HoloViews Python (jak to działa dla programistów)

Funkcje HoloViews

1. Składnia deklaratywna: HoloViews wykorzystuje wysokopoziomową składnię deklaratywną, która pozwala użytkownikom dokładnie określić, co chcą zobaczyć, upraszczając tworzenie złożonych wizualizacji.

2. Natywna integracja: Obsługuje natywnie szeroki zakres typów i struktur danych, płynnie integrując się z bibliotekami w ramach stosu obliczeń naukowych, takimi jak Pandas, Dask i XArray.

3. Obsługa bibliotek zewnętrznych: Obsługuje szereg bibliotek, w tym Matplotlib, Bokeh i Plotly, umożliwiając użytkownikom łatwe przełączanie się między wieloma bibliotekami wizualizacji.

4. Interaktywność: Zapewnia interaktywne wykresy do dynamicznej wizualizacji, umożliwiając użytkownikom interaktywne przeglądanie i interpretowanie danych.

5. Rozszerzalność: Oferuje bogaty zestaw opcji dostosowywania wizualizacji i obsługuje wiele backendów, umożliwiając użytkownikom rozszerzanie i precyzyjne dostosowywanie wizualizacji w zależności od potrzeb.

6. Łatwość użytkowania: API wysokiego poziomu HoloViews ogranicza ilość kodu potrzebnego do tworzenia wizualizacji dużych zbiorów danych, pozwalając użytkownikom skupić się bardziej na analizie danych niż na zawiłościach tworzenia wykresów.

7. Kompozycyjność: Użytkownicy mogą z łatwością łączyć proste komponenty w zaawansowane wizualizacje dzięki funkcji kompozycyjności, która skupia się na zapewnieniu płynności i prostoty wizualizacji.

8. Potoki danych: Upraszczają tworzenie skomplikowanych przepływów pracy związanych z przetwarzaniem i prezentacją danych.

9. Bogaty ekosystem: Jako część ekosystemu HoloViz, HoloViews zapewnia Suite narzędzi do wizualizacji danych i tworzenia aplikacji oraz dobrze współpracuje z innymi solidnymi narzędziami w ekosystemie, takimi jak Panel i Datashader.

Tworzenie i konfigurowanie HoloViews

pip install holoviews
pip install bokeh

pip install holoviews
pip install bokeh

Wykorzystanie HoloViews do generowania wykresów

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

hist = hv.Histogram(np.histogram(y, bins=20)).opts(
    title="Histogram", xlabel="Value", ylabel="Frequency", color='green'
)

# Combine the HoloViews plots into a layout
layout = (line_plot + scatter_plot + hist).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400),
    opts.Histogram(width=400, height=400)
)

# Display layout
layout

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

hist = hv.Histogram(np.histogram(y, bins=20)).opts(
    title="Histogram", xlabel="Value", ylabel="Frequency", color='green'
)

# Combine the HoloViews plots into a layout
layout = (line_plot + scatter_plot + hist).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400),
    opts.Histogram(width=400, height=400)
)

# Display layout
layout

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

Powyższy fragment kodu generuje i dostosowuje różne elementy graficzne wizualizacji danych w HoloViews, a następnie łączy je w jeden układ. Zaczynamy od zaimportowania bibliotek, zainicjowania HoloViews w celu wykorzystania backendu Bokeh do tworzenia interaktywnych wykresów oraz wygenerowania danych przy użyciu NumPy. Zbiór danych składa się z tablicy wartości x i odpowiadających im wartości sinusoidalnych y.

Skrypt generuje trzy rodzaje wykresów: wykres liniowy fali sinusoidalnej, wykres punktowy z punktami danych oraz histogram rozkładu wartości sinusoidalnych. Wszystkie wykresy są dostosowane pod kątem tytułów, etykiet osi i kolorystyki przy użyciu metody opts.

Układ graficzny układa wykresy w jednej kolumnie. Po wyświetleniu wizualizacji układ jest zapisywany za pomocą hv.save jako "visualization.html", co pokazuje, jak łatwo jest tworzyć i zapisywać interaktywne wizualizacje za pomocą HoloViews.

Czym jest IronPDF?

Zainstaluj IronPDF

Bibliotekę IronPDF można zainstalować za pomocą pip, używając następującego polecenia:

pip install ironpdf

pip install ironpdf

Generowanie wykresów w plikach PDF za pomocą HoloViews

Oto przykład wykorzystania HoloViews do tworzenia prostych wizualizacji:

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np
from ironpdf import ChromePdfRenderer
import warnings

# Suppress warnings
warnings.filterwarnings('ignore')

# Set IronPDF license key (replace with your actual key)
# License.LicenseKey = "your_license_key_here"

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

# Combine plots into a layout
layout = (line_plot + scatter_plot).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400)
)

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

# Convert the HTML file to PDF using IronPDF
pdf_file_path = 'document.pdf'
html_to_pdf = ChromePdfRenderer()
pdf_document = html_to_pdf.RenderHtmlFileAsPdf('visualization.html')

# Save the PDF
pdf_document.SaveAs(pdf_file_path)

# Import required libraries
import holoviews as hv
from holoviews import opts
import numpy as np
from ironpdf import ChromePdfRenderer
import warnings

# Suppress warnings
warnings.filterwarnings('ignore')

# Set IronPDF license key (replace with your actual key)
# License.LicenseKey = "your_license_key_here"

# Initialize HoloViews with Bokeh backend
hv.extension('bokeh')

# Generate data
x = np.linspace(0, 10, 100)
y = np.sin(x)

# Create HoloViews elements with annotated data
line_plot = hv.Curve((x, y), label='Sine Wave').opts(
    title="Line Plot", xlabel="X-axis", ylabel="Y-axis", color='blue'
)

scatter_plot = hv.Scatter((x, y), label='Scatter Plot').opts(
    size=10, color='red', title="Scatter Plot", xlabel="X-axis", ylabel="Y-axis"
)

# Combine plots into a layout
layout = (line_plot + scatter_plot).cols(1)

layout.opts(
    opts.Curve(width=400, height=400),
    opts.Scatter(width=400, height=400)
)

# Save visualization layout to an HTML file
hv.save(layout, 'visualization.html', fmt='html')

# Convert the HTML file to PDF using IronPDF
pdf_file_path = 'document.pdf'
html_to_pdf = ChromePdfRenderer()
pdf_document = html_to_pdf.RenderHtmlFileAsPdf('visualization.html')

# Save the PDF
pdf_document.SaveAs(pdf_file_path)

Powyższy kod pokazuje, jak zintegrować IronPDF z HoloViews w celu tworzenia wizualizacji i konwertowania ich na dokumenty PDF. Początkowo wyłącza ostrzeżenia i importuje wymagane moduły. Kod konfiguruje klucz licencyjny IronPDF, inicjuje HoloViews z backendem Bokeh do tworzenia interaktywnych wizualizacji oraz generuje dane przy użyciu NumPy.

Skrypt tworzy wykres liniowy i punktowy z opcjami koloru, etykiet osi itp., łącząc je w układ kolumnowy (.cols(1)). Zapisuje plik HTML jako "visualization.html" za pomocą funkcji hv.save(). Następnie IronPDF konwertuje plik "visualization.html" na dokument PDF za pomocą ChromePdfRenderer().RenderHtmlFileAsPdf() i zapisuje go jako "document.pdf" za pomocą pdf_document.SaveAs(). To pokazuje synergię między HoloViews a IronPDF w zakresie przekształcania interaktywnych wizualizacji w profesjonalne raporty PDF.