可视化

所有可视化图片

分类

python可视化库可以大致分为几类：

基于matplotlib的可视化库

基于JS的可视化库

基于上述两者或其他组合功能的库

基于matplotlib的可视化库

matplotlib

matplotlib 是python可视化库的基础。matplotlib库的设计参考了matlab，甚至连名称也是以“mat”开头。

matplotlib库的一些优势：(翻译比较别扭，英文原文也附后)

设计很像Matlab，容易进行转换（Designed like Matlab: switching was easy）

有很多渲染后端（Many rendering backends）

差不多可以绘制任何图（当然需要花费些努力）(Can reproduce just about any plot with a bit of effort)

有长时间良好运行的历史 (Well-tested, standard tool for over a decade)

matplotlib库的一些缺点：

必须要掌握API，且描述较为冗长（API is imperative & often overly berbose)

有时候默认的样式设计比较弱（Sometimes poor stylistic defaults）

对网页以及交互式绘图的支持较弱(Poor support for web/interactive graphs)

数据量大时经常运行较慢（Often slow for large & complicated data）

Pandas

可能我们平时使用pandas时更多的是用来进行数据分析和处理，其实pandas也提供了较为简单的API来进行图形绘制。

我个人一般是用pandas来处理数据，然后结合其他可视化库（如matplotlib，seaborn，bokeh等）来绘图图形。

seaborn

Seaborn是基于matplotlib的Python可视化库。它提供了一个高级别接口用于图形绘制。

Seaborn在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图。

基于JavaScript的可视化库

两个受欢迎度较高的可视化库 bokeh 和 plotly

bokeh

Bokeh (Bokeh.js) 是一个 Python 交互式可视化库，支持现代化Web浏览器，提供非常完美的展示功能。

Bokeh 的目标是使用 D3.js样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。

Boken 可以快速的创建交互式的绘图，仪表盘和数据应用。

plotly

Plotly是另一个免费进行数据分析和绘制图表的APP，建立在d3.js上。

Plotly图可下载为SVG，EPS或PNG格式，并简单地导入到Illustrator或者Photoshop中。

跟bokeh类似，也可以制作一些交互式的web图。

其他综合类型库

Holoviews

Holoviews能够让用户构建有助于可视化的数据结构，而且它包含丰富的可组合元素库，可以覆盖、嵌套和轻松定位。同时，它还支持快速数据探索。

Holoviews可以和Seaborn、pandas或者bokeh组合使用。

Altair

Altairs起源于D3，但代码编写量要比D3简单。这里有两幅对比的图如下：

Altair 是 Python 高级声明式可视化库。

Altair 提供一个 Python API 在声明式 manner 中构建静态统计可视化库。

什么是声明式可视化库呢，不管是翻译成中文的名称还是看英文的名称，我都一脸懵圈。

总的来说，Altairs让开发者们更专注于数据及他们之间的关系，而不是一些不重要的细节。

参考资料

Pycon 2017： Python可视化库大全

新视角带你认识Python可视化库