責編 | 寇雪芹
頭圖 | 下載於視覺中國
來源 | 博文視點Broadview
Python有很多數據可視化庫，這些數據可視化庫主要分爲探索式可視化庫和交互式可視化庫。前者透過簡單直接的視覺圖形，更方便用戶看懂原數據，後者主要用於與業務結合過程中展現總體分析結果。
在數據可視化的研究熱潮中，如何讓數據生動呈現，成了一個具有挑戰性的任務，隨之也出現了大量的可視化軟件。相對於其他商業可視化軟件，Python是開源且免費的，而且具有易上手、效果好的優點。
大家普遍第一次接觸到的Python數據可視化庫基本上都是Matplotlib。Python還有很多數據可視化庫，本文盤點了12款常用的Python數據可視化庫，挑選適合自己業務的那一款吧！
探索式可視化庫
探索式分析最大的優勢在於，可以讓業務人員在海量數據中“自由發揮”，不受數據模型的限制。通過探索式分析和可視化，業務人員可以快速發現業務中存在的問題。
Python探索式可視化庫主要包括如下幾個。
1.Matplotlib
Matplotlib是Python數據可視化庫的元老，儘管它已有十多年的歷史，但仍然是Python社區中使用最廣泛的繪圖庫，編寫幾行代碼即可生成線圖、直方圖、功率譜密度圖、條形圖、錯誤圖、散點圖等。
Python的可視化庫衆多，各有各的特點，但是Matplotlib是一個非常基礎的Python可視化庫，如果需要學習Python數據可視化，那麼Matplotlib是非學不可的，之後再學習其他庫就比較簡單了。Matplotlib的中文學習資料比較豐富，其中最好的學習資料是其官方網站的幫助文檔，大家可以在上面查閱自己感興趣的內容。
2.Seaborn
Seaborn利用Matplotlib的強大功能，只用幾行代碼就能創建出漂亮的圖表。它們的關鍵區別在於，Seaborn的默認款式和調色板設計更加美觀和現代。由於Seaborn是在Matplotlib基礎上構建的，因此用戶還需要了解Matplotlib以便調整Seaborn的默認值。
Seaborn同Matplotlib一樣，也是Python進行數據可視化分析的重要第三方包。
Seaborn在Matplotlib的基礎上進行了更高級的API封裝，使用戶繪圖更加容易，所繪圖形更加漂亮。Seaborn是基於Matplotlib的一個模塊，專用於統計可視化，可以和Pandas進行無縫連接，使可視化的初學者更容易上手。
相對於Matplotlib，Seaborn語法更簡潔，兩者的關係類似於Numpy和Pandas的關係。但是需要注意的是，應該把Seaborn視爲Matplotlib的補充，而不是替代物。
Seaborn庫旨在以數據可視化爲中心來挖掘與理解數據，它提供的面向數據集製圖函數主要是對行列索引和數組的操作，包含對整個數據集進行內部的語義映射與統計整合，以此生成信息豐富的圖表。
3.Pyecharts
Pyecharts是我國開發人員開發的，相比較Matplotlib、Seaborn等可視化庫，Pyecharts十分符合國內用戶的使用習慣。
Pyecharts的目的是實現Echarts與Python的對接，以便在Python中使用Echarts生成圖表。
Echarts是Apache軟件基金會的一個數據可視化JavaScript庫，生成的圖的可視化效果非常好，其憑藉良好的交互性，精巧的圖表設計，得到了衆多開發者的認可
4.Missingno
處理缺失的數據是一件讓人痛苦的事，Missingno通過使用視覺摘要來快速評估數據集的完整性，而不是通過大篇幅的表格。它可以根據熱力圖或樹狀圖的完成度或點的相關度對數據進行過濾和排序。
交互式可視化庫
數據可視化可以是靜態的也可以是交互的，交互式的數據可視化是指人們使用計算機和移動設備深入圖表和圖形的具體細節，然後用交互的方式改變他們看到的數據。
Python交互式可視化庫主要包括如下幾個。
1.Bokeh
Bokeh基於JavaScript實現交互式可視化，它是原生Python語法，它可以在Web瀏覽器中實現美觀的視覺效果。
它的優勢在於能夠創建交互式的網站圖，可以很容易地將數據輸出爲JSON對象、HTML文檔或交互式Web應用程序。Bokeh還支持流媒體和實時數據。
但是它也有明顯的缺點：一是版本時常更新，最重要的是有時語法不向下兼容，這對於開發者來說是噩夢；二是語法晦澀，與Matplotlib相比，可以說是有過之而無不及。
2.HoloViews
HoloViews是一個開源的Python庫，旨在使數據分析和可視化更加簡便，可以用非常少的代碼行完成數據分析和可視化。
除了默認的Matplotlib後端，它還添加了一個Bokeh後端。結合Bokeh提供的交互式小部件，可以使用HTML5和WebGL快速生成交互式視圖，以及進行高維數據的可視化探索。
3.Plotly
Plotly是一個數據可視化的在線平臺，與Bokeh一樣，Plotly的強項在於製作交互式視圖，但它提供了一些在大多數庫中沒有的圖表，如等高線圖、樹狀圖和3D圖表。可以在線繪製條形圖、散點圖、餅圖、直方圖等多種圖形，可以畫出很多媲美Tableau的高質量圖。
Plotly支持在線編輯圖形，支持Python、JavaScript、MATLAB和R等多種語言的API。Plotly生成的所有圖表實際上都是由JavaScript產生的，無論是在瀏覽器還是在Jupyter中，所有的可視化、交互都是基於plotly.js的，它是一個高級的聲明性圖表庫，提供了20多種圖表類型，包含3D圖表、統計圖和SVG地圖等。
4.pygal
與Bokeh和Plotly一樣，pygal提供了可以嵌入Web瀏覽器的交互式視圖。區別在於，它能夠將圖表輸出爲SVG格式。如果用戶使用較小的數據集，則輸出位SVG格式的圖像就可以了，但是如果用戶製作的圖表包含數十萬個數據點，那麼它們就會很難被渲染並變得反應遲鈍。
Pygal繪製線圖的方法很簡單，可以將圖表渲染爲一個SVG文件，用戶使用瀏覽器打開SVG文件就可以查看生成的圖表。
5.plotnine
plotnine是Python中圖形語法的一種實現，它基於ggplot2包，語法繪圖功能強大，可以輕鬆將數據映射到構成圖的可視對象，然後創建自定義的圖形。plotnine提供各種不同的可視化視圖，易於適應定製化輸出，安裝十分簡單，用戶可以通過pip install plotnine命令直接安裝。
plotnine的優點爲代碼簡潔，易學；繪製出的圖流暢大方；不需要很多的代碼就可以繪製出很不錯的圖。在使用plotnine繪圖之前，首先需要理解繪圖的基本概念。
6.Altair
Altair是一個專爲Python編寫，它可以讓數據科學家更多地關注數據本身和其內在的聯繫。
因爲是基於Vega-Lite（交互式圖形語法）的聲明性統計可視化庫，Altair API具有簡單、友好、一致等特點。
聲明意味着用戶只需要提供數據列與編碼通道之間的鏈接，例如，x軸、y軸、顏色等，其餘的繪圖細節它會自動處理。聲明使Altair變得簡單、友好和一致，用戶使用Altair可以輕鬆設計出有效且美觀的可視化代碼。
7.ggplot
ggplot是基於R語言的ggplot2包和Python的繪圖系統。ggplot的運行方式與Matplotlib不同，它允許用戶對組件進行分層以創建完整的繪圖。例如，用戶可以從軸開始畫，然後添加點，接着添加線、趨勢線等。雖然圖形語法被認爲是繪圖的“直觀”方法，但經驗豐富的Matplotlib用戶可能需要時間來適應這個新的方式。
8.Gleam
Gleam的靈感來自R語言的Shiny包。它允許用戶僅使用Python腳本就可將分析結果轉換爲交互式Web應用程序，因此用戶不必瞭解任何其他語言，如HTML、CSS或JavaScript。Gleam適用於任何Python數據可視化庫。在創建繪圖後，用戶可以在它的上面添加字段，以便對數據進行篩選和排序。
更多精彩推薦
☞科學“乾飯”，AI 營養師教你
☞GitHub 標星超 26600，TiDB 社區運營的道與術！
☞區區幾行Python代碼，一分鐘搞定一天工作量
☞告別手敲 SQL ？GPT-3 自動幫你寫
點分享點收藏點點贊點在看