自定义多线图表

wandb.plot.line_series()的用法和范例
Created on February 18|Last edited on July 12
Comment
本报告是作者Stacey Svetlichnaya所写的Custom Multi-Line Plots的翻译
方法：wandb.plot.line_series()将一个自定义线序列图表记录到本地W&B：
wandb.log({"my_custom_id" : wandb.plot.line_series(
                       xs=[0, 1, 2, 3, 4], 
                       ys=[[10, 20, 30, 40, 50], [0.5, 11, 72, 3, 41]],
                       keys=["metric Y", "metric Z"],
                       title="Two Random Metrics",
                       xname="x units")})
这一自定义图表在同一个x-y轴坐标系上呈现多条线或者多串不同的x-y坐标对。如下两个示例使用默认设置和随机数据。你可以平移放大图表来查看细节（其中有些线靠得太近，没法区分开来）。
﻿
Random data sample2
﻿
基本用法范例我这里是一个时间序列方面的TensorFlow教程，使用了一个天气数据集，里面有14个特征数据，包括温度、气压和湿度等。完整数据的一个小子集被载入到Pandas数据框，命名为 climate_data。
columns = ['T (degC)', 'p (mbar)', 'rho (g/m**3)']
num_steps = 200
xs = [ i for i in range(num_steps) ]
ys= [ climate_data[c][:num_steps] for c in columns ]
wandb.log({"weather_sample" : wandb.plot.line_series(
  xs=xs,
  ys=ys,
  keys=columns,
  title="Weather Metrics")})
要注意，x和y的数据必须完全匹配。你可以用一串xs匹配多串ys，或者分别为每串ys提供单独的一串xs。如果这些气温/气压/空气密度测试结果取自不同时间，那么我们可以提供三串不同的x值。点这里查看线序列图表的完整定义。﻿
所遵循的步骤：对于你要绘制的每个线序列，找到x值和y值，以及每个序列的名称（该项可选）。
按照同样的顺序，把x值列表传入xs，把y值列表传入ys，把可选名称传入keys。
把这些参数传递给wandb.plot.line_series()（图表标题和x轴标题可选），从而在指定键下创建图表（上方的键为weather_sample）。为了将多个运行项可视化至同一个图表上，则保持该图表键为常量。要注意，表本身也会被记录到工作区的“Media（媒体）”部分，位于weather_sample_table下面。
﻿
Sample time series data1
﻿
自定义用法利用Vega可视化语法可以轻而易举地自定义线序列图表。此处我在同一个坐标系中比较多个时间片，这样可以更好地观察到数据中的差异。若要查看完整的Vega配置（每个图表的定义），可将鼠标移至图表右上角并点击“眼睛”图标。
一些简单的修改：
切换线型标注方法，使颜色与指标键对应，笔画与记录的时间片对应。切换strokeDash和color下面的field值，使strokeDash包含"field": "name"，color包含"field": "${field:lineKey}"。移除条目scale。
编辑主标题、图例和坐标轴，使其更具描述性：在encoding下的相关字段中添加"title": "Your Title"。
﻿
Randomized time slices3
﻿
更多示例：记录不同的x值在简单情况下，多串y值映射到一串x值。而此处我以不同的频率采集了三个气压指标，展现一个稍微更高级的场景：对应每一串y值分别传入一串x值。我还把"type" : "line"改为"type" : "point"，这样可以比较清楚地区分x值。
在底下一行图表中，左下图根据样本Id为数据着色，右下图根据指标类型为数据着色，通过两图对比，你可以对比可视化效果/感知分组优势。
﻿
Vapor pressure data4
﻿
如何编辑预设以绘制自定义图表从一个现有图表类型开始。鼠标移至右上角，点击自定义图表>铅笔图标>按钮“编辑”，在左上方。
直接编辑这段JSON代码，然后就能看到右侧对应的重新呈现的图形效果。你可以在网上找到很多有用的、启发性的Vega范例。
可以选择在右侧下拉菜单中填写自定义标题等文本字段。
对修改满意了之后，可以为自定义图表保存一个副本，以备日后使用。点击左上方的“保存为”，然后为自己的图表类型取一个描述性名称（你可以同时编辑描述内容，这样可以方便以后做参考！），以后想用的时候，就可以在你的用户/团队实体中找到。
﻿﻿好处：当你把修改的“自定义图表”保存为预设之后，就可以直接从Python向其记录数据，即通过wandb.plot_table(vega_spec_name="your_username/your_custom_preset_name")。点这里查看更多详细信息和范例。﻿
修改过的Vega配置 该版本的线序列配置为线条着色是根据指标，而不是根据运行项，并且包含指定标题。
{
  "$schema": "https://vega.github.io/schema/vega-lite/v4.json",
  "description": "A plot for an arbitrary number of lines",
  "data": {
    "name": "wandb"
  },
  "title": "Climate Data Sample",
  "layer": [
    {
 "selection": {
      "grid": {
          "type": "interval",
          "bind": "scales"
        }
      },
      "mark": {"type": "line", "interpolate": "linear"},
      "encoding": {
        "x":{
          "field": "${field:step}",
          "type": "quantitative",
          "title": "Time step of measure"
        },
        "y": {
          "field": "${field:lineVal}",
          "title": "Value in indicated units",
          "type": "quantitative"
        },
        "color": {
          "type": "nominal",
          "field": "${field:lineKey}",
          "title" : "Units of measure"
        },
        "strokeDash": {
          "type": "nominal",
          "field": "name",
          "title" : "Sample id"
        }
      }
    }
  ]
}
问答感谢大家阅读！我们希望本文能帮助大家构建独特又引人注目的自定义图表。如有任何问题，请在下方留言。
﻿
Add a comment
Tags: Beginner, Domain Agnostic, W&B Meta, Custom Charts
Iterate on AI agents and models faster. Try Weights & Biases today.