Xây dựng biểu đồ tương tác quy mô lớn với Reflex XY: Từ dữ liệu triệu điểm đến xuất bản chuyên nghiệp

Trong bài hướng dẫn này, chúng ta sẽ khám phá các khả năng trực quan hóa nâng cao của thư viện Python XY bằng cách xây dựng các biểu đồ có tính tương tác, khả năng mở rộng và tùy biến cao. Chúng ta bắt đầu với mô hình thành phần của XY, nơi chúng ta kết hợp nhiều dấu hiệu (marks), trục kép, chú thích, chú giải công cụ (tooltips), chú giải (legends), chủ đề và các điều khiển tương tác trong một khai báo biểu đồ duy nhất. Sau đó, chúng ta làm việc với Pandas DataFrames, bố cục phân mảnh (faceted layouts), khung nhìn liên kết (linked viewports) và các tập dữ liệu hàng triệu điểm, vốn tự động chuyển sang chế độ kết xuất dựa trên mật độ để khám phá dữ liệu hiệu quả. Chúng ta cũng kết nối các tương tác trên trình duyệt ngược lại với Python thông qua các lựa chọn và callback, cập nhật biểu đồ động thông qua streaming, tùy chỉnh các thành phần trực quan bằng DOM slots và CSS, đồng thời mở rộng thư viện bằng một dấu hiệu đường xu hướng (trendline mark) tùy chỉnh có thể tái sử dụng. Ngoài ra, chúng ta sử dụng giao diện tương thích với Matplotlib và xuất các hình ảnh trực quan dưới dạng tệp HTML, SVG và PNG độc lập.

Chúng ta cài đặt và khởi tạo thư viện XY trong Google Colab đồng thời kích hoạt hỗ trợ cho các widget tương tác. Chúng ta định nghĩa một hàm kết xuất có thể tái sử dụng để hiển thị các biểu đồ trực tiếp và tự động chuyển sang dạng HTML độc lập khi không có hỗ trợ widget. Sau đó, chúng ta xây dựng một hình ảnh trực quan phân lớp với nhiều dấu hiệu, trục kép, chú thích, chú giải công cụ, chú giải, chủ đề và các điều khiển điều hướng tương tác.

Chúng ta tạo một Pandas DataFrame có cấu trúc và sử dụng trực tiếp tên cột làm các kênh trực quan hóa. Chúng ta tạo một biểu đồ phân tán (scatter plot) được mã hóa màu, chia tập dữ liệu thành các phân mảnh theo khu vực được liên kết với nhau và duy trì hành vi trục chung trên các bảng biểu. Chúng ta cũng trực quan hóa 1,5 triệu điểm thông qua hệ thống kết xuất mật độ của XY và kiểm tra mức sử dụng bộ nhớ cũng như hiệu quả truyền dữ liệu của nó.

Chúng ta chọn chính xác các điểm dữ liệu từ hình ảnh trực quan lớn và truy xuất các giá trị hàng gốc của chúng trực tiếp từ Python. Chúng ta định nghĩa các hàm callback để nhận các lựa chọn từ phía trình duyệt và các thay đổi khung nhìn trong khi vẫn giữ dữ liệu cơ bản bên trong kernel. Chúng ta cũng tạo một biểu đồ đường streaming và liên tục thêm các quan sát mới để cập nhật hình ảnh trực quan theo thời gian thực.

Chúng ta tùy chỉnh các thành phần biểu đồ thông qua các DOM slots ổn định, các lớp CSS, kiểu nội dòng (inline styles) và các hiệu ứng hoạt hình dựa trên lò xo (spring-based animations). Chúng ta định nghĩa một phép tính bình phương tối thiểu thông thường (ordinary least-squares) để tạo ra một đường xu hướng khớp và dải tin cậy 95% từ dữ liệu được cung cấp. Sau đó, chúng ta đăng ký phép tính này như một dấu hiệu XY tùy chỉnh có thể tái sử dụng và kết hợp nó với các thành phần biểu đồ phân tán, biểu đồ đường, dải lỗi và chú giải có sẵn.

Chúng ta sử dụng lớp tương thích xy.pyplot để tạo các biểu đồ bằng các lệnh theo phong cách Matplotlib quen thuộc. Chúng ta tạo các đường cong sin và cosin, cấu hình nhãn, tiêu đề, chú giải, cài đặt lưới và hiển thị hình ảnh kết quả. Cuối cùng, chúng ta xuất biểu đồ phân lớp dưới dạng tệp HTML, SVG và PNG độ phân giải cao độc lập, đồng thời xác minh kích thước của từng tệp được tạo ra.

Tóm lại, chúng ta đã xây dựng được sự hiểu biết toàn diện về cách XY hỗ trợ các quy trình làm việc trực quan hóa tương tác hiện đại trực tiếp từ Python. Chúng ta đã tạo ra các biểu đồ phân lớp và phân mảnh, phân tích các tập dữ liệu lớn một cách hiệu quả, truy xuất chính xác các hàng được chọn từ kernel, truyền các quan sát mới vào các biểu đồ trực tiếp và tùy chỉnh giao diện biểu đồ thông qua chủ đề, hoạt ảnh, lớp CSS và các DOM slots ổn định. Chúng ta cũng đã chứng minh cách mở rộng XY bằng plugin dấu hiệu thống kê của riêng mình và tái sử dụng các lệnh vẽ biểu đồ theo phong cách Matplotlib quen thuộc thông qua cầu nối xy.pyplot. Chúng ta kết thúc với các tệp xuất di động cho phép chia sẻ biểu đồ bên ngoài notebook trong khi vẫn giữ được tính tương tác hoặc chất lượng đồ họa sẵn sàng để xuất bản.

Xem TOÀN BỘ MÃ NGUỒN tại đây. Ngoài ra, hãy thoải mái theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit ML 150k+ thành viên của chúng tôi và Đăng ký Bản tin của chúng tôi. Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Bạn cần hợp tác với chúng tôi để quảng bá GitHub Repo, Trang Hugging Face, Phát hành sản phẩm hoặc Hội thảo trực tuyến, v.v. của bạn? Hãy kết nối với chúng tôi.

Sana Hassan, một thực tập sinh tư vấn tại Marktechpost và là sinh viên bằng kép tại IIT Madras, rất đam mê việc ứng dụng công nghệ và AI để giải quyết các thách thức trong thế giới thực. Với sự quan tâm sâu sắc đến việc giải quyết các vấn đề thực tiễn, anh mang đến một góc nhìn mới mẻ về sự giao thoa giữa AI và các giải pháp trong đời sống.