将全息图与 hvPlot 结合使用
Using Holomaps with hvPlot
是否可以使用 hvPlot 生成全息图?我没有在文档中找到任何参考。
目标是创建类似于此处示例的内容:
http://holoviews.org/reference/containers/bokeh/HoloMap.html#bokeh-gallery-holomap
但使用 hvPlot 界面
这个肯定可以,主要是你的数据格式要整齐。一旦出现这种情况,您可以使用 groupby
关键字来获取 DynamicMap
或 HoloMap
来探索该维度的数据。例如,让我们修改您指向的 link 中的示例:
frequencies = [0.5, 0.75, 1.0, 1.25]
def sine_curve(phase, freq):
xvals = np.arange(100)
yvals = np.sin(phase+freq*xvals)
return pd.DataFrame({'x': xvals, 'y': yvals, 'phase': phase, 'freq': freq}, columns=['x', 'y', 'phase', 'freq'])
df = pd.concat([sine_curve(0, f) for f in frequencies])
df.hvplot.line('x', 'y', groupby='freq', dynamic=False)
在这里,我们为许多不同的频率创建了一个具有 x 和 y 值的 DataFrame,将它们连接起来,然后沿着 'freq' 列应用 groupby 以获得该维度的滑块。为了确保它 returns 是 HoloMap 而不是 DynamicMap,我们还设置了 dynamic=False
。
是否可以使用 hvPlot 生成全息图?我没有在文档中找到任何参考。
目标是创建类似于此处示例的内容: http://holoviews.org/reference/containers/bokeh/HoloMap.html#bokeh-gallery-holomap
但使用 hvPlot 界面
这个肯定可以,主要是你的数据格式要整齐。一旦出现这种情况,您可以使用 groupby
关键字来获取 DynamicMap
或 HoloMap
来探索该维度的数据。例如,让我们修改您指向的 link 中的示例:
frequencies = [0.5, 0.75, 1.0, 1.25]
def sine_curve(phase, freq):
xvals = np.arange(100)
yvals = np.sin(phase+freq*xvals)
return pd.DataFrame({'x': xvals, 'y': yvals, 'phase': phase, 'freq': freq}, columns=['x', 'y', 'phase', 'freq'])
df = pd.concat([sine_curve(0, f) for f in frequencies])
df.hvplot.line('x', 'y', groupby='freq', dynamic=False)
在这里,我们为许多不同的频率创建了一个具有 x 和 y 值的 DataFrame,将它们连接起来,然后沿着 'freq' 列应用 groupby 以获得该维度的滑块。为了确保它 returns 是 HoloMap 而不是 DynamicMap,我们还设置了 dynamic=False
。