10个超实用的python可视化库，总有一款适合你~

再好的数据，也离不开可视化 — David 9

最近David 9翻看以前收藏，发现一篇关于python可视化库的文章，现在忍不住想分享给大家。以下是改编和翻译：

从专注研究眼睛移动的GazeParser项目到可视化神经网络实时训练的pastalog项目，优秀的python可视化的项目非常多，是时候我们总结一下10个超实用的python可视化库，相信总有一款适合你~ 而且，这些库可以在jupyter python notebook中直接运行显示。

matplotlib

上图是两个柱状图 (matplotlib)

matplotlib 是经典老牌的Python数据可视化库了。在Python社区里几乎无人不知。而且它模仿了1980年代的MATLAB可视化库。

又因为matplotlib是第一个Python数据可视化库，许多优秀的可视化库是基于matplotlib的，比如 pandas 和 Seaborn。

正像Chris Moffitt在他的文章里说的。matplotlib虽然很经典，但是其复杂和老式的样式也被人们诟病。不过，在 matplotlib 2.0 似乎在样式上做出了一些改变。

更多相关资料请阅读: matplotlib.org

Seaborn

Seaborn 是基于matplotlib的，关键不同在于它的样式美化过，而且更现代。

更多相关资料请阅读:http://web.stanford.edu/~mwaskom/software/seaborn/index.html

ggplot

图片来自：http://ggplot.yhathq.com/

ggplot是基于ggplot2, ggplot2是一个R语言作图系统。汲取The Grammar of Graphics书中的思想. ggplot 和matplotlib的作图方式不同，它是把元素一层一层地画在画布上（坐标轴，点，线等等）。而不是像matplot画x轴其实是把x轴属性设置一下而已。

根据作者讲述, ggplot 不适用于复杂作图，而适用于简单作图。

ggplot 和pandas结合的很好，所以如果要用ggplot画图，把数据存在DataFrame里是个好选择。

更多相关资料请阅读: http://ggplot.yhathq.com/

Bokeh

三个城市的天气数据来自：Continuum Analytics

像ggplot一样，Bokeh也是汲取The Grammar of Graphics书中的思想，但是与ggplot不同的是，它是用Python写的，不是接R语言的。Bokeh优势在于和HTML，JSON应用结合的很好。而且对于流处理和实时数据支持的很好。

Bokeh 支持高，中，低三种接口。最高级的接口可以直接用来话柱状图，盒图，线图，等等，只要你给JSON数据就行了。下一级接口有点像matplotlib，你要自己把图中的组件画出来。最底层的接口是专门给开发者的，这就给了你很多自定义的能力。

更多相关资料请阅读: http://bokeh.pydata.org/en/latest/

pygal

与Bokeh和Plotly一样, pygal 也支持在浏览器中作出交互图。最大的不同是：它可以画出SVG图。只要数据量不大，SVG作图不会有太大问题，如果数据量大，就不一定了。

更多相关资料请阅读: http://www.pygal.org/en/latest/index.html

Plotly

线状图来自 https://plot.ly/python/line-charts/

也许你不知道plotly除了在网页中大有作为，还可以在python notebook中使用。和Bokeh一样，plotly的特色就是提供可交换的作图，而且它有许多少有的作图方式：康拓图, 树枝型结构图, and 3D 图.

更多相关资料请阅读: https://plot.ly/python/

geoplotlib

等值区域图来自： https://github.com/andrea-cuttone/geoplotlib

geoplotlib是用来画地图的。可以用来画等值区域图，热图，密度图等等。在使用前你必须先安装Pyglet（一个基于对象的编程接口）。

更多相关资料请阅读: https://github.com/andrea-cuttone/geoplotlib

Gleam

散点图和趋势线来自： https://github.com/dgrtwo/gleam 

Gleam是受R语言Shiny包启发的库。 你无需有HTML，CSS或者Javascript的知识，只需要懂Python就足够了。

更多相关资料请阅读: https://github.com/dgrtwo/gleam

missingno

无效矩阵来自： https://github.com/ResidentMario/missingno#matrix

missingno帮助你可视化你的数据完整性，有哪些数据是缺失的，一目了然。你也可以选择热进图或者树枝分叉图来做你喜欢的表现样式。

更多相关资料请阅读: https://github.com/ResidentMario/missingno

Leather

来自： (http://leather.readthedocs.io/en/latest/examples.html#with-consistent-scales)

Leather被设计成支持所有数据类型，并且生成SVG图。这个库比较新，但是基础的功能都有。

更多相关资料请阅读: http://leather.readthedocs.io/en/latest/index.html

其他好的数据可视化文章：

• One Chart, Twelve Charting Libraries (Lisa Charlotte Rost)
• Overview of Python Visualization Tools (Practical Business Python)
• Python data visualization: Comparing 7 tools (Dataquest.io)

 

改编翻译自：10 Useful Python Data Visualization Libraries for Any Discipline

本文章属于“David 9的博客”原创，如需转载，请联系微信: david9ml，或邮箱：yanchao727@gmail.com