.३ पेटी-प्लॉट्

box plot इति दत्तांशवितरणं प्रदर्शयितुं प्रयुक्तः चार्टः । एतत् दत्तांशस्य मध्यमं, चतुर्थांशं, बहिर्मुखं च प्रदर्शयितुं शक्नोति ।

import bqplot as bq
import numpy as np

# 创建数据
data = [np.random.normal(0, 1, 100), np.random.normal(3, 1, 100), np.random.normal(6, 1, 100)]

# 创建尺度
x_sc = bq.OrdinalScale()
y_sc = bq.LinearScale()

# 创建箱线图标记
boxplot = bq.Boxplot(x=data, scales={'x': x_sc, 'y': y_sc})

# 创建轴
ax_x = bq.Axis(scale=x_sc, label='Groups')
ax_y = bq.Axis(scale=y_sc, orientation='vertical', label='Values')

# 创建图表
fig = bq.Figure(marks=[boxplot], axes=[ax_x, ax_y], title='Box Plot')

# 显示图表
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22

४.४ बारग्राफ्

बारचार्ट् इति एकः चार्टः यस्य उपयोगः श्रेणीगतदत्तांशयोः तुलनां प्रदर्शयितुं भवति । प्रत्येकस्य पट्टिकायाः ​​ऊर्ध्वता तस्य वर्गस्य दत्तांशमूल्यं प्रतिनिधियति ।

import bqplot as bq

# 创建数据
x_labels = ['A', 'B', 'C', 'D']
y_values = [30, 20, 40, 10]

# 创建尺度
x_sc = bq.OrdinalScale()
y_sc = bq.LinearScale()

# 创建条形图标记
bar = bq.Bars(x=x_labels, y=y_values, scales={'x': x_sc, 'y': y_sc})

# 创建轴
ax_x = bq.Axis(scale=x_sc, label='Categories')
ax_y = bq.Axis(scale=y_sc, orientation='vertical', label='Values')

# 创建图表
fig = bq.Figure(marks=[bar], axes=[ax_x, ax_y], title='Bar Chart')

# 显示图表
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22

४.५ स्टैक्ड् बार चार्ट्

स्टैक्ड् बार चार्ट् एकः चार्ट् अस्ति यस्य उपयोगः बहुविधवर्गीयदत्तांशयोः तुलनां प्रदर्शयितुं भवति । प्रत्येकस्य पट्टिकायाः ​​ऊर्ध्वता तस्य वर्गस्य दत्तांशमूल्यं प्रतिनिधियति, प्रत्येकं पट्टिका च खण्डेषु विभक्तुं शक्यते, प्रत्येकं खण्डं उपवर्गं प्रतिनिधियति ।

import bqplot as bq

# 创建数据
x_labels = ['A', 'B', 'C', 'D']
y_values = [
    [30, 20],
    [20, 30],
    [40, 10],
    [10, 40]
]

# 创建尺度
x_sc = bq.OrdinalScale()
y_sc = bq.LinearScale()

# 创建堆积条形图标记
stacked_bar = bq.Bars(x=x_labels, y=y_values, scales={'x': x_sc, 'y': y_sc}, type='stacked')

# 创建轴
ax_x = bq.Axis(scale=x_sc, label='Categories')
ax_y = bq.Axis(scale=y_sc, orientation='vertical', label='Values')

# 创建图表
fig = bq.Figure(marks=[stacked_bar], axes=[ax_x, ax_y], title='Stacked Bar Chart')

# 显示图表
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27

उन्नत चार्ट प्रकार

५.१ हिस्टोग्रामः

हिस्टोग्रामः एकः प्रकारः चार्टः अस्ति यस्य उपयोगः दत्तांशवितरणं दर्शयितुं भवति ।अस्तिbqplotin, प्रयोक्तुं शक्यतेplt.hist function to create a histogram इति । अत्र सरलं उदाहरणम् अस्ति :

import numpy as np
import bqplot.pyplot as plt

# 生成随机数据
data = np.random.randn(1000)

# 创建直方图
fig = plt.figure()
hist = plt.hist(data, bins=30)
plt.title('Histogram of Random Data')
plt.xlabel('Value')
plt.ylabel('Frequency')

fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

अस्मिन् उदाहरणे वयं प्रथमं 1000 यादृच्छिकदत्तांशबिन्दवः उत्पन्नवन्तः ततः उपयोगं कृतवन्तःplt.hist फंक्शन् ३० बिन् युक्तं हिस्टोग्रामं निर्माति । शीर्षकं अक्षलेबल् च सेट् कृत्वा भवान् स्वस्य चार्ट् स्पष्टतरं सुलभतया च कर्तुं शक्नोति ।

५.२ रेखाचित्रम्

रेखाचित्रं एकः सामान्यः चार्टप्रकारः अस्ति यस्य उपयोगः कालान्तरे अथवा अन्येषां निरन्तरचरानाम् अन्तर्गतं दत्तांशस्य प्रवृत्तिं दर्शयितुं भवति ।अस्तिbqplotin, प्रयोक्तुं शक्यतेplt.plot रेखाचित्रं निर्मातुं function इति । अत्र उदाहरणम् अस्ति : १.

import numpy as np
import bqplot.pyplot as plt

# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建折线图
fig = plt.figure()
line = plt.plot(x, y)
plt.title('Line Chart of Sine Function')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

अस्मिन् उदाहरणे वयं 100 दत्तांशबिन्दून् सह sine function data उत्पन्नवन्तः ततः उपयोगं कृतवन्तःplt.plot फंक्शन् रेखाचित्रं निर्माति । शीर्षकं अक्षलेबल् च सेट् कृत्वा भवान् स्वस्य चार्ट् स्पष्टतरं सुलभतया च कर्तुं शक्नोति ।

५.३ मोमबत्तीचार्टः

मोमबत्ती-चार्ट्स् (कैण्डलस्टिक-चार्ट् इति अपि ज्ञायते) एकः प्रकारः चार्टः अस्ति यस्य उपयोगः वित्तीयदत्तांशं प्रदर्शयितुं भवति, यथा स्टॉकमूल्यानि ।अस्तिbqplotin, प्रयोक्तुं शक्यतेplt.candle मोमबत्ती-चार्ट्स् निर्मातुं function इति । अत्र उदाहरणम् अस्ति : १.

import numpy as np
import bqplot.pyplot as plt

# 生成随机金融数据
n = 100
open_prices = np.random.randn(n)
high_prices = open_prices + np.random.rand(n)
low_prices = open_prices - np.random.rand(n)
close_prices = open_prices + np.random.randn(n) * 0.5

# 创建蜡烛图
fig = plt.figure()
candle = plt.candle(open_prices, high_prices, low_prices, close_prices)
plt.title('Candlestick Chart of Random Financial Data')
plt.xlabel('Time')
plt.ylabel('Price')

fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

अस्मिन् उदाहरणे वयं यादृच्छिकं मुक्तं, उच्चं, न्यूनं, बन्दं च मूल्यदत्तांशं जनयामः ततः उपयुञ्ज्महेplt.candle फंक्शन् एकं कैण्डल्स्टिक चार्ट् निर्माति । शीर्षकं अक्षलेबल् च सेट् कृत्वा भवान् स्वस्य चार्ट् स्पष्टतरं सुलभतया च कर्तुं शक्नोति ।

५.४ तापनक्शा

तापनक्शा द्विविमीयदत्तांशस्य घनत्वं तीव्रतावितरणं वा प्रदर्शयितुं प्रयुक्तः एकः प्रकारः चार्टः ।अस्तिbqplotin, प्रयोक्तुं शक्यतेplt.heatmap function इत्यनेन तापनक्शं निर्मातुं शक्यते । अत्र उदाहरणम् अस्ति : १.

import numpy as np
import bqplot.pyplot as plt

# 生成随机数据
data = np.random.rand(10, 10)

# 创建热力图
fig = plt.figure()
heatmap = plt.heatmap(data)
plt.title('Heatmap of Random Data')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

अस्मिन् उदाहरणे वयं यादृच्छिकदत्तांशस्य 10x10 मैट्रिक्सं जनयित्वा ततः उपयोगं कृतवन्तःplt.heatmap फंक्शन् एकं तापनक्शं निर्माति । शीर्षकं अक्षलेबल् च सेट् कृत्वा भवान् स्वस्य चार्ट् स्पष्टतरं सुलभतया च कर्तुं शक्नोति ।

५.५ भौगोलिक मानचित्रम्

भौगोलिकचार्टः एकः प्रकारः चार्टः अस्ति यस्य उपयोगः भौगोलिकदत्तांशस्य प्रदर्शनार्थं भवति, यथा मानचित्रम् ।अस्तिbqplotin, प्रयोक्तुं शक्यतेplt.geo भौगोलिकनक्शानां निर्माणार्थं कार्यम्। अत्र उदाहरणम् अस्ति : १.

import bqplot.pyplot as plt

# 加载地理数据
map_data = 'World'

# 创建地理图
fig = plt.figure()
geo = plt.geo(map_data)
plt.title('Geographical Map')

fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

अस्मिन् उदाहरणे वयं विश्वमानचित्रदत्तांशं लोड् कुर्मः ततः उपयुञ्ज्महेplt.geo फंक्शन् भौगोलिकं मानचित्रं निर्माति । शीर्षकं स्थापयित्वा भवान् स्वस्य चार्ट् स्पष्टतरं सुलभतया च अवगन्तुं शक्नोति ।

अन्तरक्रियाशीलविशेषताः

6.1 अन्तरक्रियाशीलघटकानाम् अवलोकनम्

दत्तांशदृश्यीकरणे उपयोक्तृ-अनुभवं, आँकडा-अन्वेषण-क्षमतां च सुधारयितुम् अन्तरक्रियाशील-कार्यं कुञ्जी भवति ।bqplot उपयोक्तृभ्यः Jupyter Notebook इत्यस्मिन् गतिशीलं प्रतिक्रियाशीलं च आँकडा अन्वेषणं कर्तुं समर्थं कर्तुं समृद्धाः अन्तरक्रियाशीलघटकाः प्रदाति । एतेषु अन्तरक्रियाशीलघटकाः अन्तर्भवन्ति परन्तु एतेषु एव सीमिताः न सन्ति :

  • जूम एण्ड पैन: उपयोक्तारं चार्ट् मध्ये जूम इन अथवा आउट् कर्तुं, तथा च चार्ट् मध्ये पैन् कृत्वा दत्तांशस्य विभिन्नक्षेत्राणि द्रष्टुं अनुमतिं ददाति ।
  • चयनं कृत्वा स्वाइप् कुर्वन्तु: उपयोक्तृभ्यः अग्रे विश्लेषणार्थं चार्ट् मध्ये विशिष्टानि दत्तांशबिन्दून् अथवा क्षेत्राणि चयनं कर्तुं शक्नोति ।
  • tooltip: यदा मूषकः दत्तांशबिन्दुस्य उपरि भ्रमति तदा विस्तृतसूचनाः प्रदर्शयन्तु ।
  • गतिशील अद्यतन: उपयोक्तृनिवेशस्य अथवा आँकडापरिवर्तनस्य आधारेण चार्ट्स् गतिशीलरूपेण अद्यतनीकरणस्य अनुमतिं ददाति ।

एते अन्तरक्रियाशीलाः घटकाः सन्ति bqplot इत्यस्यInteractions मॉड्यूल कार्यान्वयनम् उपयोक्तृभ्यः सहजज्ञानयुक्तानि शक्तिशालिनः च आँकडा अन्वेषणसाधनं प्रदाति ।

6.2 सामान्यपरस्परक्रियाशीलघटकानाम् उपयोगः

जूम एण्ड पैन

दत्तांशदृश्यीकरणे जूमिंग्, पैनिङ्ग् च सर्वाधिकं मूलभूतं अन्तरक्रियाशीलं कार्यम् अस्ति ।bqplot अन्तर्निर्मितं जूम् तथा पैन् कार्याणि प्रदाति, उपयोक्तारः मूषकचक्रस्य माध्यमेन जूम कर्तुं शक्नुवन्ति तथा च मूषकस्य कर्षणद्वारा पैन् कर्तुं शक्नुवन्ति । अत्र सरलं उदाहरणम् अस्ति :

import bqplot.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(-10, 10, 100)
y = np.sin(x)

# 创建图表
fig = plt.figure(title="Zoom and Pan Example")
plt.plot(x, y)
plt.show()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11

अस्मिन् उदाहरणे उपयोक्ता मूषकचक्रस्य उपयोगेन चार्ट् मध्ये जूम इन वा आउट् वा कर्तुं शक्नोति तथा च मूषकं कर्षयित्वा चार्ट् पैन् कर्तुं शक्नोति ।

चयनं कृत्वा स्वाइप् कुर्वन्तु

चयनं ब्रशचयनक्षमता च उपयोक्तृभ्यः अग्रे विश्लेषणार्थं चार्टस्य अन्तः विशिष्टानि दत्तांशबिन्दवः क्षेत्राणि वा चयनं कर्तुं शक्नुवन्ति ।bqplot प्रदत्तBrushSelector तथाLassoSelector घटकानि एतस्य कार्यक्षमतां कार्यान्वितुं।निम्नलिखितम् एकः प्रयोगः अस्तिBrushSelector उदाहरण:

from bqplot import BrushSelector

# 创建选择器
brush = BrushSelector(x_scale=x_scale, y_scale=y_scale)

# 将选择器添加到图表
fig.interaction = brush
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

अस्मिन् उदाहरणे उपयोक्ता मूषकं कर्षयित्वा चार्ट् मध्ये आयताकारक्षेत्रं चिन्वितुं शक्नोति, ततः चयनितदत्तांशबिन्दवः प्रकाशिताः भविष्यन्ति ।

tooltip

यदा उपयोक्ता मूषकं दत्तांशबिन्दुस्य उपरि स्थापयति तदा टूलटिप्स विस्तृतसूचनाः प्रदर्शयितुं शक्नोति ।bqplot प्रदत्तTooltip घटकं एतत् कार्यक्षमतां प्राप्तुं । अत्र सरलं उदाहरणम् अस्ति :

from bqplot import Tooltip

# 创建工具提示
tooltip = Tooltip(fields=['x', 'y'], formats=['.2f', '.2f'])

# 将工具提示添加到图表
scatter.tooltip = tooltip
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

अस्मिन् उदाहरणे यदा उपयोक्ता scatter plot data point इत्यस्य उपरि भ्रमति तदा the... x तथाy मूल्यम्‌।

गतिशील अद्यतन

गतिशीलं अद्यतनविशेषता उपयोक्तृनिवेशस्य अथवा आँकडापरिवर्तनस्य आधारेण चार्ट्स् गतिशीलरूपेण अद्यतनीकरणस्य अनुमतिं ददाति ।bqplot प्रदत्तinteracts module इत्येतत् कार्यक्षमतां कार्यान्वितुं । अत्र सरलं उदाहरणम् अस्ति :

from ipywidgets import IntSlider

# 创建滑块
slider = IntSlider(value=50, min=0, max=100, step=1)

# 定义更新函数
def update_plot(change):
    new_value = change['new']
    scatter.x = np.linspace(0, new_value, 100)

# 绑定滑块到更新函数
slider.observe(update_plot, names='value')

# 显示滑块和图表
slider
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

अस्मिन् उदाहरणे उपयोक्ता स्लाइडरस्य मूल्यं समायोजयित्वा चार्ट् मध्ये दत्तांशं गतिशीलरूपेण अद्यतनीकर्तुं शक्नोति ।

उन्नतविशेषताः अनुप्रयोगाः च

7.1 अन्तरक्रियाशीलः डैशबोर्डः

अन्तरक्रियाशीलः डैशबोर्डः आँकडादृश्यीकरणे महत्त्वपूर्णः अनुप्रयोगः अस्ति, यः उपयोक्तृभ्यः अन्तरक्रियाशीलघटकानाम् माध्यमेन दत्तांशस्य गतिशीलरूपेण अन्वेषणं कर्तुं शक्नोति, येन दत्तांशस्य पृष्ठतः सूचनायाः गहनतया अवगमनं भवति bqplot इत्येतत् अन्तरक्रियाशीलं डैशबोर्डं निर्मातुं शक्तिशालिनः विशेषताः प्रदाति अत्र एकं सरलं उदाहरणं यत् बहुविधं चार्टं अन्तरक्रियाशीलघटकं च युक्तं डैशबोर्डं कथं निर्मातव्यम् इति दर्शयति ।

एकं अन्तरक्रियाशीलं डैशबोर्डं निर्मातुं
  1. आवश्यकपुस्तकालयान् आयातयन्तु

    import bqplot as bq
    import ipywidgets as widgets
    from bqplot import pyplot as plt
    import numpy as np
    
    • 1
    • 2
    • 3
    • 4
  2. दत्तांशं सज्जीकरोतु

    x = np.arange(100)
    y = np.random.randn(100).cumsum()
    
    • 1
    • 2
  3. एकं चार्टघटकं रचयन्तु

    line_chart = plt.plot(x, y, 'Line Chart')
    bar_chart = plt.bar(x, y, 'Bar Chart')
    
    • 1
    • 2
  4. अन्तरक्रियाशीलघटकाः रचयन्तु

    dropdown = widgets.Dropdown(
        options=['Line Chart', 'Bar Chart'],
        value='Line Chart',
        description='Chart Type:'
    )
    
    • 1
    • 2
    • 3
    • 4
    • 5
  5. अन्तरक्रिया तर्कं परिभाषयन्तु

    def on_change(change):
        if change['new'] == 'Line Chart':
            plt.clear()
            plt.plot(x, y, 'Line Chart')
        elif change['new'] == 'Bar Chart':
            plt.clear()
            plt.bar(x, y, 'Bar Chart')
    
    dropdown.observe(on_change, names='value')
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
  6. समष्टिघटकाः

    dashboard = widgets.VBox([dropdown, plt.figure])
    display(dashboard)
    
    • 1
    • 2

उपर्युक्तपदार्थानाम् माध्यमेन वयं सरलं अन्तरक्रियाशीलं डैशबोर्डं निर्मातुम् अर्हति यत्र उपयोक्तारः गतिशीलदत्तांशदृश्यीकरणं प्राप्तुं ड्रॉप्-डाउन मेन्यूद्वारा भिन्न-चार्ट-प्रकारस्य चयनं कर्तुं शक्नुवन्ति ।

७.२ दत्तांशचयनकर्तारः (चयनकाः) २.

आँकडाचयनकर्तारः bqplot इत्यस्मिन् आँकडा-छननाय, अन्तरक्रियायाः च कृते महत्त्वपूर्णाः घटकाः सन्ति । दत्तांशचयनकस्य माध्यमेन उपयोक्तारः अधिकं परिष्कृतं दत्तांशविश्लेषणं प्राप्तुं प्रत्यक्षतया चार्ट् मध्ये दत्तांशं चयनं कृत्वा संचालनं कर्तुं शक्नुवन्ति ।

दत्तांशचयनकस्य उपयोगस्य उदाहरणम्
  1. आवश्यकपुस्तकालयान् आयातयन्तु

    import bqplot as bq
    import ipywidgets as widgets
    from bqplot import pyplot as plt
    import numpy as np
    
    • 1
    • 2
    • 3
    • 4
  2. दत्तांशं सज्जीकरोतु

    x = np.arange(100)
    y = np.random.randn(100).cumsum()
    
    • 1
    • 2
  3. चार्टं रचयन्तु

    scatter_chart = plt.scatter(x, y, 'Scatter Chart')
    
    • 1
  4. दत्तांशचयनकं रचयन्तु

    selector = bq.interacts.BrushSelector(x_scale=scatter_chart.scales['x'], y_scale=scatter_chart.scales['y'])
    scatter_chart.interaction = selector
    
    • 1
    • 2
  5. चयनतर्कं परिभाषयन्तु

    def on_selection(change):
        selected_data = scatter_chart.selected
        print(f"Selected Data: {selected_data}")
    
    selector.observe(on_selection, names='selected')
    
    • 1
    • 2
    • 3
    • 4
    • 5
  6. चार्टं दर्शयतु

    display(plt.figure)
    
    • 1

उपर्युक्तपदार्थानाम् माध्यमेन वयं scatter plot इत्यत्र data selector निर्मातुम् अर्हति उपयोक्ता मूषकं कर्षयित्वा data points चयनं कर्तुं शक्नोति तथा च console मध्ये selected data output कर्तुं शक्नोति ।

७.३ प्रक्षेपणस्य मानचित्रस्य च उन्नतप्रयोगाः

bqplot न केवलं मूलभूतं 2D चार्ट्स् समर्थयति, अपितु शक्तिशालिनः भौगोलिकचार्ट् कार्याणि अपि प्रदाति येषां उपयोगेन विविधानि मानचित्रप्रक्षेपणं उन्नतभौगोलिकचार्ट्स् च निर्मातुं शक्यते

भौगोलिकनक्शस्य निर्माणस्य उदाहरणम्
  1. आवश्यकपुस्तकालयान् आयातयन्तु

    import bqplot as bq
    import ipywidgets as widgets
    from bqplot import pyplot as plt
    import numpy as np
    
    • 1
    • 2
    • 3
    • 4
  2. भौगोलिकदत्तांशं सज्जीकरोतु

    import json
    with open('world.json') as f:
        world_data = json.load(f)
    
    • 1
    • 2
    • 3
  3. भौगोलिकं मानचित्रं रचयन्तु

    map_chart = bq.Map(
        map_data=bq.topo_load('world.json'),
        scales={'projection': bq.AlbersUSA()}
    )
    
    • 1
    • 2
    • 3
    • 4
  4. अन्तरक्रियाशीलघटकाः रचयन्तु

    dropdown = widgets.Dropdown(
        options=['AlbersUSA', 'Mercator', 'Orthographic'],
        value='AlbersUSA',
        description='Projection:'
    )
    
    • 1
    • 2
    • 3
    • 4
    • 5
  5. अन्तरक्रिया तर्कं परिभाषयन्तु

    def on_change(change):
        if change['new'] == 'AlbersUSA':
            map_chart.scales['projection'] = bq.AlbersUSA()
        elif change['new'] == 'Mercator':
            map_chart.scales['projection'] = bq.Mercator()
        elif change['new'] == 'Orthographic':
            map_chart.scales['projection'] = bq.Orthographic()
    
    dropdown.observe(on_change, names='value')
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
  6. समष्टिघटकाः

    map_dashboard = widgets.VBox([dropdown, map_chart])
    display(map_dashboard)
    
    • 1
    • 2

उपर्युक्तपदार्थानाम् माध्यमेन वयं भौगोलिकं मानचित्रं निर्मातुम् अर्हति यत् बहुविधं मानचित्रप्रक्षेपणं समर्थयति उपयोक्तारः गतिशीलमानचित्रप्रदर्शनं प्राप्तुं ड्रॉप्-डाउन मेनूद्वारा भिन्नानि प्रक्षेपणविधयः चयनं कर्तुं शक्नुवन्ति ।

एतेषां उन्नतकार्यस्य अनुप्रयोगानाञ्च माध्यमेन bqplot उपयोक्तृभ्यः शक्तिशालिनः आँकडादृश्यीकरणसाधनं प्रदाति, येन Jupyter Notebook इत्यस्मिन् अन्तरक्रियाशीलदत्तांशविश्लेषणं अधिकं सुलभं कुशलं च भवति

एपिआइ दस्तावेजीकरण

८.१ पायप्लॉट्

bqplot इव किमपि प्रदातिmatplotlib इत्यस्यpyplot एपिआइ उपयोक्तृभ्यः शीघ्रं चार्ट्स् निर्मातुं प्रदर्शयितुं च शक्नोति ।निम्नलिखितम् केचन सामान्यतया प्रयुक्ताः सन्तिpyplot कार्याणि उदाहरणानि च : १.

  • figure(): नूतनं चित्रं रचयन्तु।
  • plot(): रेखाचित्रं आकर्षयन्तु।
  • scatter(): एकं प्रकीर्णन-प्लॉटं आकर्षयन्तु।
  • bar(): एकं बार चार्टं आकर्षयन्तु।
  • pie(): पाई चार्टं आकर्षयन्तु।
  • hist(): एकं हिस्टोग्रामं आकर्षयन्तु।

नमूनासङ्केतः : १.

from bqplot import pyplot as plt
import numpy as np

# 创建数据
x = np.arange(10)
y = x ** 2

# 创建图形
fig = plt.figure()

# 绘制折线图
plt.plot(x, y)

# 显示图形
plt.show()
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15

८.२ वस्तुप्रतिरूपम्

bqplot वस्तुप्रतिरूपं Grammar of Graphics इत्यस्य आधारेण भवति, यत् चार्ट्स् अनुकूलितुं अधिकं लचीलं विस्तृतं च मार्गं प्रदाति । अत्र केचन मूलवस्तूनि उदाहरणानि च सन्ति ।

  • Figure: आलेखस्य कृते पात्रं, यत्र सर्वे चिह्नाः अक्षाः च सन्ति ।
  • Mark: विशिष्टानि चित्रात्मकानि तत्त्वानि, यथा रेखाः, बिन्दुः, पट्टिकाः इत्यादयः।
  • Axis: अक्षः ।
  • Scale: डाटा टु ग्राफ मैपिंग।

नमूनासङ्केतः : १.

from bqplot import Figure, Axis, Scale, Lines
import numpy as np

# 创建数据
x = np.arange(10)
y = x ** 2

# 创建比例尺
x_scale = Scale(min=0, max=10)
y_scale = Scale(min=0, max=100)

# 创建轴
x_axis = Axis(scale=x_scale, label='X Axis')
y_axis = Axis(scale=y_scale, label='Y Axis', orientation='vertical')

# 创建标记
line = Lines(x=x, y=y, scales={'x': x_scale, 'y': y_scale})

# 创建图形
fig = Figure(marks=[line], axes=[x_axis, y_axis])

# 显示图形
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23

8.3 साधनसूचनानि साधनपट्टिकाः च

bqplot समृद्धानि साधनसूचनानि, साधनपट्टिकाकार्यं च प्रदाति, येन उपयोक्तारः चित्रैः सह अधिकसुलभतया अन्तरक्रियां कर्तुं शक्नुवन्ति ।

  • Tooltip: यदा मूषकं भ्रमति तदा दत्तांशसूचना प्रदर्शयन्तु।
  • Toolbar: जूमिंग्, पैनिङ्ग् इत्यादीनि अन्तरक्रियाशीलकार्यं प्रदाति ।

नमूनासङ्केतः : १.

from bqplot import Tooltip, Toolbar

# 创建工具提示
tooltip = Tooltip(fields=['x', 'y'], formats=['.2f', '.2f'])

# 创建工具栏
toolbar = Toolbar(figure=fig)

# 添加到图形
line.tooltip = tooltip
fig.toolbar = toolbar

# 显示图形
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14

8.4 अन्तरक्रिया तथा विपण्यमानचित्रम्

bqplot चयनं, जूमिंग्, पैनिंग् इत्यादीनि जटिलपरस्परक्रियाशीलकार्यं समर्थयति । अपि,bqplot अस्य उपयोगेन विपण्यनक्शा इत्यादीनां उन्नतदृश्यानां निर्माणार्थमपि कर्तुं शक्यते ।

नमूनासङ्केतः : १.

from bqplot import MarketMap
import pandas as pd

# 创建数据
data = pd.DataFrame({
    'label': ['A', 'B', 'C', 'D'],
    'values': [100, 200, 150, 300],
    'color': ['red', 'green', 'blue', 'yellow']
})

# 创建市场地图
market_map = MarketMap(names=data['label'], values=data['values'], colors=data['color'])

# 创建图形
fig = Figure(marks=[market_map])

# 显示图形
fig
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18

उपर्युक्तानां एपिआइ-दस्तावेजानां परिचयस्य माध्यमेन उपयोक्तारः अधिकतया अवगन्तुं, उपयोगं च कर्तुं शक्नुवन्ति bqplot समृद्धं, अन्तरक्रियाशीलं दत्तांशदृश्यीकरणं निर्मातुं पुस्तकालयः ।

प्रवासनमार्गदर्शिकाः योगदानं च

9.1 प्रवासनमार्गदर्शिका

अन्येभ्यः आँकडादृश्यीकरणपुस्तकालयेभ्यः यथा Matplotlib अथवा Plotly इत्यस्मात् विद्यमानप्रकल्पान् bqplot इत्यत्र प्रवासयन् भवन्तः केचन आव्हानाः सम्मुखीभवितुं शक्नुवन्ति । अत्र प्रवासप्रक्रियायाः मार्गदर्शने भवतः सहायार्थं केचन प्रमुखाः सोपानाः विचाराः च सन्ति ।

9.1.1 bqplot इत्यस्य मूलभूतसंकल्पनाः अवगच्छन्तु

प्रवासं आरभ्यतुं पूर्वं प्रथमं bqplot इत्यस्य मूलभूतसंकल्पनाः अवगन्तुं आवश्यकाः, यथा:

  • तराजू: दत्तांशस्य मानचित्रणविधिं परिभाषयन्तु, यथा रेखीयमापदण्डः, लघुगणकीयपरिमाणः इत्यादयः ।
  • अंकाः: चार्ट्स् मध्ये दृश्यतत्त्वान् प्रतिनिधियति, यथा प्रकीर्णनबिन्दवः, रेखाः, पट्टिकाः इत्यादयः ।
  • अक्षाः: चार्टस्य निर्देशांक-अक्षं परिभाषयन्तु।
  • अन्तरक्रियाः: उपयोक्तारः चार्टेन सह कथं संवादं कुर्वन्ति इति परिभाषयन्तु।
९.१.२ दत्तांशसज्जीकरणम्

सुनिश्चितं कुर्वन्तु यत् भवतः दत्तांशः सज्जः अस्ति तथा च bqplot द्वारा आवश्यके प्रारूपे सहजतया परिवर्तयितुं शक्यते । सामान्यतया, दत्तांशं Pandas DataFrame इत्यस्मिन् संग्रहीतुं शक्यते, यत् सुलभं दत्तांश-परिवर्तनं, दृश्यीकरणं च कर्तुं शक्नोति ।

९.१.३ क्रमिकप्रवासः
  1. आवश्यकपुस्तकालयान् आयातयन्तु

    import bqplot as bq
    import pandas as pd
    import numpy as np
    
    • 1
    • 2
    • 3
  2. तराजूः अक्षाः च रचयन्तु

    x_sc = bq.LinearScale()
    y_sc = bq.LinearScale()
    ax_x = bq.Axis(scale=x_sc, label='X Axis')
    ax_y = bq.Axis(scale=y_sc, label='Y Axis', orientation='vertical')
    
    • 1
    • 2
    • 3
    • 4
  3. टैग रचयन्तु

    data = pd.DataFrame(np.random.randn(100, 2), columns=['X', 'Y'])
    scatter = bq.Scatter(x=data['X'], y=data['Y'], scales={'x': x_sc, 'y': y_sc})
    
    • 1
    • 2
  4. चार्टं रचयन्तु

    fig = bq.Figure(axes=[ax_x, ax_y], marks=[scatter])
    
    • 1
  5. चार्टं दर्शयतु

    display(fig)
    
    • 1
९.१.४ अन्तरक्रियाणां निबन्धनम्

bqplot समृद्धानि अन्तरक्रियाशीलकार्यं प्रदाति, यत् भिन्नगुणान् सेट् कृत्वा प्राप्तुं शक्यते । यथा, जूम् एण्ड् पैन् कार्यक्षमतां सक्षमं कर्तुं :

scatter.enable_move = True
scatter.enable_zoom = True
  • 1
  • 2
९.१.५ इष्टशैल्याः

bqplot इत्यनेन भवान् स्वस्य चार्टस्य शैलीं अनुकूलितुं शक्नोति, यत्र वर्णः, मार्करशैली, रेखाशैली इत्यादयः सन्ति । यथा, प्रकीर्णनप्लॉटस्य स्वरूपं अनुकूलितुं :

scatter = bq.Scatter(x=data['X'], y=data['Y'], scales={'x': x_sc, 'y': y_sc}, colors=['blue'], default_size=20, marker='triangle-up', stroke='black')
  • 1

९.२ योगदानमार्गदर्शिकाः

bqplot एकः मुक्तस्रोतपरियोजना अस्ति तथा च समुदायस्य सदस्यानां कोड, दस्तावेजीकरणं, उदाहरणानि च योगदानं दातुं स्वागतम् अस्ति । अत्र bqplot परियोजनायां योगदानं आरभ्यतुं सहायार्थं केचन योगदानमार्गदर्शिकाः सन्ति ।

९.२.१ विकासवातावरणस्य स्थापना
  1. क्लोन भण्डार

    git clone https://github.com/bqplot/bqplot.git
    cd bqplot
    
    • 1
    • 2
  2. आश्रयाणि संस्थापयन्तु

    pip install -r requirements.txt
    
    • 1
  3. विकाससंस्करणं संस्थापयन्तु

    pip install -e .
    
    • 1
९.२.२ कोडलेखनम्

कोडं योगदानं कुर्वन् कृपया एतानि मार्गदर्शिकानि अनुसरणं कुर्वन्तु:

  • कोडिंग शैली:PEP 8 शैलीमार्गदर्शिकायाः ​​अनुसरणं कुर्वन्तु।
  • प्रलेख: नूतनानां विशेषतानां वा परिवर्तनानां वा कृते दस्तावेजीकरणं योजयन्तु।
  • परीक्षा:सङ्केतस्य सम्यक्त्वं सुनिश्चित्य यूनिट् टेस्ट् लिखन्तु।
9.2.3 प्रस्तूयताम्
  1. शाखां रचयतु

    git checkout -b my-new-feature
    
    • 1
  2. परिवर्तनं प्रतिबद्धं कुर्वन्तु

    git add .
    git commit -m "Add some feature"
    
    • 1
    • 2
  3. धक्का शाखा

    git push origin my-new-feature
    
    • 1
  4. Pull Request रचयन्तु
    GitHub इत्यत्र भवतः परिवर्तनस्य प्रेरणायाश्च वर्णनं कृत्वा नूतनं Pull Request रचयन्तु ।

9.2.4 समुदाये भागं गृह्णन्तु
  • चर्चासु भागं गृह्णन्तु: अन्यैः विकासकैः सह संवादं कर्तुं bqplot’s Gitter chat room अथवा GitHub discussion forum इत्यत्र सम्मिलितं भवन्तु ।
  • समस्यां निवेदयन्तु: यदि भवान् किमपि समस्यां दोषं वा प्राप्नोति तर्हि कृपया GitHub इत्यत्र Issue प्रस्तूयताम् ।
  • प्रतिक्रियां ददातु: परियोजनायाः उत्तमविकासे सहायतार्थं नूतनानां विशेषतानां वा सुधारणानां वा प्रतिक्रियां प्रदातव्यम्।

एतेषां मार्गदर्शिकानां अनुसरणं कृत्वा, भवान् bqplot परियोजनायां बहुमूल्यं योगदानं दातुं शक्नोति तथा च Python समुदाये अन्तरक्रियाशीलदत्तांशदृश्यीकरणं उन्नतयितुं साहाय्यं कर्तुं शक्नोति ।

सारांशः तथा दृष्टिकोणः

१०.१ bqplot इत्यस्य लाभाः सीमाः च

लाभ

bqplot इति इति इति आधारःग्राफिक्सस्य व्याकरणम् 2D दृश्यीकरण प्रणाली, कृते डिजाइनं कृतम्बृहस्पति नोटबुक प्ररचन। अस्य निम्नलिखित महत्त्वपूर्णाः लाभाः सन्ति- १.

  1. अन्तरक्रियाशीलता: bqplot इत्यस्य प्रत्येकं घटकं एकः अन्तरक्रियाशीलः विजेट् अस्ति, यत् उपयोक्तृभ्यः अन्यैः Jupyter अन्तरक्रियाशीलविजेट् इत्यनेन सह दृश्यीकरणं सहजतया एकीकृत्य जटिलं चित्रात्मकं उपयोक्तृ-अन्तरफलकं (GUI) निर्मातुं शक्नोति
  2. उपयोगस्य सुगमता: सरलपायथन् कोडस्य माध्यमेन उपयोक्तारः जटिलग्राफिक्स् प्रोग्रामिंग् इत्यस्य गहनतया अवगमनं विना शीघ्रमेव विविधानि चार्ट्स् निर्मातुं अनुकूलितुं च शक्नुवन्ति ।
  3. लचीलापनम्: भिन्न-भिन्न-दत्तांश-दृश्यीकरण-आवश्यकतानां पूर्तये स्कैटर-चार्ट्, पाई-चार्ट्, बॉक्स-प्लॉट्, बार-चार्ट् इत्यादीनि समाविष्टानि विविधानि चार्ट्-प्रकारस्य समर्थनं करोति ।
  4. एकीकरणम्: जुपिटर-पारिस्थितिकीतन्त्रेण सह सम्यक् एकीकृतम्, येन आँकडा-वैज्ञानिकानां विश्लेषकाणां च कृते आँकडा-विश्लेषण-प्रक्रियायां उपयोगः सुलभः भवति ।
सीमाः

यद्यपि bqplot शक्तिशाली कार्यक्षमतां लचीलतां च प्रदाति तथापि अस्य काश्चन सीमाः अपि सन्ति :

  1. प्रदर्शनम्‌: बृहत्-परिमाणस्य आँकडा-समूहानां कृते, bqplot इत्यस्य कार्यक्षमता केषाञ्चन व्यावसायिक-दृश्यीकरण-उपकरणानाम् इव उत्तमं न भवितुम् अर्हति, विशेषतः जटिल-चार्ट्-सहितं, बृहत्-मात्रायां च दत्तांशैः सह व्यवहारं कुर्वन्
  2. शिक्षण वक्रता: यद्यपि bqplot इत्यस्य आरम्भः तुल्यकालिकरूपेण सुलभः अस्ति तथापि आरम्भकानां कृते अद्यापि तस्य एपिआइ तथा अन्तरक्रियाशीलघटकैः परिचितः भवितुम् किञ्चित् समयः भवति ।
  3. सामुदायिक समर्थन: केषाञ्चन परिपक्वदृश्यपुस्तकालयानां तुलने bqplot इत्यस्य समुदायः लघुः अस्ति, यस्य परिणामेण समस्यानां सम्मुखीभवने सहायतार्थं सीमितसंसाधनं भवितुम् अर्हति ।

१०.२ भविष्यस्य विकासस्य प्रवृत्तयः

सक्रियमुक्तस्रोतपरियोजनारूपेण bqplot इत्यस्य भविष्यविकासप्रवृत्तयः ध्यानं दातुं अर्हन्ति:

  1. कार्यप्रदर्शन अनुकूलन: प्रौद्योगिक्याः विकासेन सह, अपेक्षा अस्ति यत् bqplot कार्यप्रदर्शने महत्त्वपूर्णं सुधारं प्राप्स्यति तथा च बृहत्-परिमाणस्य आँकडा-समूहान् जटिल-चार्ट्-इत्येतत् च उत्तमरीत्या सम्पादयिष्यति
  2. नवीनं विशेषता एकीकरणम्: भविष्यस्य संस्करणेषु अधिक उन्नतचार्टप्रकाराः अन्तरक्रियाशीलविशेषताः च परिचयः भवितुम् अर्हति, यथा 3D दृश्यीकरणं, एनिमेशनसमर्थनम् इत्यादयः ।
  3. सामुदायिक वृद्धि: यथा यथा bqplot इत्यस्य लोकप्रियता अनुप्रयोगव्याप्तिः च विस्तारिता भवति तथा तथा तस्य समुदायः निरन्तरं वर्धते तथा च अधिकान् विकासकान् उपयोक्तृन् च भागं ग्रहीतुं आकर्षयिष्यति इति अपेक्षा अस्ति।
  4. पार-मञ्च समर्थन: Jupyter Notebook इत्यस्य अतिरिक्तं, bqplot इत्यस्य विस्तारः अन्येषु मञ्चेषु वातावरणेषु च भवितुं शक्यते यत् अनुप्रयोगपरिदृश्यानां विस्तृतपरिधिं प्रदातुं शक्यते ।

संक्षेपेण, bqplot, एकस्य शक्तिशाली अन्तरक्रियाशीलदत्तांशदृश्यीकरणसाधनस्य रूपेण, आँकडाविज्ञानस्य क्षेत्रे व्यापकाः अनुप्रयोगसंभावनाः सन्ति । निरन्तरं अनुकूलनेन, विशेषताविस्तारेण च, एतत् दत्तांशविश्लेषणस्य दृश्यीकरणस्य च अधिकसंभावनाः निरन्तरं प्रदास्यति ।