最强Python/R/D3.js可视化资料(代码全部免费送)

• 本网站根据数据格式、数据之间关系将图表分类，让您快速挑选可能的图形；

• 所有图形提供一图Python语言、R语言、D3.js三种实现方式【代码全部免费提供】；
• 提供大量可视化tips；
• 网站作者为下面两法国帅哥~~

目录

数据格式&&数据之间关系 VS 图表分类

一图Python语言、R语言、D3.js三种实现方式【代码全部免费提供】

大量可视化tips

网站网址

数据格式&&数据之间关系 VS 图表分类

数据格式可分以下6类：

数据格式 VS图表分类：

eg，Numeric且categoric类数据下各类图表，

数据之间关系可分以下7类：

数据之间关系 VS 图表分类：

一图Python语言、R语言、D3.js三种实现方式【代码全部免费提供】

点击任意图，出现如下三个按钮，即是一图三种实现方法源代码~

同时介绍图形的使用范围、常犯错误、更多学习资料。

以圈图为例：

Python实现

  

   

    

     

    
    

     

      # python实现
     
    
   

    

     

    
    

     

      import pandas 
      as pd
     
    
   

    

     

    
    

     

      import holoviews 
      as hv
     
    
   

    

     

    
    

     

      from holoviews 
      import opts, dim
     
    
   

    

     

    
    

     

      from bokeh.sampledata.les_mis 
      import data
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # data set
     
    
   

    

     

    
    

     

      nodes = hv.Dataset(pd.DataFrame(data[
      'nodes']), 
      'index')
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # chord diagram
     
    
   

    

     

    
    

     

      chord = hv.Chord((links, nodes)).select(value=(
      5, 
      None))
     
    
   

    

     

    
    

     

      chord.opts(
     
    
   

    

     

    
    

     

          opts.Chord(cmap=
      'Category20', edge_cmap=
      'Category20', edge_color=dim(
      'source').str(), 
     
    
   

    

     

    
    

     

                     labels=
      'name', node_color=dim(
      'index').str()))
     
    
  

R实现

  

   

    

     

    
    

     

      #R实现
     
    
   

    

     

    
    

     

      library(circlize)
     
    
   

    

     

    
    

     

      circos.clear()
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #Create data
     
    
   

    

     

    
    

     

      data = data.frame(
     
    
   

    

     

    
    

     

          factor = sample(letters[
      1:
      8], 
      1000, replace = TRUE),
     
    
   

    

     

    
    

     

          x = rnorm(
      1000), 
     
    
   

    

     

    
    

     

          y = runif(
      1000)
     
    
   

    

     

    
    

     

          )
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      #Initialize the plot.
     
    
   

    

     

    
    

     

      par(mar = c(
      1, 
      1, 
      1, 
      1) ) 
     
    
   

    

     

    
    

     

      circos.initialize(factors = data$factor, x = data$x )
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # Build the regions of track #1 
     
    
   

    

     

    
    

     

      circos.trackPlotRegion(factors = data$factor, y=data$y, panel.fun = function(x, y) {
     
    
   

    

     

    
    

     

          circos.axis(labels.cex=
      0.5, labels.font=
      1, lwd=
      0.8)
     
    
   

    

     

    
    

     

          })
     
    
   

    

     

    
    

     

      # --> Add a scatterplot on it:
     
    
   

    

     

    
    

     

      circos.trackPoints(data$factor, data$x, data$y, col = rgb(
      0.1,
      0.5,
      0.8,
      0.3), pch=
      20)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # Build the regions of track #2:
     
    
   

    

     

    
    

     

      circlize::circos.trackPlotRegion(factors = data$factor, y=data$y, panel.fun = function(x, y) {
     
    
   

    

     

    
    

     

          circos.axis(labels=FALSE, major.tick=FALSE)
     
    
   

    

     

    
    

     

          })
     
    
   

    

     

    
    

     

      # --> Add a scatterplot on it
     
    
   

    

     

    
    

     

      circos.trackPoints(data$factor, data$x, data$y, col = rgb(
      0.9,
      0.5,
      0.8,
      0.3), pch=
      20, cex=
      2)
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

      # Add track #3 --> don't forget you can custom the height of tracks!
     
    
   

    

     

    
    

     

      circos.par(
      "track.height" = 
      0.4)
     
    
   

    

     

    
    

     

      circos.trackPlotRegion(factors = data$factor, y=data$y, panel.fun = function(x, y) {
     
    
   

    

     

    
    

     

          circos.axis(labels=FALSE, major.tick=FALSE)
     
    
   

    

     

    
    

     

          })
     
    
   

    

     

    
    

     

      circos.trackLines(data$factor, data$x, data$y, col = rgb(
      0.9,
      0.5,
      0.1,
      0.3), pch=
      20, cex=
      2, type=
      "h")
     
    
   

    

     

    
    

     

      # and continue as long as needed!
     
    
  

 D3.js实现

大量可视化tips

网站网址

关注公众号“pythonic生物人”，后台回复prd即可获取。