惊艳汇聚：Python可视化工具集

数据可视化是数据科学分析的重要环节，是有效传达数据价值的重要渠道。辛苦整理了一天，我们一睹Python可视化工具的精彩之处。

尝试过使用Python可视化的同学，一定都了解matplotlib，它是python图形绘制的基础包，很多惊艳包都是从它而来。

绘图基础知识：图表的组成元素包括:

图构成元素的可视化标记：

一，Matplotlib

基于Python的绘图库，提供完全的 2D 支持和部分 3D 图像支持。在跨平台和互动式环境中生成高质量数据时，matplotlib 会很有帮助。也可以用作制作动画。

二，Seaborn

Seaborn 基于 matplotlib，具有多种特性，比如内置主题、调色板、可以可视化单变量数据、双变量数据，线性回归数据和数据矩阵以及统计型时序数据等，能让我们创建复杂的可视化图形。

三，pandas

对于pandas的内置数据类型，Series 和 DataFrame 都有一个用于生成各类图表的 plot 方法。默认情况下，它们所生成的是线性图。其实Series和DataFrame上的这个功能只是使用matplotlib库的plot()方法的简单包装实现。

Matplotlib、Seaborn 和 Pandas 是常见作图三剑客：首先 Seaborn 和 Pandas 是建立在 Matplotlib 之上的，当你在用 Seaborn 或 Pandas 中的 df.plot() 时，底层引用 Matplotlib 基础逻辑。因此，这些图在美化方面是相似的，自定义图时用的语法也都非常相似。Seaborn主要基于Matplotlib进行抽象层封装，提供了更加直观的语法和开箱即用的特性。

四，plotnine

用过R语言的都知道ggplot2画出来的图表是极其舒适的，从配色到线条，都很美观。plotnine是可以实现ggplot2的功效.。基于Grammar of Graphics， Plotnine实现了图形的语法，让你可以用声明式的方式构建图表，每一部分都是可解释的。

五，Bokeh

Bokeh 是一个用于创建交互式和可视化图表的 Python 库，特别适合在浏览器中展示。它能够处理大型数据集或实时数据集，支持快速绘制，并且可以轻松地嵌入到HTML 页面中。Boken是一个受GRAPHICS GRAMMAR范式影响的可视化库，该范式是基于web大数据集可视化而开发的。

六，Plotly Plotly则是一个功能强大且多功能的Python库，提供了广泛的工具来创建交互式且具有视觉吸引力的绘图(借助浏览器渲染图片)。

七，Networkx

基于 matplotlib 的，但它仍是图形分析和可视化的绝佳解决方案。NetworkX 是一个用于创建、操作和研究复杂网络的 Python 库。它提供了丰富的功能，可以帮助你创建、分析和可视化各种类型的网络，例如社交网络、Web图、生物网络等。

八，Altair

一个声明式的统计可视化库。Altair全称是Vega-Altair，相比于更常见的Matplotlib和Seaborn，代码更简单，集成度更高，不需要怎么调试的默认设置就很美观，同时也提供了适合更多场景的图表。

九，pyecharts

pyecharts 是一个基于 ECharts 的 Python 数据可视化库，它允许用户使用 Python 语言生成各种类型的交互式图表和数据可视化（借助浏览器渲染）。

十，holoviews (html渲染) HoloViews是一个开源Python库，旨在使数据分析和可视化变得简单无缝。使用HoloViews， 您通常可以在极少数代码中表达您想要做的事情，让您专注于您想要探索和传达的内容，而不是绘图过程。

十一，Basemap Basemap工具包是Matplotlib包的子包，一个用于在Python绘制2D数据至地图的库，它提供了将坐标转化为25中不同地图投影的功能，然后调用Matplotlib扩展包绘制轮廓、图像和坐标点等。安装复杂，有一定的门槛。

十二，PyQtGraph

是一个Python工具类软件，专注于为科学/工程类应用程序提供快速数据可视化和GUI工具，使用于桌面软件应用的开发。并不适合数据分析从业者使用。

十三，Pygal

Pygal是一个用于创建 SVG (Scalable Vector Graphics) 图表的 Python 库。它设计轻巧，易于使用，特别适合 web 应用的动态图表。pygal是一个SVG图表库。全称Scalable Vector Graphics -- 可缩放矢量图形。

十四，Vispy

是一个高性能的交互式 2D/3D 的交互式科学可视化库。利用图形处理器 GPU 通过 OpenGL 库来显示非常大的数据集。

其它的可视化库诸如：geoplotlib、folium、gleam、vincent、mpld3、python-igraph、missingno、mayavi2、leather等等，各有各的优势。