Vaex 可视化

# 数据可视化 本参考指南涵盖了 Vaex 的可视化功能，用于创建图表、热力图以及大规模数据集的交互式可视化。 ## 概述 Vaex 通过高效的分箱和聚合，擅长可视化包含数十亿行的数据集。可视化系统直接处理大数据而无需采样，提供整个数据集的准确表示。 **核心特性：** - 交互式可视化十亿行级别的数据集 - 无需采样 - 使用所有数据 - 自动分箱和聚合 - 与 matplotlib 集成 - Jupyter 的交互式小部件 ## 基础绘图 ### 一维直方图 python import vaex import matplotlib.pyplot as plt df = vaex.open('data.hdf5') # 简单直方图 df.plot1d(df.age) # 自定义 df.plot1d(df.age, limits=[0, 100], shape=50, # 分箱数量 figsize=(10, 6), xlabel='Age', ylabel='Count') plt.show() ### 二维密度图（热力图） python # 基础二维图 df.plot(df.x, df.y) # 设置限制 df.plot(df.x, df.y, limits=[[0, 10], [0, 10]]) # 使用百分位数自动设置限制 df.plot(df.x, df.y, limits='99.7%') # 3-sigma 限制 # 自定义形状（分辨率） df.plot(df.x, df.y, shape=(512, 512)) # 对数颜色刻度 df.plot(df.x, df.y, f='log') ### 散点图（小数据） python # 针对较小数据集或样本 df_sample = df.sample(n=1000) df_sample.scatter(df_sample.x, df_sample.y, alpha=0.5, s=10) # 点大小 plt.show() ## 高级可视化选项 ### 颜色刻度与归一化 python # 线性刻度（默认） df.plot(df.x, df.y, f='identity') # 对数刻度 df.plot(df.x, df.y, f='log') df.plot(df.x, df.y, f='log10') # 平方根刻度 df.plot(df.x, df.y, f='sqrt') # 自定义颜色映射 df.plot(df.x, df.y, colormap='viridis') df.plot(df.x, df.y, colormap='plasma') df.plot(df.x, df.y, colormap='hot') ### 限制与范围 python # 手动限制 df.plot(df.x, df.y, limits=[[xmin, xmax], [ymin, ymax]]) # 基于百分位数的限制 df.plot(df.x, df.y, limits='99.7%') # 3-sigma df.plot(df.x, df.y, limits='95%') df.plot(df.x, df.y, limits='minmax') # 全范围 # 混合限制 df.plot(df.x, df.y, limits=[[0, 100], 'minmax']) ### 分辨率控制 python # 高分辨率（更多分箱） df.plot(df.x, df.y, shape=(1024, 1024)) # 低分辨率（更快） df.plot(df.x, df.y, shape=(128, 128)) # Dif