一、简介
Glueviz是一种交互式的可视化软件，对于探索和分析多维数据具有非常强大的功能。它支持各种数据格式，如FITS和CSV等，可让用户轻松地创建数据集，访问和可视化它们，并快速生成复杂的可视化图表。
二、使用glueviz探索数据
首先，我们需要了解如何使用glueviz来探索数据集。在载入数据集时，glueviz将数据集作为不同的数据集视图显示在窗口中，可以切换不同的视图并可视化它们。例如，展示一个FITS文件，其包含了不同的表，每个表对应一个数据集：
import glue_jupyter as gj
from astropy.io import fits
hdulist = fits.open('data.fits')
table1 = hdulist[1].data
table2 = hdulist[2].data
app = gj.jglue()
app.add_data(table1, label='Table 1')
app.add_data(table2, label='Table 2')
app
通过上面的代码，我们可以看到在glueviz生成的界面中打开了两个视图，分别是“Table 1”和“Table 2”。用户可以通过点击不同的视图，来分析和挖掘数据。
三、通过可视化研究数据
Glueviz最有用的功能是可视化研究数据。除了在常见的2D或3D空间中进行可视化之外，它还可以将数据映射到颜色、大小、形状等视觉属性上，从而观察数据集中更多的细节。例如，我们可以使用table1中的“位置X”和“位置Y”列创建一个散点图：
scat = app.scatter2d('Table 1.PositionX', 'Table 1.PositionY')
scat.style.size = 'Table 1.Flux'
上面的代码部分中，“Flux”列决定了散点的大小。颜色、形状和其他视觉属性也可以用同样的方法控制。
四、自定义数据可视化工具
Glueviz还支持用户自定义可视化工具，这意味着用户可以创建自己的可视化脚本文件，并与glueviz集成。这种自定义工具非常适合特定的数据需求，可以大大提高效率和灵活性。例如，我们可以创建一个名为“my_vis.py”的文件，其中包含以下代码：
from glue.config import viewer_tool
from glue.plugins.tools import ScatterTool
from glue.viewers.scatter.qt import ScatterWidget
class MyScatter(ScatterTool):
icon = 'myicon.png'
tool_id = 'my_scatter'
tool_name = 'My Scatter'
def __init__(self, viewer):
super(MyScatter, self).__init__(viewer)
self.mode = 'xy'
self.viewer = viewer
self.widget = ScatterWidget(viewer.state)
viewer_tool(MyScatter)
然后，我们可以把“my_vis.py”导入glueviz，并使用My Scatter工具来探索数据集：
import my_vis
app = gj.jglue()
app.add_data(table1, label='Table 1')
app.add_data(table2, label='Table 2')
app.choose_widget('My Scatter')
通过上面的代码我们可以使用“My Scatter”工具在glueviz中执行数据探索。
五、与Python交互的命令行窗口
Glueviz内置有一个强大的命令行窗口，用户可以在此窗口中使用Python脚本与glueviz进行交互。正如我们之前所演示的，可以在此处导入自定义脚本所需的程序库并在窗口中执行自己的Python脚本，以与数据集交互。
例如，以下代码展示了如何在命令行窗口中查找给定范围内的所有点：
scatter_widget = app.scatter2d('Table 1.PositionX', 'Table 1.PositionY')
mask = (table1['PositionX'] >= 0) & (table1['PositionX'] <= 100) &
(table1['PositionY'] >= 0) & (table1['PositionY'] <= 100)
indices = np.where(mask)[0]
scatter_widget.mark_selected(indices)
在以上代码中，我们先通过Scatter2d将数据集可视化，然后将代码移动到命令行窗口中。通过使用Python中的布尔运算符，我们可以筛选出在给定范围内的点，然后使用mark_selected在可视化窗口中标记选定的点。
六、小结
总结来说，glueviz是一种非常实用的数据可视化工具，它的强大功能可以帮助我们更好地理解和分析数据。探索数据集时，可以选择不同的视图，操作方便灵活。并且glueviz支持自定义可视化工具，以解决更特殊的需求。最后，内置的命令行窗口方便用户与Python脚本进行交互和执行。
