如今數(shù)據(jù)可視化的應(yīng)用場(chǎng)景越來(lái)越廣泛，幾乎各個(gè)領(lǐng)域、各個(gè)學(xué)科都有數(shù)據(jù)可視化發(fā)揮作用的地方。Python作為一個(gè)簡(jiǎn)單易學(xué)的語(yǔ)言，也在這方面為我們提供了不少便捷的工具。
本文整理的一些常見(jiàn)且實(shí)用的 Python 可視化庫(kù)，相信總有一款適合你！
matplotlib可謂是Python數(shù)據(jù)可視化庫(kù)中的泰斗。作為一個(gè)Python 2維繪圖庫(kù)，它已經(jīng)成為python中公認(rèn)的數(shù)據(jù)可視化工具，通過(guò)Matplotlib可以很輕松地畫一些或簡(jiǎn)單或復(fù)雜的圖形，幾行代碼即可生成直方圖、條形圖、散點(diǎn)圖、密度圖等等。
具體來(lái)說(shuō)，它是一個(gè)在Python下實(shí)現(xiàn)的類matlab的純Python的三方庫(kù)，旨在用Python實(shí)現(xiàn)matlab的功能，是Python中最出色的繪圖庫(kù)之一，功能完善，同時(shí)也繼承了Python的簡(jiǎn)單明了的風(fēng)格，其可以很方便的設(shè)計(jì)和輸出二維以及三維的數(shù)據(jù)，其提供了常規(guī)的笛卡爾坐標(biāo)，極坐標(biāo)，球坐標(biāo)，三維坐標(biāo)等，其輸出的圖片質(zhì)量也達(dá)到了科技論文中的印刷質(zhì)量，日常的基本繪圖更不在話下。
官網(wǎng)
點(diǎn)擊往期利用Matplotlib繪制圖形的文章：Seaborn是基于matplotlib的圖形可視化python包，它在matplotlib的基礎(chǔ)上進(jìn)行了更高級(jí)的API封裝，提供了一種高度交互式界面，從而使得作圖更加容易，便于用戶能夠做出各種有吸引力的統(tǒng)計(jì)圖表。它能高度兼容numpy與pandas數(shù)據(jù)結(jié)構(gòu)以及scipy與statsmodels等統(tǒng)計(jì)模式。Seaborn利用matplotlib的強(qiáng)大功能，幾行代碼就能創(chuàng)建漂亮的圖表。其與matplotlib主要的區(qū)別是Seaborn的默認(rèn)樣式以及更美觀、更現(xiàn)代的調(diào)色板設(shè)計(jì)。因?yàn)镾eaborn建立在matplotlib之上，所以你需要了解matplotlib來(lái)調(diào)整 Seaborn 的默認(rèn)值。http://seaborn.pydata.org/
點(diǎn)擊查看往期文章用Sesborn繪制圖形的教程：
Bokeh是一個(gè)專門針對(duì)Web瀏覽器的呈現(xiàn)功能的交互式可視化Python庫(kù),支持現(xiàn)代化web瀏覽器展示（圖表可以輸出為JSON對(duì)象，HTML文檔或者可交互的網(wǎng)絡(luò)應(yīng)用）,這是Bokeh與其它可視化庫(kù)最核心的區(qū)別。它提供風(fēng)格優(yōu)雅、簡(jiǎn)潔的D3.js的圖形化樣式，并將此功能擴(kuò)展到高性能交互的數(shù)據(jù)集，數(shù)據(jù)流上。使用Bokeh可以快速便捷地創(chuàng)建交互式繪圖、儀表板和數(shù)據(jù)應(yīng)用程序等。Bokeh能與NumPy，Pandas，Blaze等大部分?jǐn)?shù)組或表格式的數(shù)據(jù)結(jié)構(gòu)完美結(jié)合。matplotlib和seaborn都是面向過(guò)程的，在數(shù)據(jù)分析過(guò)程中可以呈現(xiàn)；Bokeh是在最后的結(jié)果呈現(xiàn)，可做動(dòng)圖，可只打開(kāi)一張表，也可以做儀表盤的排版，可做圖表的聯(lián)動(dòng)。從概念上講，Bokeh 類似于 ggplot，它們都是用圖形語(yǔ)法來(lái)構(gòu)建圖片，但 Bokeh 具備可以做出專業(yè)圖形和商業(yè)報(bào)表且便于使用的界面。http://bokeh.pydata.org/en/latest/
點(diǎn)擊查看往期文章用Bokeh繪制圖形的教程：
Plotly是一個(gè)開(kāi)源，交互式和基于瀏覽器的Python圖形庫(kù)，可以創(chuàng)建能在儀表板或網(wǎng)站中使用的交互式圖表（可以將它們保存為html文件或靜態(tài)圖像）。Plotly基于plotly.js，而plotly.js又基于D3.js，因此它是一個(gè)高級(jí)圖表庫(kù)，與Bokeh一樣，Plotly的強(qiáng)項(xiàng)是制作交互式圖 ，有超過(guò)30種圖表類型， 提供了一些在大多數(shù)庫(kù)中沒(méi)有的圖表 ，如等高線圖、樹(shù)狀圖、科學(xué)圖表、統(tǒng)計(jì)圖表、3D圖表、金融圖表等。plotly繪制的圖能直接在jupyter中查看，也能保存為離線網(wǎng)頁(yè)，或者保存在plot.ly云端服務(wù)器內(nèi)，以便在線查看。plotly所支持的語(yǔ)言不只是Python，還支持諸如R,matlab,javescript等語(yǔ)言。如果使用Python語(yǔ)言，建議用jupyter notebook或jupyterlab作為IDEPlotly的Python graphing library在網(wǎng)上提供了交互式的、公開(kāi)的，高質(zhì)量的圖表集，可與R、python、matlab等軟件對(duì)接。在申請(qǐng)了API密鑰后，可以一鍵將統(tǒng)計(jì)圖形同步到云端。但美中不足的是，打開(kāi)國(guó)外網(wǎng)站會(huì)比較費(fèi)時(shí)，且一個(gè)賬號(hào)只能創(chuàng)建25個(gè)圖表，除非你升級(jí)或刪除一些圖表。點(diǎn)擊查看往期文章用plotly繪制圖形的教程：
pyecharts是基于 Echarts 開(kāi)發(fā)的，是一個(gè)用于生成 Echarts 圖表的類庫(kù)。Echarts 是百度開(kāi)源的一個(gè)數(shù)據(jù)可視化 JS 庫(kù)，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開(kāi)發(fā)者的認(rèn)可。而 Python，很適合用于數(shù)據(jù)處理。當(dāng)數(shù)據(jù)分析遇上數(shù)據(jù)可視化時(shí)，pyecharts 就誕生了，實(shí)際上就是 Echarts 與 Python 的對(duì)接。值得注意的是pyecharts目前有 v0.5.X 和 v1 兩個(gè)大版本，兩者之間并不兼容，0.5.x 版本也不再進(jìn)行維護(hù)，v1 是一個(gè)全新的版本，代碼風(fēng)格與v0.5.X也發(fā)生了比較大的變化，需要大家重新去學(xué)。https://github.com/pyecharts/pyecharts/
官方教程：
Networkx于2002年5月面世，是一個(gè)用Python語(yǔ)言開(kāi)發(fā)的圖論與復(fù)雜網(wǎng)絡(luò)建模工具，內(nèi)置了常用的圖與復(fù)雜網(wǎng)絡(luò)分析算法，可以方便的進(jìn)行復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)分析、仿真建模等工作。Networkx 是基于 matplotlib 的，是圖形分析和可視化的一個(gè)很好的絕佳解決方案，可以快速簡(jiǎn)便地用圖形表示網(wǎng)絡(luò)之間的連接。networkx支持創(chuàng)建簡(jiǎn)單無(wú)向圖、有向圖和多重圖；內(nèi)置許多標(biāo)準(zhǔn)的圖論算法，節(jié)點(diǎn)可為任意數(shù)據(jù)；支持任意的邊值維度，功能豐富，簡(jiǎn)單易用。https://networkx.github.io/documentation/stable/tutorial.html
點(diǎn)擊查看往期文章用Networkx繪制圖形的教程：
wordcloud基于Python的詞云生成類庫(kù)。詞云圖，也叫文字云，是對(duì)文本中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺(jué)化的展現(xiàn)，詞云圖過(guò)濾掉大量的低頻低質(zhì)的文本信息，使得瀏覽者只要一眼掃過(guò)文本就可領(lǐng)略文本的主旨。https://amueller.github.io/word_cloud/
點(diǎn)擊查看往期文章用wordcloud繪制圖形的教程：
ggplot是基于R的ggplot2和圖形語(yǔ)法的Python的繪圖系統(tǒng)，實(shí)現(xiàn)了更少的代碼繪制更專業(yè)的圖形。它使用一個(gè)高級(jí)且富有表現(xiàn)力的API來(lái)實(shí)現(xiàn)線，點(diǎn)等元素的添加，顏色的更改等不同類型的可視化組件的組合或添加，而不需要重復(fù)使用相同的代碼，然而這對(duì)那些試圖進(jìn)行高度定制的的來(lái)說(shuō)，ggplot并不是最好的選擇，盡管它也可以制作一些非常復(fù)雜、好看的圖形。正如其創(chuàng)造者所說(shuō)，ggplot不是為創(chuàng)建高度定制的圖形而設(shè)計(jì)的，它為更簡(jiǎn)單的繪圖方法犧牲了復(fù)雜性。ggplot與pandas緊密聯(lián)系。如果你打算使用ggplot，最好將數(shù)據(jù)保存在DataFrames中。ggplot的操作與matplotlib不同：它允許你對(duì)組件進(jìn)行分層以創(chuàng)建完整的繪圖。例如，你可以從坐標(biāo)軸開(kāi)始，然后添加點(diǎn)，再添加線、趨勢(shì)線等。http://ggplot.yhathq.com/
相關(guān)教程
官方文檔：
http://ggplot.yhathq.com/docs/index.html
中文博客：
https://www.cnblogs.com/kkdaddd/p/8681960.html
由于大多數(shù)Python數(shù)據(jù)可視化庫(kù)都不提供地圖，所以最好有一個(gè)專門針對(duì)它們的庫(kù)，Geoplotlib就是很好的一個(gè)。geoplotlib是python的一個(gè)用于地理數(shù)據(jù)可視化和繪制地圖的工具箱，你可以用它來(lái)創(chuàng)建各種各樣的地圖類型，比如等值線圖、熱圖和點(diǎn)密度地圖。它還提供了一個(gè)原始數(shù)據(jù)和所有可視化之間的基本接口，支持在純python中開(kāi)發(fā)硬件加速的交互式可視化，并提供點(diǎn)映射、內(nèi)核密度估計(jì)、空間圖、泰森多邊形圖、形狀文件和許多更常見(jiàn)的空間可視化的實(shí)現(xiàn)。除了為常用的地理數(shù)據(jù)可視化提供內(nèi)置的可視化功能外，geoplotlib還允許通過(guò)定義定制層來(lái)定義復(fù)雜的數(shù)據(jù)可視化（繪制OpenGL，如分?jǐn)?shù)、行和具有高性能的多邊形），創(chuàng)建動(dòng)畫。https://residentmario.github.io/geoplot/index.html
https://residentmario.github.io/geoplot/quickstart/quickstart.html
Pygal 和其它常用的繪圖包一樣，也是用圖形框架語(yǔ)法來(lái)構(gòu)建圖像的。它是一種開(kāi)放標(biāo)準(zhǔn)的矢量圖形語(yǔ)言，基于XML（Extensible Markup Language），與Bokeh和Plotly一樣，pygal提供了可以嵌入到Web瀏覽器中的交互式繪圖，可以生成多個(gè)輸出格式的高分辨率Web圖形頁(yè)面，還支持給定數(shù)據(jù)的html表導(dǎo)出。用戶可以直接用代碼來(lái)描繪圖像，可以用任何文字處理工具打開(kāi)SVG圖像，通過(guò)改變部分代碼來(lái)使圖像具有交互功能，并且可以插入到HTML中通過(guò)瀏覽器來(lái)觀看。只要你在處理較小的數(shù)據(jù)集，SVG就可以幫你做得很好。但是，如果你制作的圖表中有數(shù)十萬(wàn)個(gè)數(shù)據(jù)點(diǎn)，它們將很難呈現(xiàn)，并且會(huì)變得遲鈍。由于每種圖表類型都被包裝成一個(gè)方法，并且內(nèi)置的樣式很漂亮，所以用幾行代碼就可以很容易地創(chuàng)建一個(gè)美觀的圖表。http://www.pygal.org/en/stable/
官方文檔：
http://www.pygal.org/en/stable/documentation/index.html
中文博客：
https://blog.51cto.com/12731497/2160306
Cufflinks將Plotly直接綁定到pandas數(shù)據(jù)幀。這種組合非常驚人，結(jié)合了Pandas的靈活性，比Plotly更有效，語(yǔ)法甚至比plotly簡(jiǎn)單。使用plotly的Python庫(kù)，您可以使用DataFrame的系列和索引來(lái)描述圖形，但是使用Cufflinks可以直接繪制它。https://github.com/santosjorge/cufflinks
https://blog.csdn.net/u010986753/article/details/98937811
Folium是一個(gè)建立在Python系統(tǒng)之上的js庫(kù)，集Python生態(tài)系統(tǒng)的數(shù)據(jù)優(yōu)勢(shì)和Leaflet.js庫(kù)的映射優(yōu)勢(shì)之上。既可以在python中操作數(shù)據(jù)，然后通過(guò)folium在Leaflet地圖中將其可視化，還可自定義箭頭，網(wǎng)格等HTML格式的地圖標(biāo)記。Folium是一個(gè)用于繪制空間數(shù)據(jù)的“神庫(kù)”。你還可以使用folium生成熱圖和等值區(qū)域圖。該庫(kù)還附有一些內(nèi)置的地形數(shù)據(jù)。https://github.com/python-visualization/folium
官方文檔：
https://python-visualization.github.io/folium/quickstart.html#Getting-Started
中文博客：
https://www.cnblogs.com/feffery/p/9282808.html
Altair是一個(gè)聲明性統(tǒng)計(jì)（declarative statistical）可視化python庫(kù)，基于Vega和Vega-Lite。聲明意味著只需要提供數(shù)據(jù)列與編碼通道之間的鏈接，例如x軸，y軸，顏色等，其余的繪圖細(xì)節(jié)它會(huì)自動(dòng)處理。聲明使Altair變得簡(jiǎn)單，友好和一致。使用Altair可以輕松設(shè)計(jì)出有效且美觀的可視化代碼。Altair使您能夠使用強(qiáng)大而簡(jiǎn)潔的可視化語(yǔ)法快速開(kāi)發(fā)各種統(tǒng)計(jì)可視化圖表。https://altair-viz.github.io/
https://altair-viz.github.io/gallery/index.html
D3.js是目前市場(chǎng)上最好的數(shù)據(jù)可視化庫(kù)之一，既可以將它與python一起使用，也可以與R一起使用。最初，它可以與JavaScript一起使用，根據(jù)數(shù)據(jù)操作文檔。您可以使用HTML，SVG和CSS將數(shù)據(jù)變成活靈活現(xiàn)的圖表。D3.js并不要求您將自己綁定到任何專有框架，因?yàn)楝F(xiàn)代瀏覽器擁有D3.js所需的一切，它還用于組合強(qiáng)大的可視化組件和數(shù)據(jù)驅(qū)動(dòng)的DOM操作方法。Python 和 R 使D3.js變得更簡(jiǎn)單，如果你是JS專業(yè)人員更不需要猶豫，D3.js是絕對(duì)是上佳之選。官方文檔：
https://github.com/d3/d3/wiki
中文博客：
https://blog.csdn.net/hyfound/article/details/80422395
處理丟失的數(shù)據(jù)是一件痛苦的事。沒(méi)有高質(zhì)量的數(shù)據(jù)，就沒(méi)有高質(zhì)量的數(shù)據(jù)挖掘結(jié)果，當(dāng)我們做監(jiān)督學(xué)習(xí)算法，難免會(huì)碰到混亂的數(shù)據(jù)集，缺失的值，當(dāng)缺失比例很小時(shí)，可直接對(duì)缺失記錄進(jìn)行舍棄或進(jìn)行手工處理，但如果情況更為復(fù)雜呢？missingno提供了一個(gè)小型的靈活的、易于使用的數(shù)據(jù)可視化和實(shí)用工具集，用圖像的方式讓你能夠快速評(píng)估數(shù)據(jù)缺失的情況，而不是在數(shù)據(jù)表里面步履維艱。你可以根據(jù)數(shù)據(jù)的完整度對(duì)數(shù)據(jù)進(jìn)行排序或過(guò)濾，或者根據(jù)熱度圖或樹(shù)狀圖來(lái)考慮對(duì)數(shù)據(jù)進(jìn)行修正。missingno 是基于matplotlib建造的一個(gè)模塊，出圖速度很快，并且能夠靈活的處理pandas數(shù)據(jù)，它允許你通過(guò)直觀的總結(jié)快速衡量數(shù)據(jù)集的完整性，而不是艱難地瀏覽表格。你可以根據(jù)熱圖或樹(shù)形圖中的完成度或點(diǎn)相關(guān)來(lái)過(guò)濾和排序數(shù)據(jù)。<http://www.github.com/ResidentMario/missingno>
https://blog.csdn.net/Andy_shenzl/article/details/81633356
“Leather是一個(gè)為那些現(xiàn)在需要圖表而不在乎是否完美的人設(shè)計(jì)的Python圖表庫(kù)”，Leather的創(chuàng)建者Christopher Groskopf如是說(shuō)。Leather一種可讀且用戶界面友好的API，新手也能快速掌握。圖像成品非常基礎(chǔ)，適用于所有的數(shù)據(jù)類型，針對(duì)探索性圖表進(jìn)行了優(yōu)化，產(chǎn)生與比例無(wú)關(guān)的SVG圖，這樣在你調(diào)整圖像大小的時(shí)候就不會(huì)損失圖像質(zhì)量。目前這個(gè)庫(kù)相對(duì)較新，一些文檔仍在編寫中。https://leather.readthedocs.io/en/latest/examples.html
HoloViews是一個(gè)開(kāi)源的Python庫(kù)，可以用非常少的代碼行完成數(shù)據(jù)分析和可視化，除了默認(rèn)的matplotlib后端外，還添加了一個(gè)Bokeh后端。Bokeh提供了一個(gè)強(qiáng)大的平臺(tái)，通過(guò)結(jié)合Bokeh提供的交互式小部件，可以使用HTML5 canvas和WebGL快速生成交互性和高維可視化，非常適合于數(shù)據(jù)的交互式探索。http://holoviews.org/user_guide/index.html
PyQtGraph是在PyQt4 / PySide和numpy上構(gòu)建的純 python的GUI圖形庫(kù)。它主要用于數(shù)學(xué)，科學(xué)，工程領(lǐng)域。盡管它完全是在python中編寫的，但它對(duì)數(shù)據(jù)處理、數(shù)字運(yùn)算和Qt的GraphicsView框架的影響巨大，可以最少的工作量完成，數(shù)據(jù)可視化速度也非?？臁?/section>http://www.pyqtgraph.org/
官方文檔：
http://www.pyqtgraph.org/documentation/index.html
中文博客：
https://zmister.com/archives/219.html
VisPy是一個(gè)用于交互式科學(xué)可視化的Python庫(kù)，快速、可伸縮、且易于使用，是一個(gè)高性能的交互式2D / 3D數(shù)據(jù)可視化庫(kù)，利用了現(xiàn)代圖形處理單元(gpu)的計(jì)算能力，通過(guò)OpenGL庫(kù)來(lái)顯示非常大的數(shù)據(jù)集。http://vispy.org/index.html>
https://vispy.readthedocs.io/en/latest/documentation.html
Vincent是一個(gè)很酷的可視化工具，它以Python數(shù)據(jù)結(jié)構(gòu)作為數(shù)據(jù)源，然后把它翻譯成Vega可視化語(yǔ)法，并且能夠在d3.js上運(yùn)行。這讓你可以使用Python腳本來(lái)創(chuàng)建漂亮的3D圖形來(lái)展示你的數(shù)據(jù)。Vincent底層使用Pandas和DataFrames數(shù)據(jù)，并且支持大量的圖表—-條形圖、線圖、散點(diǎn)圖、熱力圖、堆條圖、分組條形圖、餅圖、圈圖、地圖等等。https://vincent.readthedocs.io/en/latest/
https://vincent.readthedocs.io/en/latest/quickstart.html
mpld3基于python的graphing library和D3js，匯集了Matplotlib流行的項(xiàng)目的JavaScript庫(kù)，用于創(chuàng)建web交互式數(shù)據(jù)可視化。通過(guò)一個(gè)簡(jiǎn)單的API，將matplotlib圖形導(dǎo)出為HTML代碼，這些HTML代碼可以在瀏覽器內(nèi)使用。https://blog.csdn.net/qq_41185868/article/details/81842840
Mayavi2是一個(gè)通用的、跨平臺(tái)的三維科學(xué)數(shù)據(jù)可視化工具，可以在二維和三維空間中顯示標(biāo)量、向量和張量數(shù)據(jù)，也可通過(guò)自定義源、模塊和數(shù)據(jù)過(guò)濾器輕松擴(kuò)展。Mayavi2也可以作為一個(gè)繪圖引擎，生成matplotlib或gnuplot腳本，也可以作為其他應(yīng)用程序的交互式可視化的庫(kù)，將生成的圖片嵌入到其他應(yīng)用程序中。http://docs.enthought.com/mayavi/mayavi/
https://blog.csdn.net/ouening/article/details/76595427
本文收集了常見(jiàn)的Python繪圖庫(kù)，應(yīng)付一般的繪圖任務(wù)可是綽綽有余了，不過(guò)數(shù)據(jù)可視化有這么多種方法可供選擇，選用最好最便捷的方案就變得極具挑戰(zhàn)性了。這里并不建議大家一個(gè)個(gè)去學(xué)，收藏起來(lái)，等有需求后再有目的性的結(jié)合起來(lái)去學(xué)效果可能會(huì)更佳。但在這里，我還是給出一個(gè)我的觀點(diǎn)：倘若你想做一些專業(yè)的統(tǒng)計(jì)圖表，我推薦你使用Seaborn，Altair；數(shù)學(xué)，科學(xué)，工程領(lǐng)域的學(xué)者可以選擇PyQtGraph，VisPy，Mayavi2；網(wǎng)絡(luò)研究和分析方面NetworkX，絕對(duì)是一個(gè)不錯(cuò)的選擇，地理投影就選geoplotlib，folium；評(píng)估數(shù)據(jù)缺失就選missingno；有了HoloViews再也不用為高維圖形犯愁；如果你不喜歡花俏的修飾，那就選擇Leather；如果你是一名有MATLAB基礎(chǔ)的新手，matplotlib相信你會(huì)很好上手；有R基礎(chǔ)的可以選ggplot；即使你是小白或懶癌晚期者，Plotly也將會(huì)是你的一大福音，它提供了大量圖表集可供你選擇與使用。
本站僅提供存儲(chǔ)服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)
點(diǎn)擊舉報(bào)。
