JupyterLab 交互式绘图 - Python

JupyterLab 是一种基于 Web 技术的交互式数据科学开发环境，可以帮助程序员更好地组织代码、文档、数据和输出，提供 Notebook、终端、文件浏览器等多个功能，在 Python 开发中广受欢迎。

其中，交互式绘图是 JupyterLab 的一个重要功能，能够快速生成可交互的图表，方便程序员进行数据可视化和分析。下面介绍几个常用的交互式绘图库及其使用方法。

Matplotlib

Matplotlib 是 Python 的一个 2D 绘图库，可以绘制散点图、折线图、条形图、饼图等多种类型的图表。JupyterLab 中可以使用 %matplotlib inline 命令启用 Matplotlib 绘图。例如：

%matplotlib inline

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
plt.plot(x, y)
plt.show()

运行上述代码，即可在 JupyterLab 中生成一张简单的折线图。

Plotly

Plotly 是一个交互式可视化库，支持绘制散点图、线图、面积图、热力图等多种类型的图表，并且可以支持多种编程语言。在 JupyterLab 中，可以通过安装 plotly 和 jupyterlab-plotly 扩展来实现 Plotly 的绘图。

首先，使用 pip 安装 plotly 和 jupyterlab-plotly：

!pip install plotly
!jupyter labextension install @jupyterlab/plotly-extension

然后，在 Python 代码中导入 plotly：

import plotly.graph_objs as go

接着，可以使用 Plotly 绘制图表。例如：

import plotly.express as px
data = px.data.gapminder().query("continent=='Asia'")
fig = px.line(data, x="year", y="lifeExp", color='country')
fig.show()

运行上述代码，即可在 JupyterLab 中生成一张交互式的折线图。

Bokeh

Bokeh 是一个交互式数据可视化库，提供了丰富的图表类型，并且可以自定义工具栏、主题等，支持 Python 和 JavaScript 两种编程语言。在 JupyterLab 中，可以通过安装 bokeh 和 jupyter_bokeh 扩展来实现 Bokeh 的绘图。

首先，使用 pip 安装 bokeh 和 jupyter_bokeh：

!pip install bokeh
!jupyter labextension install jupyter_bokeh

然后，在 Python 代码中导入 bokeh：

from bokeh.plotting import figure, output_notebook, show

接着，可以使用 Bokeh 绘制图表。例如：

output_notebook()
p = figure()
p.scatter([1, 2, 3], [4, 6, 5])
show(p)

运行上述代码，即可在 JupyterLab 中生成一张交互式的散点图。

以上是 JupyterLab 中常用的几种交互式绘图库及其使用方法。通过使用这些库，可以快速生成各种类型的图表，并且方便进行交互和调整。