一个简单易用的Python可视化工具，可以大大提高开发效率。本文介绍 6 个 Python 可视化工具。它们各有所长，适用于不同的场景。总会有适合你的。今天我们将介绍面向多个学科的10款Python可视化工具，小白请查收！

　　1. matplotlib

　　matplotlib 是 Python 可视化库之王。十多年过去了，它仍然是 Python 用户最常用的绘图库。它的设计非常接近 20 世纪 80 年代设计的商业编程语言 MATLAB。

　　由于 matplotlib 是第一个 Python 可视化库，因此有许多其他库基于它构建或直接调用它。

　　比如pandas和Seaborn就是matplotlib的外包，它们可以让你用更少的代码调用matplotlib的方法。

　　虽然 matplotlib 可用于轻松获取有关数据的一般信息，但要更快速、更简单地生成图表以供发布却并非易事。

　　正如 Chris Moffitt 在《Python 可视化工具简介》中所说：“它非常强大，但也非常复杂。”

　　matplotlib默认的带有浓郁90年代气息的绘图风格也被吐槽了很多年。即将发布的 matplotlib 2.0 版本有望包含更多现代风格。

　　2.海伯恩

　　Seaborn 使用 matplotlib 以简洁的代码制作美观的图表。

　　Seaborn 与 matplotlib 最大的区别在于其默认的绘图风格和配色具有现代美感。

　　由于Seaborn是在matplotlib的基础上构建的，所以需要了解matplotlib来调整Seaborn的默认参数。

　　3. 图表

　　ggplot 基于 ggplot2，R 的绘图包，并使用图形语法中的概念。

　　ggplot 和 matplotlib 之间的区别在于它允许您叠加不同的图层来完成绘图。例如，您可以从轴开始，然后添加点、添加线、趋势线等。

　　尽管《Grammar of Graphics》因其“更接近思维过程”的作图方式而受到赞誉，但习惯了 matplotlib 的用户可能需要一些时间来适应这种新的思维方式。

　　ggplot的作者提到ggplot不适合制作非常个性化的图形。它牺牲了图形的复杂性以简化操作。

　　ggplot 与 pandas 紧密集成，因此在使用 ggplot 时最好将数据存储在 DataFrame 中。

　　ggplot 与 pandas 集成得很好，所以当你使用它时，最好将你的数据作为 DataFrame 读取。

　　4.散景

　　和ggplot一样，Bokeh也是基于“Grammar of Graphics”的概念。

　　但与 ggplot 不同的是，它完全基于 Python 而不是从 R 中引用。

　　它的优势在于它可以用来制作交互式的、可用于网络的图表。图表可以导出为 JSON 对象、HTML 文档或交互式 Web 应用程序。

　　Boken 还支持数据流和实时数据。Bokeh 为不同的用户提供三个级别的控制。

　　最高级别的控件是用于快速作图，主要用于制作直方图、箱线图、直方图等常用图形。

　　中等级别的控制允许您像 matplotlib 一样控制绘图的基本元素(例如分布图中的点)。

　　最低级别的控制主要供开发人员和软件工程师使用。

　　它没有默认值，您必须定义图形的每个元素。

　　5. 皮加尔

　　pygal 与 Bokeh 和 Plotly 一样，提供可以直接嵌入 Web 浏览器的交互式图形。

　　与其他两个的主要区别在于它可以输出 SVG 格式的图表。

　　如果你的数据量比较小，SVG 就足够了。但是，如果您有成百上千个数据点，SVG 渲染过程会变得非常缓慢。

　　由于所有的图表都被封装成方法，而且默认的样式也很漂亮，所以只需要几行代码就可以轻松制作出漂亮的图表。

　　6.情节

　　您可能听说过在线绘图工具 Plotly，但您知道它可以与 Python 一起使用吗？

　　Plotly 和 Bokeh 一样，致力于制作交互式图表，但它提供了几种其他库中很难找到的图表类型，例如等高线图、树状图和 3D 图表。

　　7.地理绘图库

　　Choropleth(Andrea Cuttone)

　　geoplotlib 是制作地图和地理相关数据的工具箱。

　　您可以使用它制作各种地图，例如等值线图、热图和点密度图。

　　您必须安装 Pyglet(一种面向对象的编程接口)才能使用 geoplotlib。不过由于大多数Python可视化工具都不提供地图，所以如果有一个专职的地图绘制工具也是非常方便的。

　　8.微光

　　Gleam 借鉴了 R 中 Shiny 的灵感。它允许您仅使用 Python 程序将您的分析转化为交互式 Web 应用程序，您无需了解 HTML CSS 或 Java。

　　Gleam 可以使用任何 Python 可视化库。

　　创建图表时，您可以向其中添加一个字段，以便用户可以使用它对数据进行排序和筛选。

　　9. 没有遗漏

　　丢失数据是一种持续的痛苦。

　　missingno 使用图像让您快速评估丢失的数据，而不是在数据表中挣扎。

　　您可以根据数据的完整性对数据进行排序或过滤，或者考虑根据热图或树状图进行更正。

　　10.皮革

　　比例一致的图表网格 (Christopher Groskopf) 皮革的最佳定义来自其作者 Christopher Groskopf。

　　“皮革适合那些现在需要一张图表并且不在乎它是否完美的人。”

　　它可用于所有数据类型并生成 SVG 图像，这样您在调整图像大小时不会损失图像质量。

　　关于适合小白的10款Python可视化工具就分享到此，希望对大家有所帮助！

上一篇

初学Python需要安装哪些软件？

下一篇

python与c语言的语法区别有哪些？