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。

matplotlib

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

Seaborn

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

ggplot

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/

Bokeh

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/

Pygal

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

Plotly

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/

Geoplotlib

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

Gleam

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

Missingno

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

Leather

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

,