Динамическая визуализация с использованием Python

Что вы можете сделать на Python Программирование и разработка

Визуализация данных в Python относится к графическому представлению необработанных данных для лучшей визуализации, понимания и выводов. Python предоставляет различные библиотеки, содержащие различные функции для визуализации данных, и может поддерживать различные типы графиков, например, Matplotlib, Seaborn, Bokeh, Plotly и другие.

Требуемый модуль:

pip install numpy matplotlib

Что такое динамическая визуализация в Python

Динамическая визуализация для любой системы означает графическое представление изменения состояния текущей системы во время презентации. В аспекте визуализации данных в Python динамическая визуализация — это динамический график, который либо меняется с течением времени, как в видео, либо может меняться по мере того, как пользователь меняет ввод, но в текущей презентации, как если бы он был живым.

Шаги для создания динамического графика в Python

Ниже приведены шаги для создания нашей первой динамической визуализации в Python.

Шаг 1. Создайте очередь фиксированной длины

Очередь — это линейная структура данных, в которой элементы хранятся по принципу «первым пришел — первым обслужен» (FIFO) . Это может быть реализовано различными способами в Python. Создание очереди фиксированной длины для динамического построения графиков в Python означает создание структуры данных, которая может хранить фиксированное количество элементов и отбрасывать самый старый элемент при заполнении контейнера. Это полезно, когда мы хотим построить точки данных, которые постоянно обновляются. Ограничив размер контейнера, мы можем предотвратить переполнение графика, что улучшит производительность и ясность графика.

Python3

# Deque is preferred over list in the cases where we need 
# quicker append and pop operations from both the ends of container
from collections import deque
# Create a deque with a maximum length of 3
data_points = deque(maxlen=3)
 
# Add new data points to the deque
data_points.append(40)
data_points.append(60)
data_points.append(30)
 
# display the data points in the deque
print(data_points)  # deque([40, 60, 30], maxlen=3)
 
# Add more data points to the deque
data_points.append(13)
data_points.append(99)
 
# The oldest data point is/are automatically 
# removed from front of queue.
# deque([30, 13, 99], maxlen=3)
print(data_points)

Выход

deque([40, 60, 30], maxlen=3)
deque([30, 13, 99], maxlen=3)

Шаг 2. Создайте точки и сохраните их в очереди

Здесь мы динамически генерируем точки данных и добавляем их в структуру данных очереди, а не выполняем ручные операции, как показано в приведенном выше примере. Здесь мы будем использовать функции, доступные в случайном модуле Python, для создания точек данных.

Python3

from collections import deque
import random
 
# Create a deque with fixed length 5
data_points = deque(maxlen=5)
 
# Generate and append data points to the deque
# we iterate 2 extra times to demonstrate how 
# queue removes values from front
for i in range(7):
     # generate random numbers between 0 
    # to 100 (both inclusive)
    new_data_point = random.randint(0, 100)
    data_points.append(new_data_point)
    print(data_points)

Выход

Примечание. Выход будет отличаться.

deque([64], maxlen=5)
deque([64, 57], maxlen=5)
deque([64, 57, 15], maxlen=5)
deque([64, 57, 15, 31], maxlen=5)
deque([64, 57, 15, 31, 35], maxlen=5)
deque([57, 15, 31, 35, 25], maxlen=5)
deque([15, 31, 35, 25, 12], maxlen=5)

Шаг 3. Удаляем первую точку

При динамическом построении в Python, когда мы создаем новую точку данных и добавляем ее в очередь фиксированной длины, нам нужно удалить самую старую точку из очереди, чтобы сохранить фиксированную длину очереди. Здесь мы удаляем элемент с левой стороны по принципу FIFO.

Python3

from collections import deque
import random
# Create a deque with fixed length
data_points = deque(maxlen=5)
# Append 5 data points to the deque at once using extend method.
data_points.extend([1, 2, 3, 4, 5])
# Print the deque before removing the first element
print("Deque before removing the first element:", data_points)
# Remove the first element from the deque
data_points.popleft()
# Print the deque after removing the first element
print("Deque after removing the first element:", data_points)

Выход

Deque before removing the first element: deque([1, 2, 3, 4, 5], maxlen=5)
Deque after removing the first element: deque([2, 3, 4, 5], maxlen=5)

Шаг 4. Постройте очередь. Приостановите график, чтобы визуализировать

Сначала мы отображаем точки данных, которые хранятся в очереди, с помощью Matplotlib, а затем приостанавливаем график на определенное время, чтобы график можно было визуализировать, прежде чем он будет обновлен следующим набором точек данных. Это можно сделать с помощью функции plt.pause() в Matplotlib.

Здесь, в нашем примере блока кода, мы сгенерируем случайный набор значений y для постоянного увеличения значений оси x от 0, а затем посмотрим на график, а затем приостановим его. Объяснение кода следующее.

  • data_points = deque(maxlen=50):Создайте объект очереди с максимальной длиной 50 для хранения точек данных.
  • fig, ax = plt.subplots():создайте фигуру и объект осей для графика.
  • line = ax.plot([]):Создайте пустой график с помощью метода plot() объекта осей и сохраните его в переменной строки.
  • ax.set_xlim(0, 100) и ax.set_ylim(0, 100):установите пределы оси x и оси y на 0 и 100 соответственно.
  • for I in range(50): повторите 50 точек данных, чтобы обновить график. Создайте новые точки данных для осей x и y. Добавьте новые точки данных в очередь. Обновите график новыми точками данных, используя метод set_data() объекта линии. Приостановите график на 0,01 секунды, используя plt.pause(0,01), чтобы дать графику время для обновления.

Python3

import matplotlib.pyplot as plt
from collections import deque
import random
 
# Create a fixed-length deque of size 50 to store the data points
data_points = deque(maxlen=50)
 
# Create an empty plot
fig, ax = plt.subplots()
line = ax.plot([])
 
# Set the x-axis and y-axis limits to 100
ax.set_xlim(0, 100)
ax.set_ylim(0, 100)
 
# Iterate through 50 data points and update the plot
for i in range(50):
    # Generate and add data points to the deque
    new_x = i
    # generate a random number between 0 to 100 for y axis
    new_y = random.randint(0, 100)
    data_points.append((new_x, new_y))
 
    # Update the plot with the new data points
    x_values = [x for x, y in data_points]
    y_values = [y for x, y in data_points]
    line.set_data(x_values, y_values)
    # pause the plot for 0.01s before next point is shown
    plt.pause(0.01)
 
# Show the plot
plt.show()

Выход :

График для приведенного выше блока код

График для приведенного выше блока кода ( обратите внимание, что вывод будет меняться, поскольку y генерируется случайным образом)

Шаг 5. Очистите график для следующего набора значений

При обновлении точек данных в режиме реального времени мы очищаем график перед построением следующего набора значений. Это можно сделать с помощью функции line.set_data([], []) в Matplotlib, чтобы мы поддерживали отображение фиксированного размера структуры данных очереди в режиме реального времени.

Примечание. При удалении из очереди, даже если элементы не извлекаются, они автоматически удаляются из начала очереди по принципу FIFO. Объяснение кода следующее.

  • data_points = deque(maxlen=50): создайте объект очереди с максимальной длиной 50 для хранения точек данных
  • fig, ax = plt.subplots(): Создайте фигуру и объект осей для графика.
  • line, = ax.plot([]): создайте пустой график с помощью метода plot() объекта осей и сохраните его в переменной строки.
  • set_xlim(0, 100) и ax.set_ylim(0, 100): установите пределы оси x и оси y на 0 и 100 соответственно.
  • for i in range(100): повторите 100 точек данных, чтобы обновить график. Создайте новые точки данных для осей x и y. Добавьте новые точки данных в очередь. Обновите график новыми точками данных, используя метод set_data() объекта линии. Приостановите график на 0,01 секунды, используя plt. pause(0.01) для обновления графика. Очистите график для следующего набора точек данных, вызвав функцию line.set_data([], []).

Python3

import matplotlib.pyplot as plt
from collections import deque
import random
 
# Create a fixed-length deque to store the data points
data_points = deque(maxlen=50)
 
# Create an empty plot
fig, ax = plt.subplots()
line, = ax.plot([])
 
# Set the x-axis and y-axis limits
ax.set_xlim(0, 100)
ax.set_ylim(0, 100)
 
# Iterate through the data points and update the plot
for i in range(100):
    # Generate and add data points to the deque
    new_x = i
    new_y = random.randint(0, 100)
    data_points.append((new_x, new_y))
 
    # Update the plot with the new data points
    x_values = [x for x, y in data_points]
    y_values = [y for x, y in data_points]
    line.set_data(x_values, y_values)
    plt.pause(0.01)
 
    # Clear the plot for the next set of values
    line.set_data([], [])
 
# Show the plot
plt.show()

Выход:

афик может отличаться, так как y является случай

График для приведенного выше кода ( Примечание : график может отличаться, поскольку y является случайным)

Динамический график рассеяния

Объяснение кода следующее.

  • data_points = deque(maxlen=50): создайте объект очереди с максимальной длиной 50 для хранения точек данных.
  • fig, ax = plt.subplots(): Создайте фигуру и объект осей для графика.
  • set_xlim(0, 100)и ax.set_ylim(0, 100) : установите пределы оси x и оси y на 0 и 100 соответственно.
  • scatter = ax.scatter([], []): создайте пустой точечный график, используя метод scatter() объекта осей, и сохраните его в переменной рассеяния. Метод scatter() принимает пустые списки в качестве аргументов для координат x и y, которые будут обновлены позже.
  • for i in range(100):повторите 100 точек данных, чтобы обновить точечную диаграмму. Создайте новые точки данных для осей x и y. Добавьте новые точки данных в очередь. Обновите точечный график новыми точками данных, используя метод set_offsets() объекта рассеяния. Метод set_offsets() принимает список кортежей, представляющих координаты x и y точек данных. Приостановите график на 0,01 секунды, используя plt.pause(0,01), чтобы дать графику время для обновления.

Python3

import matplotlib.pyplot as plt
from collections import deque
import random
 
# Create a fixed-length deque of length 50 to store the data points
data_points = deque(maxlen=50)
 
# Create an empty plot
fig, ax = plt.subplots()
 
# Set the x-axis and y-axis limits to 100
ax.set_xlim(0, 100)
ax.set_ylim(0, 100)
 
# Create a scatter plot to visualize the data points
scatter = ax.scatter([], [])
 
# Iterate through the data points and update the scatter plot
for i in range(100):
    # Generate and add data points to the deque
    new_x = i
    new_y = random.randint(0, 100)
    data_points.append((new_x, new_y))
 
    # Update the scatter plot with the new data points
    x_values = [x for x, y in data_points]
    y_values = [y for x, y in data_points]
    scatter.set_offsets(list(zip(x_values, y_values)))
    plt.pause(0.01)
 
# Show the plot
plt.show()

Выход:

намический точечный график и линейный гр

График для приведенного выше кода ( Примечание: график может отличаться, так как y является случайным)

Динамический точечный график и линейный график

Объяснение кода следующее.

  • fig, ax = plt.subplots(): Создайте фигуру и объект осей для графика.
  • line, = ax.plot([]): создайте пустой линейный график, используя метод plot() объекта осей, и сохраните его в переменной строки. Аргумент [] указывает, что данные изначально не отображаются на линейном графике.
  • set_xlim(0, 100)и ax.set_ylim(0, 100) : установите пределы оси x и оси y на 0 и 100 соответственно.
  • scatter = ax.scatter([], []): создайте пустой точечный график, используя метод scatter() объекта осей, и сохраните его в переменной рассеяния. Метод scatter() принимает пустые списки в качестве аргументов для координат x и y, которые будут обновлены позже.
  • for i in range(100):: Повторить 100 точек данных, чтобы обновить точечный график и линейный график. Создайте новые точки данных для осей x и y. Добавьте новые точки данных в очередь. Обновите точечную диаграмму новыми точками данных, используя метод set_offsets() объекта рассеяния. Метод set_offsets() принимает список кортежей, представляющих координаты x и y точек данных. Обновите линейный график новыми точками данных, используя метод set_data() объекта линии. Метод set_data () принимает значения x и y в качестве аргументов. Приостановите график на 0,01 секунды, используя pause(0,01), чтобы дать графику время для обновления.

Python3

import matplotlib.pyplot as plt
from collections import deque
import random
from matplotlib.animation import FuncAnimation
# Create a fixed-length deque of length 50 to store the data points
data_points = deque(maxlen=50)
# Create an empty plot
fig, ax = plt.subplots()
line, = ax.plot([])
# Set the x-axis and y-axis limits to 100
ax.set_xlim(0, 100)
ax.set_ylim(0, 100)
# Create a scatter plot to visualize the data points
scatter = ax.scatter([], [])
# Iterate through the data points and update the scatter plot
for i in range(100):
# Generate and add data points to the deque
new_x = i
new_y = random.randint(0, 100)
data_points.append((new_x, new_y))
# Update the scatter plot with the new data points
x_values = [x for x, y in data_points]
y_values = [y for x, y in data_points]
scatter.set_offsets(list(zip(x_values, y_values)))
line.set_data(x_values, y_values)
plt.pause(0.01)
# Save the animation as an animated GIF
plt.show()

Выход:

новите линейный график новыми точками данных, испол

Оба сюжета

Читайте также:  Как создать вывод CSV в Flask?
Оцените статью
bestprogrammer.ru
Добавить комментарий