用于数据可视化的前 8 个Python库

Python 作为一种高级编程语言，以其丰富的库和强大的可视化能力而受欢迎。在这篇文章中，我们将介绍python中用于数据可视化的前8个库。

1. Matplotlib

Matplotlib 是一种绘制 2D 和 3D 图形的 Python 库。它是 Python 可视化生态系统中最著名的库之一。Matplotlib 提供了广泛的图形类型，例如折线图，柱状图，散点图等，用户可以使用很少的代码生成好看的图形。

import matplotlib.pyplot as plt

x = [1, 2, 3, 4]
y = [10, 5, 7, 9]

plt.plot(x, y)
plt.show()

2. Seaborn

Seaborn 是一个基于 Matplotlib 的库，提供了更高级别的数据可视化 API，为探索和理解数据提供了更多的便捷性。Seaborn 提供了高级数据可视化的自定义控件、数据缩放、数据可视化工具和数据变换等功能。 Seaborn 的设计更注重于进行统计分析和可视化呈现。

import seaborn as sns

titanic = sns.load_dataset('titanic')

sns.countplot(x="class", hue="who", data=titanic)
sns.despine()
plt.show()

3. Plotly

Plotly 是一个非常强大的 Python 库，可以轻松创建交互式可视化图表。它可以制作 3D 图形，基于经纬度的地图以及多种复杂图表。 Plotly 给用户提供了强大的工具，用于创建高质量的动态报告和可视化图表。

import plotly.express as px

iris = px.data.iris()

fig = px.scatter(iris, x="sepal_width", y="sepal_length",
                 color="species", size='petal_length')

fig.show()

4. Bokeh

Bokeh 是一个交互式的可视化库，它可以制作基于浏览器的交互式图形。Bokeh 用于协同处理大型或真实时间数据，让你可以通过仪表板、图表和可视化工具，快速检测和分析数据，发现数据背后的故事。

from bokeh.io import show, output_file
from bokeh.plotting import figure

p = figure(title="Bokeh Example")

# add a line renderer with legend and line thickness
p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], legend_label="Temp.", line_width=2)

# show the results
show(p)

5. Altair

Altair 是一个基于 Vega-Lite 的声明式可视化库，它提供了简单而明确的 API，用于构建交互式可视化图表。 Altair 可以快速创建背后是 JavaScript 代码的可视化图表。

import altair as alt
from vega_datasets import data

cars = data.cars()

alt.Chart(cars).mark_point().encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
    tooltip=['Name', 'Origin']
).interactive()

6. ggplot

ggplot 是相比于 Matplotlib 更为简洁、快捷的绘图库，它借鉴了 R 语言中知名作图引擎 ggplot2 的语法，使得在 Python 环境下绘图代码更加直观和优雅。

from ggplot import diamonds, aes, geom_density

ggplot(diamonds, aes(x='price', color='clarity')) + \
    geom_density()

7. Plotnine

Plotnine 基于 R 语言的 ggplot2 库而来，使用了 Python 语言中 pandas 库中的数据结构，语法简洁清晰，功能强大。

from plotnine import ggplot, geom_point, aes

from gapminder import gapminder

az = gapminder.query("year == 2007 & continent == 'Europe'")

(ggplot(az)
 + aes(x='gdpPercap', y='lifeExp')
 + geom_point(size=60)
)

8. Chord

Chord 是一个快速创建和调整弦图的库。弦图是一种展示多个变量之间交互关系的图表类型。

from chord import Chord

matrix = [[11975, 5871, 8916, 2868],
          [1951, 10048, 2060, 6171],
          [8010, 16145, 8090, 8045],
          [1013, 990, 940, 6907]]

names = ['D1', 'D2', 'D3', 'D4']

Chord(matrix, names).to_html()

这些都是 Python 中最好的可视化库，使用这些库可以创建出令人惊叹的可视化结果！