使用cuxfilter在Python中构建交互式仪表板

继续改进我们的 GPU 交叉过滤器仪表板库 cuxfilter 的用户体验和功能。下面简要介绍一下它的最新功能。

首先，访问 cuxfilter 与以往一样简单。只需运行一个标准的 RAPIDS 安装，如 入门页 中所示。此外，您可以在 PaperSpace 在线试用。一个完整的 RAPIDS 安装的强大优势之一就是你可以在一个 jupyter 笔记本或实验室实例中处理你的数据并将其可视化。

图 1 ：使用 cuxfilter 在几行 Python 中构建一个完整的交互式仪表板。

以下是一些主要功能亮点的列表：

通过数据阴影的高密度散点图、线图、热图和图表。此外， Deck 。 gl 中的 choropeth 地图，以及 bokeh 中的条形图和折线图。

一个完全响应的， 可自定义布局 ，带有小部件侧面板。

Themes ，如前面所示的黑暗面。

一个使用 await d.preview（） 的 预览功能 ，它生成一个与笔记本内联的完整仪表板的。 png 图像。

使用 d.export（） 调用在活动仪表板中执行 导出所选数据 的功能。

能够作为一个独立的应用程序（在笔记本之外）进行部署，如我们的 部署多用户仪表板 文档所述。

您可以在我们的 教程笔记本， 中尝试所有这些和更多功能，并在我们的 教程视频 中继续使用。图 2 所示的屏幕截图是创建的仪表板之一。这是一个引人注目的例子，演示了如何将 RAPIDS 库组合在一起，只需几行 python 就可以快速创建强大的可交叉过滤的仪表盘。

图 2 ：下面的双图仪表板截图

今后，我们将继续改进 cuxfilter ，并使用它与庞大的 pythonviz 社区协作，例如 书 、 Holoviews 、 面板 和 数据阴影 项目。

关于作者

Allan Enemark ，数据可视化设计， NVIDIA RAPIDS 数据可视化团队负责人，致力于建立概念证明，开发工具，并与 RAPIDS 集成框架，通过 GPU 加速推进可视化分析领域。

审核编辑：郭婷