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
withst.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("Chooseyourcharttype",plot_types)withst.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("2columns?",True)iftwo_cols:col1,col2=st.columns(2)#展示图表iftwo_cols:withcol1:show_plot(kind="Matplotlib")withcol2:show_plot(kind="Seaborn")withcol1:show_plot(kind="PlotlyExpress")withcol2:show_plot(kind="Altair")withcol1:show_plot(kind="PandasMatplotlib")withcol2:show_plot(kind="Bokeh")else:withst.container():forlibinlibs: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defshow_plot(kind:str):st.write(kind)ifkind=="Matplotlib":plot=matplotlib_plot(chart_type,df)st.pyplot(plot)elifkind=="Seaborn":plot=sns_plot(chart_type,df)st.pyplot(plot)elifkind=="PlotlyExpress":plot=plotly_plot(chart_type,df)st.plotly_chart(plot,use_container_width=True)elifkind=="Altair":plot=altair_plot(chart_type,df)st.altair_chart(plot,use_container_width=True)elifkind=="PandasMatplotlib":plot=pd_plot(chart_type,df)st.pyplot(plot)elifkind=="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
defsns_plot(chart_type:str,df):"""生成seaborn绘制的图表"""fig,ax=plt.subplots()ifchart_type=="Scatter":withst.echo():sns.scatterplot(data=df,x="bill_depth_mm",y="bill_length_mm",hue="species",)plt.title("BillDepthbyBillLength")elifchart_type=="Histogram":withst.echo():sns.histplot(data=df,x="bill_depth_mm")plt.title("CountofBillDepthObservations")elifchart_type=="Bar":withst.echo():sns.barplot(data=df,x="species",y="bill_depth_mm")plt.title("MeanBillDepthbySpecies")elifchart_type=="Boxplot":withst.echo():sns.boxplot(data=df["bill_depth_mm"].dropna())plt.title("BillDepthObservations")elifchart_type=="Line":withst.echo():sns.lineplot(data=df,x=df.index,y="bill_length_mm")plt.title("BillLengthOverTime")returnfig
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withst.container():show_data=st.checkbox("Seetherawdata?")ifshow_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-