Python 下有很多漂亮的数据可视化库，比如 matplotlib、seaborn、bokeh、plotly、pyecharts 等，我们直接使用这些第三方库进行漂亮的数据可视化操作。 虽然这些库可以很好地显示数据，但很多库在实现动态交互时，并不支持动态交互。
我们之前介绍了pyecharts，它不仅可以可视化数据，还可以支持动态交互，并且易于安装，只需要在python环境下使用pip即可。 在本期中，我们将介绍另一个动态交互式数据可视化库 D3Blocks。
D3Blocks 是一个用于创建独立交互式图表的框架。 除了 Python 之外，您无需安装任何其他内容即可创建 D3Blocks 图，您只需要一个浏览器来绘制图并与他人共享，无需安装 Python 和 D3Blocks 即可运行。
D3 是 Data-Driven Documents 的缩写，它是一个 j**ascript 库，用于在 Web 浏览器中生成动态的交互式数据可视化。 它利用可扩展矢量图形 （SVG）、HTML5 和级联样式表 （CSS） 标准。 D3 也称为 D3js 或 d3js。
D3 的主要优点是它符合 Web 标准，因此除了浏览器之外，您不需要任何其他技术来绘制图表。 D3Blocks 创建的每个图表都完全封装到一个 HTML 文件中，这使得在 ** 上共享或发布变得非常容易。 d3blocks 的安装也很简单，你只需要使用以下 2 行命令中的一个即可完成安装，安装完成后，我们就可以使用 d3blocks 了。
pip install git+ install d3blocks
目前，D3Blocks 支持以下动态交互块。
timeserieschordd3graphelasticgraphsankeyheatmapmovingbubblesimagesliderscatterviolinparticlestreemaptreecirclepacking
对于每个库，官方都提供了示例**，以便用户可以直接使用。
from d3blocks import d3blocksd3 = d3blocks()df = d3.import_example('climate')d3.timeseries(df, datetime='date', dt_format='%y-%m-%d %h:%m:%s', fontsize=10, figsize=[850, 500])
我们创建了一个时间序列块，根据名称我们知道这个块是一个时间序列，从可视化图表中，我们可以将鼠标放在任意位置来查看这个时间的数据，并且我们可以使用框选择方法，选择局部区域，方便查看详细数据。
from d3blocks import d3blocksd3 = d3blocks()df = d3.import_example('energy')d3.chord(df)
第二个是和弦框图，当然我们也可以用自己的数据来可视化。 和弦块表示多个实体或节点之间的流动或连接。 每个实体都由圆形布局之外的片段表示。 然后，在每个实体之间绘制一个圆弧。 电弧的大小与流速的大小成正比。
from d3blocks import d3blocksd3 = d3blocks()df = d3.import_example('energy') d3.d3graph(df, filepath='d3graph.html')d3.d3graph(df, scaler='minmax')d3.d3graph.set_node_properties(color=none)d3.d3graph.node_properties['solar']['size']=30d3.d3graph.node_properties['solar']['color']='#ff0000'd3.d3graph.node_properties['solar']['edge_color']='#000000'd3.d3graph.node_properties['solar']['edge_size']=5d3.d3graph.show()d3.d3graph.set_edge_properties(directed=true, marker_end='arrow')d3.d3graph.show()d3.d3graph.node_propertiesd3.d3graph.edge_propertiesd3.d3graph.show()
D3Graph 是一个动态和交互式的网络图，允许您设置每个节点的颜色和大小，甚至可以向网络添加箭头。
from d3blocks import d3blocksd3 = d3blocks()df = d3.import_example('energy') # 'stormofswords'd3.elasticgraph(df, filepath='elasticgraph.html')d3.elasticgraph.show()d3.elasticgraph.d3graph.show()d3.elasticgraph.show()d3.elasticgraph.d3graph.show()d3.elasticgraph.d3graph.node_propertiesd3.elasticgraph.d3graph.edge_properties
elasticgraph块类似于电子核的结构，将每条数据关联起来，并且可以详细引用数据，双击每个节点将展开每条数据。
from d3blocks import d3blocksd3 = d3blocks()df = d3.import_example('energy')d3.sankey(df)
桑基桑基图是一个数据流可视化块，用于描述从一组数据到另一组数据的流。 在这种情况下，节点表示为矩形框、流或箭头。 箭头的宽度与流速成正比。
from d3blocks import d3blocksd3 = d3blocks()df = d3.import_example('stormofswords') # 'energy'd3.heatmap(df)
热图是反映数据之间关系的图，从图中我们可以看出，这个图类似于我们解释Transformer模型时的注意力机制图，它反映了注意力的关系，颜色越深，两个数据之间的关系越大。
from d3blocks import d3blocksd3 = d3blocks()df = d3.import_example('random_time', n=10000, c=300, date_start="1-1-2000 00:10:05", date_stop="1-1-2000 23:59:59")d3.movingbubbles(df, speed=, filepath='movingbubbles.html')
移动气泡图说明了数据的运动，我们可以用这个图来表示动物的迁徙等。
from d3blocks import d3blocksd3 = d3blocks()img_before = cv2.imread(img_before, -1)img_after = cv2.imread(img_after, -1)d3.imageslider(img_before, img_after)d3.imageslider(img_before, img_after, showfig=true, scale=true, colorscale=2, figsize=[400, 400])
ImageSlider 体现了 2 前后 **的对比功能，我们可以直接在 HTML 上查看 2 ** 前后的更改。
当然，D3Blocks还包含其他视觉块，包括散点、小提琴、树状图、树形、圆形包装等。
from d3blocks import d3blocksd3 = d3blocks()d3.particles('d3blocks')d3.particles('d3blocks', filepath='d3blocks.html', collision=0.05, spacing=7, figsize=[750, 150], fontsize=130, cmap='turbo', color_background='#ffffff')
最后，这个粒子很有意思，我们可以用它来推广我们的标志，把它放在我们的产品主页上，或者做**来推广。
有关更多动态可视化，请参阅 D3Blocks 库。