Python 中的經典資料視覺化庫有哪些？

資料視覺化是展示和理解資料的有效手段，常用的Python資料視覺化庫如下：

第乙個 python 視覺化庫，許多其他庫都基於或直接呼叫，可以很容易地獲得資料的概覽，這非常強大，但也非常複雜。

matplotlib 和 matplotlib 最大的區別在於預設的繪圖風格和配色具有現代美感。

基於 R 庫的 GGPLOT2 也利用了源自 Image Grammar 的概念，它允許疊加不同的圖層來完成一張圖片，並且不適合製作非常個性化的影象，為了操作的簡單性而犧牲了影象的複雜性。

它與 ggplot 非常相似，但與 ggplot 的不同之處在於它完全基於 python，而不是從 r 引用。 優點是它可用於建立互動式網路就緒圖。

圖表可以輸出為 JSON 物件、HTML 文件或互動式 Web 應用程式。

它可以通過 Python 筆記本使用，專用於建立散景等互動式圖表，但提供了幾種在其他庫中幾乎不可能找到的圖表型別，例如等高線圖、樹形圖和 3D 圖。

與散景和繪圖一樣，提供了可以直接嵌入到 Web 瀏覽器中的互動式影象。 與其他兩個的主要區別在於圖表可以匯出為SVG格式，所有圖表都封裝在方法中，並且預設樣式也很漂亮，並且很容易用幾條線製作出漂亮的圖表。

用於製作地圖和地理相關資料的工具箱。 可用於建立多種貼圖，如等效面積圖、熱圖、點密度圖等，使用前必須安裝pyglet。

以影象的形式快速評估缺失資料，根據完整性對資料進行排序或過濾，或根據熱圖或樹狀圖更正資料。

1、matplotlib

MattPlotlib 是 Python 中許多資料視覺化庫的鼻祖，其設計風格非常接近 20 世紀 80 年代設計的商業程式語言 MATLAB，具有許多強大而複雜的視覺化功能。 MattPlotlib 包含多種型別的 API，它們可以通過多種方式繪製和自定義圖形。

2、seaborn

Seaborn 是乙個基於 MattPlotlib 的高階封裝視覺化庫，它支援互動式介面，使繪製圖示更容易，顏色更吸引人，從而繪製豐富多樣的統計圖表。

3、ggplot

ggplot 是乙個基於 matplotlib 的庫，旨在以簡單的方式使 matplotlib 視覺化更具吸引力，以疊加層的形式繪製圖形。 例如，繪製軸的圖層，然後是點所在的圖層，最後是線所在的圖層，但它不適合個性化圖形。 此外，GGPocta2 為 R 語言準備了乙個介面，其中 API 不適合 Python，但適合 R 語言並且非常強大。

4、bokeh

Bokeh 是乙個互動式視覺化庫，可以使用 Web 瀏覽器呈現，可用於快速輕鬆地將大型資料集轉換為高效能、互動式和結構簡單的圖表。

5、pygal

PyGal 是乙個可縮放的向量相簿，用於生成 SVG 格式的圖表，這些圖表可以在瀏覽器中開啟並自動縮放不同比例的螢幕，以便於使用者互動。

6、pyecharts

Pyecharts 是乙個用於生成 Echarts 的庫，生成的 Echarts 以其良好的互動性和精緻的設計得到了眾多開發者的認可。

1.MattPlotlib：是Python中許多資料視覺化庫的鼻祖，其設計風格與20世紀80年代的商業程式語言MATLAB非常相似，具有許多強大而複雜的視覺化功能; 還有幾種型別的 API 允許您以多種方式繪製和自定義圖示。

2.Seaborn：是乙個基於 Mattplotlib 的高階封裝視覺化庫，它支援互動式介面，可以輕鬆繪製圖表並使圖表的顏色更具吸引力。

3.ggplot：是乙個基於 matplotlib 的庫，旨在以簡單的方式提高 matplotlib 的視覺吸引力，使用疊加層的形式來繪製圖形，比如先畫出坐標軸所在的圖層，然後畫出點所在的圖層，最後畫出線條所在的圖層， 但它不適合個性化圖形。

4.Boken：是乙個互動式視覺化庫，可以使用 Web 瀏覽器進行呈現，可用於快速輕鬆地將大型資料集轉換為高效能、互動式且結構簡單的圖表。

5.pygal：是乙個可擴充套件的向量圖示庫，用於生成瀏覽器就緒的 SVG 格式圖表，這些圖表可以自動縮放到不同比例的螢幕，以便於使用者互動。

6.Pyecharts 是乙個用於生成 Echarts 的庫，生成的 Echarts 以其良好的互動性和精緻的設計得到了眾多開發者的認可。

本文是《資料青蛙三個月強化課程》的第二篇總結教程，想知道Data Frog 社群，可以讀取給 DataFrog 社群的學習建議對於我們資料分析師來說，不僅要了解資料背後的含義，還要更直觀地將資料的意義展示給老闆。 所以，讓我們一起學習這個不可或缺的技能。

在繪製之前，我們匯入包並生成資料集。

讓我們從使用的資料集開始。

折線圖是我們用來觀察日曆走勢最常用的圖表，可以用某個變數看到資料的走勢，引數預設為kind="line"表示圖的型別是折線圖。

對於離散資料（如分類資料），您需要檢視資料在類別之間的分布情況，可以使用條形圖。 我們為每個類別繪製一列。 此時，您可以將引數 kind 設定為 bar。

條形圖是通過將垂直條形圖翻轉 90 度獲得的圖形。 與條形圖一樣，條形圖可以包含一組或多組資料。

當類別名稱很長時，水平條形圖非常方便，因為文字是從左到右書寫的，符合大多數使用者的閱讀順序，這使得我們的圖形易於閱讀。 並且當類別名稱很長時，直方圖不能很好地顯示。

直方圖是柱形圖的一種特殊形式，當我們想檢視資料集的分布時，我們會選擇直方圖。 直方圖的變數被劃分為不同的範圍，然後在不同的範圍內計數。 在直方圖中，連續的、連續的條形意味著數字連續性。

箱形圖用於展示資料集的描述性統計量，即[四分位數]，線的上下端表示某一組資料的最大值和最小值。 框的上端和下端表示資料中前 25% 和 75% 的值。 框中間的水平線表示中位數。

現在，您可以將引數 kind 設定為 box。

如果要繪製散點圖，可以將引數 kind 設定為散點並指定 x 和 y。 散點圖允許您探索變數之間的關係。

餅圖是一組資料的面積百分比，引數型別可以設定為餅圖。

對於我們這些剛開始學習的人來說，應該基本了解哪些資料應該用什麼圖形來顯示，那麼我們一起總結一下。

這裡有 2 種視覺化 Python 的方法，分別是 Seaborn 和 Pyecharts，這 2 個庫簡單易學，好用，可以快速繪製簡潔美觀的圖表，而且數量少，使用起來非常方便，下面簡單介紹一下這 2 個庫的安裝使用，實驗環境 win10+， 主要內容如下：

Seaborn：這是乙個基於 matplotlib 的視覺化庫，是 matplotlib 更高階的封裝，極大地方便了我們的資料視覺化，儲存了很多 matplotlib 預設引數的配置，**量小，對映美觀，下面我簡單介紹一下這個庫：

1.要安裝 Seaborn，只需在 cmd 視窗中輸入命令“pipinstallseaborn”，如下所示：

2.安裝成功後，我們可以進行簡單的測試，主要的防腐節拍如下（官方示例）：

程式執行截圖如下，對映效果還不錯：

pyecharts：這是乙個用於 echarts 的 python 介面，借助 echarts，我們可以快速繪製簡潔美觀的視覺化圖表。 易學易懂，易用，非常適合資料視覺化，下面我簡單介紹一下這個庫：

2.安裝成功後，我們可以進行乙個簡單的測試，主要**如下：

該程式的螢幕截圖如下

至此，介紹了兩種 python 視覺化方法。 總的來說，這2個視覺化庫使用起來非常方便，好學，好用，有興趣可以參考官網教程，試試看，當然也可以使用matplotlib、ggplot2等視覺化庫，只要適合自己的專案就可以了， 網上也有相關的教程和資料，有興趣可以搜尋一下，希望上面分享的內容能對大家有所幫助，也歡迎大家評論留言。

資料視覺化是Python最常見的應用領域之一，資料視覺化是借助圖形化手段以圖形方式表達一組資料，並使用資料分析和開發工具發現其中未知資訊的過程。

學術界流傳著一句話，一張圖片勝過千言萬語，就是一張圖片勝過千言萬語。 在課堂上，我經常舉的例子是，如果你在瀏覽朋友圈的時候看到某人**，當你看到某人**時，這個話題很吸引人，我們會點選進去，也許前幾段會很認真的讀，而文章很長的時候，一目了然就會跟著十行， 並失去閱讀興趣。

因此，資料、**和文字都以圖表的形式表達出來，既能提高讀者的閱讀興趣，又能直觀地表達自己想要表達的內容。

有許多 python 視覺化庫，以下是一些最常用的庫。

matplotlib

它是Python中許多資料視覺化庫的鼻祖，也是資料視覺化最基礎的第三方資料庫，語言風格簡單易懂，特別適合初學者上手。

seaborn

Seaborn 是 MattPlotlib 之上的乙個更高階的 API 包裝器，這使得製作圖表變得更加容易，在大多數情況下，Seaborn 可以製作非常有吸引力的繪圖，使用 MattplotLib，您可以製作具有更多功能的繪圖。 Seaborn 應該被看作是 matplotlib 的補充，而不是替代品。

pyecharts

pyecharts 是一款結合了 Python 和 Echarts 的強大資料視覺化工具，生成精美的圖表和良好的互動性，可以輕鬆整合到 Flask、Sanic、Django 等主流 Web 框架中，得到了眾多開發者的認可。

BokehBokeh 是乙個用於 Web 瀏覽器的互動式視覺化庫，可在大型或流資料集上提供優雅、簡潔的多功能圖形結構和高效能互動性。

Python 是乙個視覺化庫，可以輕鬆高效地生成各種圖表，以下是一些常見的圖表。

柱形圖。 條形圖。

坡度圖。 夜鶯玫瑰身影。

雷達圖。 詞雲圖。

散布圖。 等高線圖。

瀑布圖。 相關係數圖。

散點圖。

直方圖。 箱形圖。

核密度估計圖。

折線圖。 面積圖。

日曆圖表。 餅圖。

甜甜圈圖。 馬賽克圖。

華夫餅圖。 還有其他圖形，例如地理空間圖，因此我不會一一列出，但我們將從最常用的視覺化庫 matplotlib 開始。