python进行数据可视化系统开发(这10个python数据可视化库)

大致浏览一下Python库索引,你将会看到几乎每个数据可视化需要的库,从用于眼动研究的GazeParser到用于神经网络训练的实时可视化的pastalog。虽然这些库中有很多库只能完成一些特定任务,但有些库可以应用于任何领域。

今天,我们将简要介绍10个跨学科的Python数据可视化库,从众所周知的到晦涩难懂的。我们注意到,使用Mode Python Notebooks可以轻松地在本地运行Python。

python进行数据可视化系统开发(这10个python数据可视化库)(1)

matplotlib

python进行数据可视化系统开发(这10个python数据可视化库)(2)

两个直方图(matplotlib)

matplotlib是Python数据可视化库中的泰斗。尽管它已有十多年的历史,但它仍是Python使用者最广泛使用的绘画库。其设计与20世纪80年代开发的一种专有编程语言----MATLAB非常相似。

因为matplotlib是第一个Python数据可视化库,所以很多其它的库都是以其为基础构建的,亦或者在分析期间与其协同合作的。一些库,如pandas和Seaborn,都是对matplotlib的“包装器”,使我们能够用更少的代码以多种方式访问matplotlib。

尽管matplotlib有助于了解数据,但它对于快速、轻松地创建可发布的图表用处不大。正如Chris Moffitt在他的Python可视化工具的概述中所称,matplotlib“功能非常强大,但同时也很复杂”。

Matplotlib一直以来因其有着独特的90年代气息的默认风格饱受诟病。即将发布的matplotlib 2.0承诺会有很多新的风格来解决这个问题。

开发者:John D. Hunter

更多资料:matplotlib.org

python进行数据可视化系统开发(这10个python数据可视化库)(3)

Seaborn

python进行数据可视化系统开发(这10个python数据可视化库)(4)

Seaborn利用matplotlib的强大功能,几行代码就能创建漂亮的图表。其与matplotlib主要的区别是Seaborn的默认样式以及更美观、更现代的调色板设计。因为Seaborn建立在matplotlib之上,所以你需要了解matplotlib来调整Seaborn 的默认值。

开发者: Michael Waskom

更多资料:

http://web.stanford.edu/~mwaskom/software/seaborn/index.html

python进行数据可视化系统开发(这10个python数据可视化库)(5)

ggplot

python进行数据可视化系统开发(这10个python数据可视化库)(6)

ggplot 是由基于R语言的绘图系统---ggplot2建立的,也是《图形语法》(The Grammar of Graphics)中的概念。Ggplot的操作与matplotlib不同:它允许你对组件进行分层以创建完整的绘图。例如,你可以从坐标轴开始,然后添加点,再添加线、趋势线等。尽管图形语法被誉为绘图的“直观”方法,但经验丰富的matplotlib用户可能需要时间来适应这种新的思维模式。

据创造者所说,ggplot不是为创建高度定制的图形而设计的。它为更简单的绘图方法牺牲了复杂性。

ggplot与pandas紧密集成,因此在使用ggplot时,最好将数据存储在数据帧中。

开发者: ŷhat

更多资料:http://ggplot.yhathq.com/

python进行数据可视化系统开发(这10个python数据可视化库)(7)

Bokeh

python进行数据可视化系统开发(这10个python数据可视化库)(8)

三个城市的交互式天气统计(连续分析)

和ggplot一样,Boken也是《图形语法》(The Grammar of Graphics)中的概念,但与ggplot不同的是,它完全基于Python,不是从R语言移植过来的。其优势在于能够创建交互式的、可直接用于网络的绘图,这些绘图可以很容易地输出为JSON 对象,HTML文档或交互式web应用程序。Bokeh还支持流媒体和实时数据。

Bokeh提供了三个具有不同控制级别的接口,以适应不同的用户类型。最高级别是快速创建图表。它包括创建常见图表的方法,如条形图、方框图和柱状图。中间层与matplotlib具有相同的特性,允许你控制每个图表的基本构建块(例如散点图中的点)。最底层面向开发人员和软件工程师。它没有预先设置的默认值,并且要求你定义图表的每个元素。

开发者:Continuum Analytics

更多资料: http://bokeh.pydata.org/en/latest/

python进行数据可视化系统开发(这10个python数据可视化库)(9)

Pygal

python进行数据可视化系统开发(这10个python数据可视化库)(10)

方框图

与Bokeh和Plotly一样,pygal提供了可以嵌入到Web浏览器中的交互式绘图。其主要区别在于能够将图表输出为SVG格式。只要你在处理较小的数据集,SVG就可以帮你做得很好。但是,如果你制作的图表中有数十万个数据点,它们将很难呈现,并且会变得迟钝。

由于每种图表类型都被包装成一个方法,并且内置的样式很漂亮,所以用几行代码就可以很容易地创建一个美观的图表。

开发者:Florian Mounier

更多资料: http://www.pygal.org/en/latest/index.html

python进行数据可视化系统开发(这10个python数据可视化库)(11)

Plotly

python进行数据可视化系统开发(这10个python数据可视化库)(12)

折线图(Plotly)

你可能知道Plotly是一个用于数据可视化的在线平台,但你是否也知道可以从Python notebook 访问它的功能?和Bokeh 一样,Plotly的专长是制作交互式绘图,但它提供了一些在大多数库中找不到的图表,如等高线图,树状图和三维图表。

开发者: Plotly

更多资料:https://plot.ly/python/

python进行数据可视化系统开发(这10个python数据可视化库)(13)

Geoplotlib

python进行数据可视化系统开发(这10个python数据可视化库)(14)

等值线图 (Andrea Cuttone)

geoplotlib是用于创建地图和绘制地理数据的工具箱。你可以用它来创建各种各样的地图类型,比如等值线图、热图和点密度地图。必须安装pyglet(一个面向对象编程接口),才能使用geoplotlib。尽管如此,由于大多数Python数据可视化库都不提供地图,所以最好有一个专门针对它们的库。

开发者:Andrea Cuttone

更多资料:https://github.com/andrea-cuttone/geoplotlib

python进行数据可视化系统开发(这10个python数据可视化库)(15)

Gleam

python进行数据可视化系统开发(这10个python数据可视化库)(16)

趋势线散点图(David Robinson)

Gleam的灵感来自R语言的Shiny包。它允许你只使用Python脚本就可以将分析转化为交互式web应用程序,所以你不必了解任何其他语言,如HTML,CSS或JavaScript。Gleam可以使用任何Python数据可视化库。一旦创建了一个绘图,就可以在上面构建字段,这样用户就可以过滤和排序数据。

开发者:David Robinson

更多资料:https://github.com/dgrtwo/gleam

python进行数据可视化系统开发(这10个python数据可视化库)(17)

Missingno

python进行数据可视化系统开发(这10个python数据可视化库)(18)

无效矩阵(Aleksey Bilogur)

处理丢失的数据是一件痛苦的事。missingno允许你通过直观的总结快速衡量数据集的完整性,而不是艰难地浏览表格。你可以根据热图或树形图中的完成度或点相关来过滤和排序数据。

开发者:Aleksey Bilogur

更多资料:https://github.com/ResidentMario/missingno

python进行数据可视化系统开发(这10个python数据可视化库)(19)

Leather

python进行数据可视化系统开发(这10个python数据可视化库)(20)

带有一致比例的网格图 (Christopher Groskopf)

Leather的创建者Christopher Groskopf说的好:“Leather是一个为那些现在需要图表而不在乎是否完美的人设计的Python图表库”它可用于处理所有数据类型,然后生成SVG图像,这样你在调整图像大小时就不会损失图像质量。由于这个库相对较新,一些文档仍在编写中。你可以做的图表很基础,但这就是目的。

开发者:Christopher Groskopf

,

免责声明:本文仅代表文章作者的个人观点,与本站无关。其原创性、真实性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容文字的真实性、完整性和原创性本站不作任何保证或承诺,请读者仅作参考,并自行核实相关内容。文章投诉邮箱:anhduc.ph@yahoo.com

    分享
    投诉
    首页