Jupyter Scatter

功能？

• 🖱️ 交互性：通过鼠标或 Python API 交互式地平移、缩放和选择数据点。
• 🚀 可扩展性：借助 WebGL 渲染，可流畅绘制多达数百万个数据点。
• 🔗 互联性：在多个散点图实例之间同步视图、悬停和选择。
• ✨ 有效默认值：依赖 Jupyter Scatter 默认选择感知有效的点颜色和不透明度。
• 📚 友好 API：享受与 Pandas DataFrames 深度集成的可读 API。
• 🛠️ 可集成性：通过观察其 traitlets 在自己的小部件中使用 Jupyter Scatter。

为什么？

想象一下，尝试以 2D 散点图的形式探索数百万个数据点的数据集。除了绘图，探索通常涉及三个方面：首先，我们希望交互式地调整视图（例如，通过平移和缩放）和视觉点编码（例如，点的颜色、不透明度或大小）。其次，我们希望能够选择和突出显示数据点。第三，我们希望比较多个数据集或同一数据集的多个视图（例如，通过同步交互）。jupyter-scatter 的目标是支持这三个要求，并可扩展到数百万个点。

如何实现？

在内部，Jupyter Scatter 使用 regl-scatterplot 进行 WebGL 渲染，使用 traitlets 实现 JS 和 iPython 内核之间的双向通信，并使用 anywidget 组合小部件。

目录

1. 安装
2. 入门
3. 文档
4. 示例
5. 开发

安装

pip install jupyter-scatter

如果你使用的是 JupyterLab <=2：

jupyter labextension install @jupyter-widgets/jupyterlab-manager jupyter-scatter

有关最小工作示例，请查看 test-environments。

入门

[!提示] 访问 jupyter-scatter.dev 了解 Jupyter Scatter 所有基本功能的详细信息，并查看我们来自 SciPy '23 的全面教程。

最简单的示例

在最简单的情况下，你可以按如下方式将 x/y 坐标传递给绘图函数：

import jscatter
import numpy as np

x = np.random.rand(500)
y = np.random.rand(500)

jscatter.plot(x, y)

Pandas 示例

假设你的数据存储在如下所示的 Pandas 数据框中：

import pandas as pd

# 只是一些随机的浮点数和整数值
data = np.random.rand(500, 4)
df = pd.DataFrame(data, columns=['mass', 'speed', 'pval', 'group'])
# 我们将 `group` 列转换为字符串，以确保它被识别为分类数据。
# 这在高级示例中会很有用。
df['group'] = df['group'].map(lambda c: chr(65 + round(c)), na_action=None)

然后，你可以通过引用列名来可视化这些数据：

jscatter.plot(data=df, x='mass', y='speed')

显示结果散点图

高级示例

通常，你想要自定义视觉编码，例如点的颜色、大小和不透明度。

jscatter.plot(
  data=df,
  x='mass',
  y='speed',
  size=8, # 静态编码
  color_by='group', # 数据驱动编码
  opacity_by='density', # 视图驱动编码
)

在上面的示例中，我们选择了静态点大小为 8。相比之下，点的颜色是数据驱动的，根据分类 group 值分配。点的不透明度是视图驱动的，由当前视图中可见的点数动态定义。

还要注意 jscatter 如何根据用于颜色编码的数据类型默认使用适当的颜色映射。在这个示例中，由于数据类型为 categorical 且类别数少于 9，jscatter 使用了来自 Okabe 和 Ito 的色盲安全色图。

**重要提示：**为了让 jscatter 识别分类数据，相应列的 dtype 需要是 category！ 当然，你可以自定义颜色映射和许多其他视觉编码参数，如下所示。

函数式 API 示例

当你想要自定义大量属性时，平面 API 可能会变得overwhelming。因此，jscatter 提供了一个函数式 API，按类型对属性进行分组，并通过具有意义的命名方法暴露它们。

scatter = jscatter.Scatter(data=df, x='mass', y='speed')
scatter.selection(df.query('mass < 0.5').index)
scatter.color(by='mass', map='plasma', order='reverse')
scatter.opacity(by='density')
scatter.size(by='pval', map=[2, 4, 6, 8, 10])
scatter.height(480)
scatter.background('black')
scatter.show()

当你动态更新属性时，即在调用 scatter.show() 之后，图表将自动更新。例如，尝试调用 scatter.xy('speed', 'mass')，你会看到点沿对角线镜像。

此外，所有参数都是可选的。如果你指定参数，这些方法将作为设置器并更改属性。如果你不带任何参数调用方法，它将作为获取器并返回属性（或多个属性）。例如，scatter.selection() 将返回当前选中的点。

最后，散点图是交互式的，支持双向通信。因此，如果你用套索工具选择一些点，然后调用 scatter.selection()，你将获得当前的选择。

链接散点图

要探索多个散点图并链接它们的视图、选择和悬停交互，请使用 jscatter.link()。

jscatter.link([
  jscatter.Scatter(data=embeddings, x='pcaX', y='pcaY', **config),
  jscatter.Scatter(data=embeddings, x='tsneX', y='tsneY', **config),
  jscatter.Scatter(data=embeddings, x='umapX', y='umapY', **config),
  jscatter.Scatter(data=embeddings, x='caeX', y='caeY', **config)
], rows=2)

https://user-images.githubusercontent.com/932103/162584133-85789d40-04f5-428d-b12c-7718f324fb39.mp4

更多详情请参见 notebooks/linking.ipynb。

可视化数百万数据点

使用 jupyter-scatter，你可以轻松地可视化和交互式地探索包含数百万点的数据集。

在下面的例子中，我们正在可视化使用 Rössler 吸引子 生成的 500 万个点。

points = np.asarray(roesslerAttractor(5000000))
jscatter.plot(points[:,0], points[:,1], height=640)

https://user-images.githubusercontent.com/932103/162586987-0b5313b0-befd-4bd1-8ef5-13332d8b15d1.mp4

更多详情请参见 notebooks/examples.ipynb。

Google Colab

虽然 jscatter 主要是为 Jupyter Lab 和 Notebook 开发的，但它在 Google Colab 中也能正常运行。示例请参见 jupyter-scatter-colab-test.ipynb。

开发

git clone https://github.com/flekschas/jupyter-scatter/ jscatter && cd jscatter
hatch shell
pip install -e ".[dev]"

%load_ext autoreload
%autoreload 2

引用

如果你在研究中使用 Jupyter Scatter，请引用以下预印本：

@article{lekschas2024jupyter,
  title = {Jupyter Scatter: Interactive Exploration of Large-Scale Datasets},
  url = {https://arxiv.org/abs/2406.14397},
  doi = {10.48550/arXiv.2406.14397},
  publisher = {arXiv},
  journal = {arXiv},
  author = {Lekschas, Fritz and Manz, Trevor},
  year = {2024},
  month = {6},
}