将matplotlib转换为交互式holoviews +数据着色器可视化最好使用交互式笔刷

问题描述

如何将以下图移植到hvplot + datashader？

理想情况下，可以保留交互性，并且可以交互地选择某些device_id 。 （理想情况下，使用笔刷，例如，当我选择一个异常点时，我希望能够过滤到基础序列，但是如果这不起作用，则也许可以从列表中选择它们也可以。请记住，该列表可能会很长（在1000个元素的范围内）。

%pylab inline
import seaborn as sns; sns.set()
import pandas as pd
from pandas import Timestamp

d = pd.DataFrame({'metrik_0': {Timestamp('2020-01-01 00:00:00'): -0.5161200349325471,Timestamp('2020-01-01 01:00:00'): 0.6404118012330947,Timestamp('2020-01-01 02:00:00'): -1.0127867504877557,Timestamp('2020-01-01 03:00:00'): 0.25828987625529976,Timestamp('2020-01-01 04:00:00'): -2.486778084008076,Timestamp('2020-01-01 05:00:00'): -0.30695039872663826,Timestamp('2020-01-01 06:00:00'): -0.6570670310316116,Timestamp('2020-01-01 07:00:00'): 0.3274964731894147,Timestamp('2020-01-01 08:00:00'): -0.8624113311084097,Timestamp('2020-01-01 09:00:00'): 1.0832911260447902},'device_id': {Timestamp('2020-01-01 00:00:00'): 9,Timestamp('2020-01-01 01:00:00'): 1,Timestamp('2020-01-01 02:00:00'): 1,Timestamp('2020-01-01 03:00:00'): 9,Timestamp('2020-01-01 04:00:00'): 9,Timestamp('2020-01-01 05:00:00'): 9,Timestamp('2020-01-01 06:00:00'): 9,Timestamp('2020-01-01 07:00:00'): 1,Timestamp('2020-01-01 08:00:00'): 1,Timestamp('2020-01-01 09:00:00'): 9}})

fig,ax = plt.subplots()
for dev,df in d.groupby('device_id'):
    df.plot(y='metrik_0',ax=ax,label=dev)

到目前为止，我只能实现：

import pandas as pd
import datashader as ds
import numpy as np
import holoviews as hv

from holoviews import opts

from holoviews.operation.datashader import datashade,shade,dynspread,rasterize
from holoviews.operation import decimate

hv.extension('bokeh','matplotlib')

width = 1200
height = 400
curve = hv.Curve(d)

datashade(curve,cmap=["blue"],width=width,height=height).opts(width=width,height=height)

理想情况下，我可以突出显示类似于matplotlib的某些范围：axvspan 。

解决方法

只要您希望达到100,000点左右，就不需要Datashader：

import pandas as pd
import hvplot.pandas
from pandas import Timestamp

df = pd.DataFrame(
       {'metrik_0': {
          Timestamp('2020-01-01 00:00:00'): -0.5161200349325471,Timestamp('2020-01-01 01:00:00'): 0.6404118012330947,Timestamp('2020-01-01 02:00:00'): -1.0127867504877557,Timestamp('2020-01-01 03:00:00'): 0.25828987625529976,Timestamp('2020-01-01 04:00:00'): -2.486778084008076,Timestamp('2020-01-01 05:00:00'): -0.30695039872663826,Timestamp('2020-01-01 06:00:00'): -0.6570670310316116,Timestamp('2020-01-01 07:00:00'): 0.3274964731894147,Timestamp('2020-01-01 08:00:00'): -0.8624113311084097,Timestamp('2020-01-01 09:00:00'): 1.0832911260447902},'device_id': {
          Timestamp('2020-01-01 00:00:00'): 9,Timestamp('2020-01-01 01:00:00'): 1,Timestamp('2020-01-01 02:00:00'): 1,Timestamp('2020-01-01 03:00:00'): 9,Timestamp('2020-01-01 04:00:00'): 9,Timestamp('2020-01-01 05:00:00'): 9,Timestamp('2020-01-01 06:00:00'): 9,Timestamp('2020-01-01 07:00:00'): 1,Timestamp('2020-01-01 08:00:00'): 1,Timestamp('2020-01-01 09:00:00'): 9}})

df.hvplot(by='device_id')

如果要使用vspan，可以从HoloViews获得它：

import holoviews as hv
        
vspan = hv.VSpan(Timestamp('2020-01-01 04:00:00'),Timestamp('2020-01-01 06:00:00'))
                 
df.hvplot(by='device_id') * vspan.opts(color='red')

如果您确实需要Datashader，则可以使用它，但是如果不做进一步的工作就无法选择结果：

df.hvplot(by='device_id',datashade=True,dynspread=True) * vspan.opts(color='red')