数据可视化是数据分析中极其重要的一部分。毕竟，要理解数据中隐藏的模式和层，没有比以可视化格式查看它们更好的方法了！不相信我？好吧，假设您分析了公司数据并发现某个特定产品一直在为公司亏损。您的老板可能不会那么关注书面报告，但如果您将利润作为持续下降的红线呈现折线图，那么您的老板可能会更加关注！这显示了数据可视化的力量！
人类是视觉动物，因此条形图、散点图、折线图、地理地图等数据可视化图表非常重要。它们只是通过查看它们来告诉您信息，而通常您必须阅读电子表格或文本报告才能理解数据。 Python是最流行的数据分析和数据可视化编程语言之一。近年来有几个库可以创建漂亮而复杂的数据可视化。这些库之所以如此受欢迎，是因为它们允许分析师和统计学家通过在一个地方方便地提供界面和数据可视化工具，根据他们的规范轻松创建可视化数据模型！本文演示了当今常用的10 个用于数据可视化的Python库。
1. Matplotlib
Matplotlib 是Python的数据可视化库和二维绘图库，最初发布于 2003 年，是Python社区中最受欢迎和使用最广泛的绘图库。它带有跨多个平台的交互式环境。 Matplotlib 可用于Python脚本、 Python和 IPython shell、Jupyter 笔记本、Web 应用程序服务器等。它可用于使用各种 GUI 工具包（如 Tkinter、GTK+、wxPython、Qt 等）将绘图嵌入到应用程序中。所以你可以使用 Matplotlib 创建绘图、条形图、饼图、直方图、散点图、误差图、功率谱、干线图以及您想要的任何其他可视化图表！ Pyplot 模块还提供了一个类似于 MATLAB 的界面，它与 MATLAB 一样通用和有用，同时是免费和开源的。
2. 诡计多端
Plotly 是一个免费的开源图形库，可用于形成数据可视化。 Plotly (plotly.py) 建立在 Plotly JavaScript 库 (plotly.js) 之上，可用于创建基于 Web 的数据可视化，这些可视化可以使用 Dash 在 Jupyter 笔记本或 Web 应用程序中显示或保存为单独的 HTML 文件。 Plotly 提供了 40 多种独特的图表类型，如散点图、直方图、折线图、条形图、饼图、误差线、箱线图、多轴、迷你图、树状图、3D 图表等。 Plotly 还提供等高线图，其中在其他数据可视化库中并不常见。除此之外，Plotly 可以在没有互联网连接的情况下离线使用。
3. 海生
Seaborn 是一个基于 Matplotlib 并与 NumPy 和 Pandas 数据结构紧密集成的Python数据可视化库。 Seaborn 有各种面向数据集的绘图函数，可以对包含整个数据集的数据框和数组进行操作。然后它在内部执行必要的统计聚合和映射功能，以创建用户所需的信息图。它是一个高级界面，用于创建美观且信息丰富的统计图形，这些图形对于探索和理解数据是不可或缺的。 Seaborn 数据图形可以包括条形图、饼图、直方图、散点图、误差图等。Seaborn 还提供各种工具来选择可以揭示数据模式的调色板。
4. GGplot
ggplot 是一个Python数据可视化库，基于 ggplot2 的实现，是为编程语言 R 创建的。 ggplot 可以使用高级别的创建数据可视化，如条形图、饼图、直方图、散点图、误差图等。应用程序接口。它还允许您在单个可视化中添加不同类型的数据可视化组件或层。一旦 ggplot 被告知将哪些变量映射到绘图中的哪些美学，它就会完成剩下的工作，这样用户就可以专注于解释可视化并减少创建它们的时间。但这也意味着无法在 ggplot 中创建高度自定义的图形。 Ggplot 也与 Pandas 有很深的联系，所以最好将数据保存在 DataFrames 中。
5.牛郎星
Altair 是Python的统计数据可视化库。它基于 Vega 和 Vega-Lite，它们是一种声明式语言，用于创建、保存和共享也是交互式的数据可视化设计。 Altair 可用于创建图形的精美数据可视化，例如条形图、饼图、直方图、散点图、误差图、功率谱、干线图等，使用最少的编码。 Altair 具有依赖项，包括Python 3.6、入口点、jsonschema、NumPy、Pandas 和 Toolz，这些依赖项通过 Altair 安装命令自动安装。您可以打开 Jupyter Notebook 或 JupyterLab 并执行任何代码以在 Altair 中获得该数据可视化。目前，可以在 GitHub 上找到 Altair 的源代码。
6. 散景
Bokeh 是一个数据可视化库，它提供详细的图形，在各种数据集之间具有高度的交互性，无论它们是大还是小。 Bokeh 基于像 ggplot 这样的图形语法，但它是Python原生的，而 ggplot 基于 R 的 ggplot2。数据可视化专家可以使用散景为现代 Web 浏览器创建各种交互式绘图，可用于交互式 Web 应用程序、HTML 文档，或 JSON 对象。散景有 3 个级别，可用于创建可视化。第一级只专注于快速创建数据图，第二级控制图的基本构建块，而第三级提供创建图表的完全自主权，没有预设的默认值。此级别适合精通创建数据可视化技术方面的数据分析师和 IT 专业人员。
7. 皮加尔
Pygal 是一个Python数据可视化库，用于创建性感图表！ （根据他们的网站！）虽然 Pygal 类似于 Plotly 或 Bokeh，因为它创建了可以嵌入网页并使用 Web 浏览器访问的数据可视化图表，但主要区别在于它可以以 SVG 的形式输出图表或可缩放矢量图形。这些 SVG 确保您可以清楚地观察您的图表，即使您缩放它们也不会损失任何质量。但是，SVG 仅适用于较小的数据集，因为太多的数据点难以呈现并且图表会变得迟钝。
8. Geoplotlib
大多数数据可视化库并没有为创建地图或使用地理数据提供太多支持，这就是 geoplotlib 是一个如此重要的Python库的原因。它支持创建地理地图，特别是有许多不同类型的地图可用，例如点密度地图、等值线图、符号地图等。要记住的一件事是在安装之前需要 NumPy 和 pyglet 作为先决条件，但这不是一个很大的缺点。特别是因为您想创建地理地图，而 geoplotlib 是地图的唯一绝佳选择！
总之，所有这些用于数据可视化的Python库都是创建美观且信息丰富的数据可视化的绝佳选择。这些中的每一个都有其长处和优点，因此您可以选择最适合您的数据可视化或项目的一个。例如，Matplotlib 非常流行，非常适合一般的二维绘图，而 Geoplotlib 则特别适合地理可视化。因此，继续选择您的库以在Python创建令人惊叹的可视化！