#PyCon2018两款最新ML数据可视化库：Altair和Yellowbrick，函数式编程的可视化库和scikit-learn增强可视化库

数据科学的可视化库和深度学习框架库一样，虽然层出不穷，但是大致分为两种：

一种是通用可视化库任何类似json schema的静态数据都可以用它作图如：  Pandas, Seaborn , ggplot, Bokeh, pygal, Plotly 。

另一种是和框架耦合较高的可视化库，如TensorFlow的TensorBoard，scikit-learn增强可视化库Yellowbrick。

对于第一种通用库，方便简洁、易用的趋势一直没有改变。这届PyCon2018上的talk：Exploratory Data Visualization with Vega, Vega-Lite, and Altair 就介绍了Altair这种新的函数式编程可视化库，其简洁程度，只要拿到panda的dataframe数据，多加一句声明代码，就可以进行可视化了：

import altair as alt

# to use with Jupyter notebook (not JupyterLab) run the following
# alt.renderers.enable('notebook')

# load a simple dataset as a pandas DataFrame
from vega_datasets import data
cars = data.cars()

# 这里是声明代码，是不是有函数式编程的味道 ？
alt.Chart(cars).mark_point().encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
)
Altair例程

如果要把点的样式改成线的样式，只需把函数mark_point()改成mark_line()即可，如下代码：

加入David9的星球群阅读所有文章:

阅读全文

加入David9的星球群，获得通行密码

本文采用署名 – 非商业性使用 – 禁止演绎 3.0 中国大陆许可协议进行许可。著作权属于“David 9的博客”原创，如需转载，请联系微信: david9ml，或邮箱：yanchao727@gmail.com

 

发布者

David 9

邮箱：yanchao727@gmail.com 微信: david9ml

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注