Showing posts with label Anaconda. Show all posts
Showing posts with label Anaconda. Show all posts

13 August 2020

Юпитер и интерактивность: matplotlib наносит отетный удар

Ранее в посте Юпитер и интерактивность - темная строна я указал, что в простом случае matplotlib не работает нормально интерактивно. Однако чтобы это вернуть достаточно установить ipympl. Чтобы с гарантией это было в Юпитере - ставим через конду:

conda install -c conda-forge ipympl

Теперь это есть в системе:

Берем код из ранее упомянутого примера и добавляем в самое начало немного магии:

%matplotlib widget

А далее создаем два ползунка и кнопку, которая будет обрабатывать нажатие:

button = widgets.Button(description='My Button')

sF = widgets.FloatSlider(
         value=1,
         min=0,
         max=10.0,
         step=0.1,)
sPhase = widgets.FloatSlider(
         value=1,
         min=0,
         max=10.0,
         step=0.1,)


Теперь осталось сделать обработчик кнопки, привязать его к кнопке и разместить элементы. Для размещения я использую Vbox, то есть в нем элементы будут размещаться последовательно вертикально. Туда же в качестве виджета я помещаю и вывод - widgets.Output() :

outt = widgets.Output()

def on_butt_clicked(b):
    with outt:
        clear_output()
        global sF,sPhase
        plot_f(sF.value, sPhase.value)
       
button.on_click(on_butt_clicked)
widgets.VBox([sF, sPhase, button, outt ])


И вот теперь все начинает работать:

Меняем значение ползунка и еще раз нажимаем кнопку:

Как можно видеть, заголовок у графика поменялся с Figure 3 на Figure 4. Однако картинка осталась на месте, правильно отображенная и не стала клонироваться. Более того, как и в случае режима notebook, задаваемого магическими командами, у графика есть такая же панель инструментов, только слева, а не внизу.
Правда, если изменить масштаб/сдвинуть график, то после нажатия кнопки это все пропадет в силу того, что картинка полностью перерисовывается. Тем не менее путем доустановки отсутствующего в штатной комплктации ipympl можно использовать интерактивные возможности Юпитера и с matplotlib.

15 June 2020

Plotly установка и полезные ссылки

Формально, для установки plotly надо выполнить

pip install cufflinks plotly


cufflinks - это для работы с plotly в pandas.
Однако для Юпитера мне пришлось еще добавочно ставить через анаконду

conda install -c plotly plotly-orca

Одна из первых русскоязычных ссылок, которая составляет неплохой обзор
по plotly это Забудьте о matplotlib: визуализация данных в Python вместе с plotly

Сам же код лучше смотреть непосредственно на англоязычной странице, откуда сделан перевод Plotly Whirlwind Introduction - Jupiter Notebook

Для использования примеров с этой страице желательно локально скачать данные вот отсюда: Data for Plotly Whirlwind Introduction

Оттуда нужет вот этот файл - medium_data_2019_01_06 ( достаточно большой )
Для того, чтобы его можно было отркрыть надо ставить поддежку parquet такой командой

pip install pyarrow fastparquet

Сам parquet - сжатый колонно-ориентированный формат от Апача
parquet format

Также после за справкой лучше идти на сам сайт plotly
Plotly Creating and Updating Figures in Python

14 June 2020

Юпитер и интерактивность - темная строна

Давайте теперь попробуем вывести уже два графика. Для того, чтобы разместить их на одном полотне, используется функция sublots, которая выделает под это области для каждого графика. Вычисления мы тоже немного усложним - добавим данные для второго графика в y2

# глобальные x, y и y2
x, y, y2  = [], [], []

# вычисляем их в отдельной функции с двумя параметрами
def calc(f, phase):
    global x,y,y2
    x = np.linspace(0, 10, 100)
    y = np.sin(f * x + phase)
    y2 = np.cos(f * x + phase)

   
Также усложнится функция рисования

# функция рисивания с двумя параметрами
# перед рисованием она вызывает функцию calc для обновления данных
def plot_f(f, phase):
    global x,y,y2
    calc(f, phase)
   
    # само рисование
   
    # создаем две области рисования по вертикали в одной колонке
    # сами области будут доступны из списка ax
    # делаем высоту ( 4 ) поменьше
    fig, ax = plt.subplots(2,1,figsize=(16,4), dpi= 80)
   
    # добавляем к первой области сетку
    ax[0].grid(True,c='black')
    # рисуем первую область
    ax[0].plot(x,y, color='tab:red', marker='D')
   
    # добавляем ко второй области сетку
    ax[1].grid(True,c='black')
    # рисуем первую область
    ax[1].plot(x,y2, color='tab:blue', marker='D')

   
Обработчик кнопки остается тем же самым - мы поменяли функцию рисования.
И вот тут начинаются чудеса.
При первом вызове мы видим два нужных графика, но как уже
видно на снимке - график появился непосредственно за виджетам, а не
в outt



И вот уже второй вызов просто дает нам еще одну пару графиков там же



Все... приехали... - интерактивность совершенно разрушилась.
Для примеров я просмотрел и вот этут статью
Ipywidgets with matplotlib

Однако тот подход тоже не помогает.
В самом деле - давайте попробуем создать графики в глобальном пространстве, а потом использовать замену данных в функции рисования
Поэтому сначала создадим outt

outt = widgets.Output()

А потом нарисуем в глобальном пространстве с его указанием

with outt:
    fig, ax = plt.subplots(2,1,figsize=(16,4), dpi= 80)
   
    ax[0].grid(True,c='black')
    ln, = ax[0].plot(x,y, color='tab:red', marker='D')
   
    ax[1].grid(True,c='black')
    ln2, = ax[1].plot(x,y2, color='tab:blue', marker='D')


Так вот, графики уже нарисуются после этого вызова, разумеется пустые - мы же ни разу функцию вычисления не дергали и списки - пустые


Теперь поменяем функцию рисования - пусть она будет ставить данные на существующие графики, для начала на один

def plot_f(f, phase):
    global x,y,y2, ax, ln, fig
    calc(f, phase)
    ln.set_xdata(x)
    ln.set_ydata(y)
    plt.show()

   
Меняем значения и нажимаем кнопку - и ... ничего не происходит. Новых графиков не пояляется, а на старом ничего не изменилось. При этом данные присутствуют - достаточно набрать в отдельной ячейке y и убедиться в этом.

Даже пример с той ссылки работает некорректно


Как можно видеть -  график появился не после output, а сразу за выполеным кодом.
Если же попробовать выполнить магическую команду %matplotlib widget, упомянутую в статье, то она свалится с ошибкой


Суть которой в конце такая: ModuleNotFoundError: No module named 'ipympl'

В статье указан такой список:
Python 3.8.1
matplotlib 3.1.3
NumPy 1.18.1
ipywidgets 7.5.1
ipympl 0.4.1


Запустим conda list прямо в Юпитере и смотрим что у меня:
python   3.7.6  h0371630_2
matplotlib  3.1.3  py37_0
numpy 1.18.1 py37h4f9e942_0
ipywidgets 7.5.1 py_0
...И нет ipymp
l

В общем, ipympl сразу в дистрибутиве не идет и надо его ставить отдельно.
Но к тому времени, как я убил много попыток на то, чтобы заставить это
работать, я пришел к другому решению - поставил plotly

07 June 2020

Блокнот Юпитера

Повозившись с Spyder мне захотелось интерактивности. Пожалуй самый быстрый способ с Анакондой - это Блокнот Юпитера - Jupyter Notebook.

Посему сначала оставлю ссылку на руководство по его использованию
Jupyter Notebook для начинающих: учебник

Еще одно замечание: поскольку в Убунту у меня при установке Анаконды не поставились ярлыки для запуска, то запускал я из командной строки.
Так вот, каталогом для Юпитера будет тот каталог, в котором мы в терминале выполним jupiter-notebook ( путь к нему прописывается в PATH поэтому доступен он для запуска везде ).
То есть самый простой путь получить нужный каталог файлов - переместиться туда через cd и там запустить Юпитер.

31 May 2020

Питон Анаконда Паук

Вернемся к Питону.

Как я ранее говорил, мне нужен был Питон с научными библиотеками и поэтому я выбрал дистрибутив Анаконда. При его установке - а после распаковки он представляет из себя sh-скрипт - никакие ярлыки не ставятся. Что, впрочем, не мешает ее запускать из терминала из командной строки - при моем отношении к этому как к хобби - это не напрягает.
Я посмотрел состав дистрибутива и начал со среды разработчика Spyder как наиболее мне знакомой и понятной, как разработчику.
Если проект представляет из себя один файл - а в случае той же SEIRD модели так у меня и получилось - то просто запускаешь и все работает.

В составе Spyder есть возможность пройтись по точкам остановки с инспекцией переменных - это сделано удобно.

Однако мне было интересно сравнение полученных модельных данных с реальными данными. Для этого на первых порах я использовал штатную библиотеку matplotlib, идущую в составе Анаконды.

Внутри Spyder графики показываются на отдельной вкладке и можно открыть их отдельным окном, на снимке показано где.


Для первых прогонов данных этого вполне достаточно