代码之家 › 专栏 › 技术社区 › vestland

Jupyter:如何使用widgets.selectmultiple()交互选择要绘制的系列?

jupyter-notebook python

1

vestland · 技术社区 · 7 年前

背景:

有人问了类似的问题 here ,但不是很具体,大多数回答只参考了其他来源。我的案件感觉很基本,我惊讶于找到这方面的工作实例有多困难。

目标:

我只想能够从熊猫数据框中选择任何子集,通过使用这样的小部件进行如下绘图:

我的尝试:

这个 widgets.SelectMultiple() 小部件在 docs 和 this section 描述如何以交互方式更改绘图中序列的值。我试图用 widgets.selectmultiple()。 但几乎没有成功。

我认为我很快就要开始工作了,我希望我所要做的就是找出在标有 “怎么办!“ 在下面的片段中。正如现在的代码片段,小部件和图表被生成,但它们之间没有起作用的链接。

我知道的问题:

我对链接中提供的示例的复制有一些缺陷。我想 df 和 widg 应该包括在 multiplot 功能。同样的情况也可能发生在 interactive plot 功能。我也尝试过不同的变化,但没有成功。

片段(在Jupyter笔记本中使用):

# imports
%matplotlib inline

from ipywidgets import interactive
import pandas as pd
import numpy as np
from jupyterthemes import jtplot

# Sample data
np.random.seed(123)
rows = 50
dfx = pd.DataFrame(np.random.randint(90,110,size=(rows, 1)), columns=['Variable X'])
dfy = pd.DataFrame(np.random.randint(25,68,size=(rows, 1)), columns=['Variable Y'])
dfz = pd.DataFrame(np.random.randint(60,70,size=(rows, 1)), columns=['Variable Z'])

df = pd.concat([dfx,dfy,dfz], axis = 1)
#jtplot.style()

import ipywidgets as widgets
from IPython.display import display

def multiplot():
    opts = df.columns.values

    widg = widgets.SelectMultiple(
           options=opts,
           value=[opts[1]],
           rows=len(opts),
           description='Variables',
           disabled=False)

    display(widg)

    # what to do!? 
    df.plot()

    #attempts:
    #df[widg].plot()
    #df[widg.value[0]].plot()

interactive_plot = interactive(multiplot)
output = interactive_plot.children[-1]
output.layout.height = '350px'
interactive_plot

输出(有缺陷):

1 回复 | 直到 7 年前

1

ac24 7 年前

谢谢你举的例子。不幸的是,我不确定selectmultiple是否可以按您的意愿使用。

通常,对于交互调用,需要一个向其传递参数的函数。您不需要在函数体内部创建小部件, interact 调用应该理解从传递的参数需要什么类型的输入小部件。

有关指定字符串选项列表的示例,请参见此处。( https://ipywidgets.readthedocs.io/en/stable/examples/Using%20Interact.html#Widget-abbreviations )

我对您的代码做了一些小的修改,以生成一个与下拉选择器交互的产品。我怀疑如果你想使用selectmultiple而不是下拉列表,这已经超出了 交互作用 功能。您可能需要单独创建小部件,然后使用 observe .

# imports
%matplotlib inline

from ipywidgets import interactive
import pandas as pd
import numpy as np
# from jupyterthemes import jtplot

# Sample data
np.random.seed(123)
rows = 50
dfx = pd.DataFrame(np.random.randint(90,110,size=(rows, 1)), columns=['Variable X'])
dfy = pd.DataFrame(np.random.randint(25,68,size=(rows, 1)), columns=['Variable Y'])
dfz = pd.DataFrame(np.random.randint(60,70,size=(rows, 1)), columns=['Variable Z'])

df = pd.concat([dfx,dfy,dfz], axis = 1)
#jtplot.style()

import ipywidgets as widgets
from IPython.display import display

def multiplot(a):
    opts = df.columns.values
    df.loc[:, a].plot()

interactive_plot = interactive(multiplot, a=['Variable X', 'Variable Y', 'Variable Z'])
output = interactive_plot.children[-1]
output.layout.height = '350px'
interactive_plot

这里有一个版本使用 观察 ,一个selectmultiple小部件和一个 Output 小装置:

# imports
%matplotlib inline

from ipywidgets import interactive
import pandas as pd
import numpy as np
from IPython.display import clear_output
import matplotlib.pyplot as plt

# Sample data
np.random.seed(123)
rows = 50
dfx = pd.DataFrame(np.random.randint(90,110,size=(rows, 1)), columns=['Variable X'])
dfy = pd.DataFrame(np.random.randint(25,68,size=(rows, 1)), columns=['Variable Y'])
dfz = pd.DataFrame(np.random.randint(60,70,size=(rows, 1)), columns=['Variable Z'])

df = pd.concat([dfx,dfy,dfz], axis = 1)
#jtplot.style()

import ipywidgets as widgets
from IPython.display import display

opts = df.columns.values

selector = widgets.SelectMultiple(
options=opts,
value=[opts[1]],
rows=len(opts),
description='Variables',
disabled=False)

output = widgets.Output()

display(selector)
display(output)

def multiplot(widg):
    choices = widg['new']
    data = df.loc[:, choices]
    output.clear_output(wait=True)
    with output:
        ax = data.plot()
        plt.show()

selector.observe(multiplot, names='value')