作者：俊欣

来源：关于数据分析与可视化

今天小编总结归纳了若干个常用的可视化图表，并且通过调用plotly、matplotlib、altair、bokeh和seaborn等模块来分别绘制这些常用的可视化图表，最后无论是绘制可视化的代码，还是会指出来的结果都会通过调用streamlit模块展示在一个可视化大屏，出来的效果如下图所示

那我们接下去便一步一步开始可视化大屏的制作吧！

标题、副标题以及下拉框

首先我们对标题、副标题部分的内容，代码如下

with st.container():    st.title("Python可视化合集")    st.header("经典常用的Python可视化模块")    st.write("""包括代码和可视化图表展示""")

然后便是下拉框的制作，代码如下

plot_types = (    "Scatter",    "Histogram",    "Bar",    "Line",    "Boxplot")# 选择绘制的图表种类chart_type = st.selectbox("Choose your chart type", plot_types)with st.container():    st.subheader(f"Showing:  {chart_type}")    st.write("")

对于图表的展示可以选择是“双排式”的，如下图所示

也可以选择是沉浸式的，也即是“单排式”的，如下图所示

代码如下

two_cols = st.checkbox("2 columns?", True)if two_cols:    col1, col2 = st.columns(2)    # 展示图表if two_cols:    with col1:        show_plot(kind="Matplotlib")    with col2:        show_plot(kind="Seaborn")    with col1:        show_plot(kind="Plotly Express")    with col2:        show_plot(kind="Altair")    with col1:        show_plot(kind="Pandas Matplotlib")    with col2:        show_plot(kind="Bokeh")else:    with st.container():        for lib in libs:            show_plot(kind=lib)

对于双排式的展示方式而言，col1也就是左边，放置的是matplotlib、plotly、以及pandas绘制出来的图表，右边也就是col2也就是右边，放置的是seaborn、altair以及bokeh绘制出来的图表，而上述代码中调用的show_plot()函数代码如下

# 生成图表def show_plot(kind: str):    st.write(kind)    if kind == "Matplotlib":        plot = matplotlib_plot(chart_type, df)        st.pyplot(plot)    elif kind == "Seaborn":        plot = sns_plot(chart_type, df)        st.pyplot(plot)    elif kind == "Plotly Express":        plot = plotly_plot(chart_type, df)        st.plotly_chart(plot, use_container_width=True)    elif kind == "Altair":        plot = altair_plot(chart_type, df)        st.altair_chart(plot, use_container_width=True)    elif kind == "Pandas Matplotlib":        plot = pd_plot(chart_type, df)        st.pyplot(plot)    elif kind == "Bokeh":        plot = bokeh_plot(chart_type, df)        st.bokeh_chart(plot, use_container_width=True)

是一系列if...else...的判断，当绘制图表的模块是matplotlib时就调用对应的matplotlib_plot()函数，当绘制图表的模块是seaborn时就调用对应的sns_plot()函数，依次同理。我们来看其中一个函数sns_plot()的具体逻辑，代码如下

def sns_plot(chart_type: str, df):    """ 生成seaborn绘制的图表 """    fig, ax = plt.subplots()    if chart_type == "Scatter":        with st.echo():            sns.scatterplot(                data=df,                x="bill_depth_mm",                y="bill_length_mm",                hue="species",            )            plt.title("Bill Depth by Bill Length")    elif chart_type == "Histogram":        with st.echo():            sns.histplot(data=df, x="bill_depth_mm")            plt.title("Count of Bill Depth Observations")    elif chart_type == "Bar":        with st.echo():            sns.barplot(data=df, x="species", y="bill_depth_mm")            plt.title("Mean Bill Depth by Species")    elif chart_type == "Boxplot":        with st.echo():            sns.boxplot(data=df["bill_depth_mm"].dropna())            plt.title("Bill Depth Observations")    elif chart_type == "Line":        with st.echo():            sns.lineplot(data=df, x=df.index, y="bill_length_mm")            plt.title("Bill Length Over Time")    return fig

其实也是一系列if...else...的判断，当所要绘制的图表是散点图时，调用的是sns.scatterplot()函数，所要绘制的是直方图时，调用的是sns.histplot()，绘制的柱状图或者是折线图时也是同理

最后要是我们想要查看源数据时，也可以查看，代码如下

# 展示源数据with st.container():    show_data = st.checkbox("See the raw data?")    if show_data:        df    # 要点    st.subheader("Notes")    st.write(        """        - 这个应用是通过python当中的streamlit模块制作出来的        - 关注"关于数据分析与可视化"，学习更多数据分析和可视化知识与技能        """    )

output