معرفی شرکت ها
chart-0.2.3
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
chart
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | chart-0.2.3 |
| نام | chart |
| نسخه کتابخانه | 0.2.3 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Max Humber |
| ایمیل نویسنده | max.humber@gmail.com |
| آدرس صفحه اصلی | https://github.com/maxhumber/chart |
| آدرس اینترنتی | https://pypi.org/project/chart/ |
| مجوز | MIT |
<h3 align="center">
<img src="https://raw.githubusercontent.com/maxhumber/chart/master/images/logo.png" width="400px" alt="chart">
</h3>
<p align="center">
<a href="https://opensource.org/licenses/MIT"><img alt="MIT" src="https://img.shields.io/github/license/maxhumber/chart.svg"></a>
<a href="https://travis-ci.org/maxhumber/chart"><img alt="Travis" src="https://img.shields.io/travis/maxhumber/chart.svg"></a>
<a href="https://pypi.python.org/pypi/chart"><img alt="PyPI" src="https://img.shields.io/pypi/v/chart.svg"></a>
<a href="https://pypi.python.org/pypi/chart"><img alt="Downloads" src="https://img.shields.io/pypi/dm/chart.svg"></a>
</p>
A zero-dependency python package that prints basic charts to a Jupyter output
Charts supported:
- Bar graphs
- Scatter plots
- Histograms
- 🍑📊👏
#### Examples
Bar graphs can be drawn quickly with the `bar` function:
```python
from chart import bar
x = [500, 200, 900, 400]
y = ['marc', 'mummify', 'chart', 'sausagelink']
bar(x, y)
```
```
marc: ▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇
mummify: ▇▇▇▇▇▇▇
chart: ▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇
sausagelink: ▇▇▇▇▇▇▇▇▇▇▇▇▇
```
And the `bar` function can accept columns from a `pd.DataFrame`:
```python
from chart import bar
import pandas as pd
df = pd.DataFrame({
'artist': ['Tame Impala', 'Childish Gambino', 'The Knocks'],
'listens': [8_456_831, 18_185_245, 2_556_448]
})
bar(df.listens, df.artist, width=20, label_width=11, mark='🔊')
```
```
Tame Impala: 🔊🔊🔊🔊🔊🔊🔊🔊🔊
Childish Ga: 🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊🔊
The Knocks: 🔊🔊🔊
```
Histograms are just as easy:
```python
from chart import histogram
x = [1, 2, 4, 3, 3, 1, 7, 9, 9, 1, 3, 2, 1, 2]
histogram(x)
```
```
▇
▇
▇
▇
▇ ▇
▇ ▇
▇ ▇
▇ ▇ ▇
▇ ▇ ▇
▇ ▇ ▇ ▇
```
And they can accept objects created by `scipy`:
```python
from chart import histogram
import scipy.stats as stats
import numpy as np
np.random.seed(14)
n = stats.norm(loc=0, scale=10)
histogram(n.rvs(100), bins=14, height=7, mark='🍑')
```
```
🍑
🍑 🍑
🍑 🍑 🍑
🍑 🍑 🍑
🍑 🍑 🍑 🍑
🍑 🍑 🍑 🍑 🍑 🍑 🍑 🍑 🍑
🍑 🍑 🍑 🍑 🍑 🍑 🍑 🍑 🍑 🍑
```
Scatter plots can be drawn with a simple `scatter` call:
```python
from chart import scatter
x = range(0, 20)
y = range(0, 20)
scatter(x, y)
```
```python
•
• •
•
• •
• •
•
• •
•
• •
• •
•
• •
•
```
And at this point you gotta know it works with any `np.array`:
```python
from chart import scatter
import numpy as np
np.random.seed(1)
N = 100
x = np.random.normal(100, 50, size=N)
y = x * -2 + 25 + np.random.normal(0, 25, size=N)
scatter(x, y, width=20, height=9, mark='^')
```
```
^^
^
^^^
^^^^^^^
^^^^^^
^^^^^^^
^^^^
^^^^^ ^
^^ ^
```
In fact, all `chart` functions work with pandas, numpy, scipy and regular python objects.
#### Preprocessors
In order to create the simple outputs generated by `bar`, `histogram`, and `scatter` I had to create a couple of preprocessors, namely: `NumberBinarizer` and `RangeScaler`.
I tried to adhere to the scikit-learn API in their construction. Although you won't need them to use `chart` here they are for your tinkering:
```python
from chart.preprocessing import NumberBinarizer
nb = NumberBinarizer(bins=4)
x = range(10)
nb.fit(x)
nb.transform(x)
```
```
[0, 0, 0, 1, 1, 2, 2, 3, 3, 3]
```
```python
from chart.preprocessing import RangeScaler
rs = RangeScaler(out_range=(0, 10), round=False)
x = range(50, 59)
rs.fit_transform(x)
```
```
[0.0, 1.25, 2.5, 3.75, 5.0, 6.25, 7.5, 8.75, 10.0]
```
#### Installation
```python
pip install chart
```
#### Contribute
For feature requests or bug reports, please use [Github Issues](https://github.com/maxhumber/chart/issues)
#### Inspiration
I wanted a super-light-weight library that would allow me to quickly grok data. Matplotlib had too many dependencies, and Altair seemed overkill. Though I really like the idea of [termgraph](https://github.com/mkaz/termgraph), it didn't really fit well or integrate with my Jupyter workflow. Here's to `chart` 🥂 (still can't believe I got it on [PyPI](https://pypi.org/project/chart/))
زبان مورد نیاز
| مقدار | نام |
|---|---|
| >=3.6 | Python |
نحوه نصب
نصب پکیج whl chart-0.2.3:
pip install chart-0.2.3.whl
نصب پکیج tar.gz chart-0.2.3:
pip install chart-0.2.3.tar.gz