前言
本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,如有問題請及時聯系我們以作處理，
作者：Lty美麗人生
鏈接：https://blog.csdn.net/weixin_44208569
今天我們會介紹一下10個適用于多個學科的Python資料可視化庫，其中有名氣很大的也有鮮為人知的，
1、matplotlib
兩個直方圖
matplotlib 是Python可視化程式庫的泰斗，經過十幾年它仍然是Python使用者最常用的畫圖庫，它的設計和在1980年代被設計的商業化程式語言MATLAB非常接近，
由于 matplotlib 是第一個 Python 可視化程式庫，有許多別的程式庫都是建立在它的基礎上或者直接呼叫它，
比如pandas和Seaborn就是matplotlib的外包，它們讓你能用更少的代碼去呼叫 matplotlib的方法，
雖然用 matplotlib 可以很方便的得到資料的大致資訊，但是如果要更快捷簡單地制作可供發表的圖表就不那么容易了，
就像Chris Moffitt 在“Python可視化工具簡介”中提到的一樣：“功能非常強大，也非常復雜，”
matplotlib 那有著強烈九十年代氣息的默認作圖風格也是被吐槽多年，即將發行的matplotlib 2.0 號稱會包含許多更時尚的風格，
開發者：John D. Hunter
2、Seaborn
Violinplot (Michael Waskom)
Seaborn利用了matplotlib，用簡潔的代碼來制作好看的圖表，
Seaborn跟matplotlib最大的區別就是它的默認繪圖風格和色彩搭配都具有現代美感，
由于Seaborn是構建在matplotlib的基礎上的，你需要了解matplotlib從而來調整Seaborn的默認引數，
開發者: Michael Waskom
3、ggplot
Small multiples (?hat)
ggplot 基于R的一個作圖包 ggplot2, 同時利用了源于 《影像語法》（The Grammar of Graphics）中的概念，
ggplot 跟 matplotlib 的不同之處是它允許你疊加不同的圖層來完成一幅圖，比如你可以從軸開始，然后加上點，加上線，趨勢線等等，
雖然《影像語法》得到了“接近思維程序”的作圖方法的好評，但是習慣了matplotlib的用戶可能需要一些時間來適應這個新思維方式，
ggplot的作者提到 ggplot 并不適用于制作非常個性化的影像，它為了操作的簡潔而犧牲了影像復雜度，
ggplot is tightly integrated with pandas, so it’s best to store your data in a DataFrame when using ggplot.
ggplot跟pandas的整合度非常高，所以當你使用它的時候，最好將你的資料讀成 DataFrame，
開發者: ?hat
4、Bokeh
Interactive weather statistics for three cities (Continuum Analytics)
跟ggplot一樣， Bokeh 也是基于《圖形語法》的概念，
但是跟ggplot不一樣的是，它完全基于Python而不是從R參考過來的，
它的長處在于它能用于制作可互動，可直接用于網路的圖表，圖表可以輸出為JSON物件，HTML檔案或者可互動的網路應用，
Boken也支持資料流和實時資料，Bokeh為不同的用戶提供了三種控制水平，
最高的控制水平用于快速制圖，主要用于制作常用影像， 例如柱狀圖，盒狀圖，直方圖，
中等控制水平跟matplotlib一樣允許你控制影像的基本元素（例如分布圖中的點），
最低的控制水平主要面向開發人員和軟體工程師，
它沒有默認值，你得定義圖表的每一個元素，
開發者: Continuum Analytics
5、pygal
Box plot (Florian Mounier)
pygal 跟 Bokeh 和 Plotly 一樣，提供可直接嵌入網路瀏覽器的可互動影像，
跟其他兩者的主要區別在于它可以將圖表輸出為SVG格式，
如果你的資料量相對小，SVG就夠用了，但是如果你有成百上千的資料點，SVG的渲染程序會變得很慢，
由于所有的圖表都被封裝成了方法，而且默認的風格也很漂亮，用幾行代碼就可以很容易地制作出漂亮的圖表，
開發者: Florian Mounier
6、Plotly
Line plot (Plotly)
你也許聽說過在線制圖工具Plotly，但是你知道你可以通過Python使用它么？
Plotly 跟 Bokeh 一樣致力于互動圖表的制作，但是它提供在別的庫中很難找到的幾種圖表型別，比如等值線圖，樹形圖和三維圖表，
開發者: Plotly
7、geoplotlib
Choropleth (Andrea Cuttone)
geoplotlib 是一個用于制作地圖和地理相關資料的工具箱，
你可以用它來制作多種地圖，比如等值區域圖， 熱度圖，點密度圖，
你必須安裝 Pyglet （一個面向物件編程介面）來使用geoplotlib，不過因為大部分Python的可視化工具不提供地圖，有一個專職畫地圖的工具也是挺方便的，
開發者: Andrea Cuttone
8、Gleam
Scatter plot with trend line (David Robinson)
Gleam 借用了R中 Shiny 的靈感，它允許你只利用 Python 程式將你的分析變成可互動的網路應用，你不需要會用HTML CSS 或者 JaveScript，
Gleam 可以使用任何一種 Python 的可視化庫，
當你創建一個圖表的時候，你可以在上面加上一個域，這樣用戶可以用它來對資料排序和過濾了，
開發者: David Robinson
9、missingno
Nullity matrix (Aleksey Bilogur)
缺失資料是永遠的痛，
missingno 用影像的方式讓你能夠快速評估資料缺失的情況，而不是在資料表里面步履維艱，
你可以根據資料的完整度對資料進行排序或過濾，或者根據熱度圖或樹狀圖來考慮對資料進行修正，
開發者: Aleksey Bilogur
10、Leather
Chart grid with consistent scales (Christopher Groskopf)
Leather的最佳定義來自它的作者 Christopher Groskopf，
“Leather 適用于現在就需要一個圖表并且對圖表是不是完美并不在乎的人，”
它可以用于所有的資料型別然后生成SVG影像，這樣在你調整影像大小的時候就不會損失影像質量，
開發者: Christopher Groskopf
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/227231.html
標籤：Python
上一篇：Python 深拷貝與淺拷貝詳解
下一篇：大佬請進來