|
如今數(shù)據(jù)可視化的應(yīng)用場景越來越廣泛,，幾乎各個領(lǐng)域,、各個學(xué)科都有數(shù)據(jù)可視化發(fā)揮作用的地方。Python作為一個簡單易學(xué)的語言,，也在這方面為我們提供了不少便捷的工具,。 本文整理的一些常見且實(shí)用的 Python 可視化庫，相信總有一款適合你,！ matplotlib可謂是Python數(shù)據(jù)可視化庫中的泰斗,。作為一個Python 2維繪圖庫，它已經(jīng)成為python中公認(rèn)的數(shù)據(jù)可視化工具,，通過Matplotlib可以很輕松地畫一些或簡單或復(fù)雜的圖形,，幾行代碼即可生成直方圖、條形圖,、散點(diǎn)圖,、密度圖等等。 具體來說,，它是一個在Python下實(shí)現(xiàn)的類matlab的純Python的三方庫,，旨在用Python實(shí)現(xiàn)matlab的功能，是Python中最出色的繪圖庫之一,，功能完善,，同時也繼承了Python的簡單明了的風(fēng)格，其可以很方便的設(shè)計和輸出二維以及三維的數(shù)據(jù),，其提供了常規(guī)的笛卡爾坐標(biāo),，極坐標(biāo),，球坐標(biāo)，三維坐標(biāo)等,，其輸出的圖片質(zhì)量也達(dá)到了科技論文中的印刷質(zhì)量,，日常的基本繪圖更不在話下。 官網(wǎng) 點(diǎn)擊往期利用Matplotlib繪制圖形的文章：Seaborn是基于matplotlib的圖形可視化python包,，它在matplotlib的基礎(chǔ)上進(jìn)行了更高級的API封裝，提供了一種高度交互式界面,，從而使得作圖更加容易,，便于用戶能夠做出各種有吸引力的統(tǒng)計圖表。它能高度兼容numpy與pandas數(shù)據(jù)結(jié)構(gòu)以及scipy與statsmodels等統(tǒng)計模式,。Seaborn利用matplotlib的強(qiáng)大功能,，幾行代碼就能創(chuàng)建漂亮的圖表。其與matplotlib主要的區(qū)別是Seaborn的默認(rèn)樣式以及更美觀,、更現(xiàn)代的調(diào)色板設(shè)計,。因為Seaborn建立在matplotlib之上，所以你需要了解matplotlib來調(diào)整 Seaborn 的默認(rèn)值,。點(diǎn)擊查看往期文章用Sesborn繪制圖形的教程：
Bokeh是一個專門針對Web瀏覽器的呈現(xiàn)功能的交互式可視化Python庫,支持現(xiàn)代化web瀏覽器展示（圖表可以輸出為JSON對象,，HTML文檔或者可交互的網(wǎng)絡(luò)應(yīng)用）,這是Bokeh與其它可視化庫最核心的區(qū)別,。它提供風(fēng)格優(yōu)雅、簡潔的D3.js的圖形化樣式,，并將此功能擴(kuò)展到高性能交互的數(shù)據(jù)集,，數(shù)據(jù)流上。使用Bokeh可以快速便捷地創(chuàng)建交互式繪圖,、儀表板和數(shù)據(jù)應(yīng)用程序等,。Bokeh能與NumPy，Pandas,，Blaze等大部分?jǐn)?shù)組或表格式的數(shù)據(jù)結(jié)構(gòu)完美結(jié)合,。matplotlib和seaborn都是面向過程的，在數(shù)據(jù)分析過程中可以呈現(xiàn),；Bokeh是在最后的結(jié)果呈現(xiàn),，可做動圖，可只打開一張表,，也可以做儀表盤的排版,，可做圖表的聯(lián)動。從概念上講，Bokeh 類似于 ggplot,，它們都是用圖形語法來構(gòu)建圖片,，但 Bokeh 具備可以做出專業(yè)圖形和商業(yè)報表且便于使用的界面。點(diǎn)擊查看往期文章用Bokeh繪制圖形的教程：
Plotly是一個開源,，交互式和基于瀏覽器的Python圖形庫，可以創(chuàng)建能在儀表板或網(wǎng)站中使用的交互式圖表（可以將它們保存為html文件或靜態(tài)圖像）,。Plotly基于plotly.js,，而plotly.js又基于D3.js，因此它是一個高級圖表庫,，與Bokeh一樣，Plotly的強(qiáng)項是制作交互式圖 ,，有超過30種圖表類型,， 提供了一些在大多數(shù)庫中沒有的圖表 ，如等高線圖,、樹狀圖,、科學(xué)圖表、統(tǒng)計圖表,、3D圖表,、金融圖表等。plotly繪制的圖能直接在jupyter中查看,，也能保存為離線網(wǎng)頁,，或者保存在云端服務(wù)器內(nèi)，以便在線查看,。plotly所支持的語言不只是Python,，還支持諸如R,matlab,javescript等語言。如果使用Python語言,，建議用jupyter notebook或jupyterlab作為IDEPlotly的Python graphing library在網(wǎng)上提供了交互式的,、公開的，高質(zhì)量的圖表集,，可與R,、python、matlab等軟件對接,。在申請了API密鑰后,，可以一鍵將統(tǒng)計圖形同步到云端。但美中不足的是,，打開國外網(wǎng)站會比較費(fèi)時,，且一個賬號只能創(chuàng)建25個圖表，除非你升級或刪除一些圖表,。點(diǎn)擊查看往期文章用plotly繪制圖形的教程：
pyecharts是基于 Echarts 開發(fā)的，是一個用于生成 Echarts 圖表的類庫,。Echarts 是百度開源的一個數(shù)據(jù)可視化 JS 庫,，憑借著良好的交互性，精巧的圖表設(shè)計,，得到了眾多開發(fā)者的認(rèn)可,。而 Python，很適合用于數(shù)據(jù)處理,。當(dāng)數(shù)據(jù)分析遇上數(shù)據(jù)可視化時,，pyecharts 就誕生了，實(shí)際上就是 Echarts 與 Python 的對接,。值得注意的是pyecharts目前有 v0.5.X 和 v1 兩個大版本,，兩者之間并不兼容，0.5.x 版本也不再進(jìn)行維護(hù),，v1 是一個全新的版本,，代碼風(fēng)格與v0.5.X也發(fā)生了比較大的變化，需要大家重新去學(xué),。https://github.com/pyecharts/pyecharts/ 官方教程：
Networkx于2002年5月面世,，是一個用Python語言開發(fā)的圖論與復(fù)雜網(wǎng)絡(luò)建模工具，內(nèi)置了常用的圖與復(fù)雜網(wǎng)絡(luò)分析算法,，可以方便的進(jìn)行復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)分析,、仿真建模等工作。Networkx 是基于 matplotlib 的,，是圖形分析和可視化的一個很好的絕佳解決方案,，可以快速簡便地用圖形表示網(wǎng)絡(luò)之間的連接。networkx支持創(chuàng)建簡單無向圖,、有向圖和多重圖,；內(nèi)置許多標(biāo)準(zhǔn)的圖論算法，節(jié)點(diǎn)可為任意數(shù)據(jù),；支持任意的邊值維度,，功能豐富，簡單易用,。https://networkx./documentation/stable/tutorial.html 點(diǎn)擊查看往期文章用Networkx繪制圖形的教程：
wordcloud基于Python的詞云生成類庫,。詞云圖，也叫文字云,，是對文本中出現(xiàn)頻率較高的“關(guān)鍵詞”予以視覺化的展現(xiàn),，詞云圖過濾掉大量的低頻低質(zhì)的文本信息，使得瀏覽者只要一眼掃過文本就可領(lǐng)略文本的主旨。https://amueller./word_cloud/ 點(diǎn)擊查看往期文章用wordcloud繪制圖形的教程：
ggplot是基于R的ggplot2和圖形語法的Python的繪圖系統(tǒng),，實(shí)現(xiàn)了更少的代碼繪制更專業(yè)的圖形,。它使用一個高級且富有表現(xiàn)力的API來實(shí)現(xiàn)線，點(diǎn)等元素的添加,，顏色的更改等不同類型的可視化組件的組合或添加,，而不需要重復(fù)使用相同的代碼，然而這對那些試圖進(jìn)行高度定制的的來說,，ggplot并不是最好的選擇,，盡管它也可以制作一些非常復(fù)雜、好看的圖形,。正如其創(chuàng)造者所說,，ggplot不是為創(chuàng)建高度定制的圖形而設(shè)計的，它為更簡單的繪圖方法犧牲了復(fù)雜性,。ggplot與pandas緊密聯(lián)系,。如果你打算使用ggplot，最好將數(shù)據(jù)保存在DataFrames中,。ggplot的操作與matplotlib不同：它允許你對組件進(jìn)行分層以創(chuàng)建完整的繪圖。例如,，你可以從坐標(biāo)軸開始,，然后添加點(diǎn)，再添加線,、趨勢線等,。相關(guān)教程 官方文檔： http://ggplot./docs/index.html 中文博客： https://www.cnblogs.com/kkdaddd/p/8681960.html
由于大多數(shù)Python數(shù)據(jù)可視化庫都不提供地圖，所以最好有一個專門針對它們的庫,，Geoplotlib就是很好的一個,。geoplotlib是python的一個用于地理數(shù)據(jù)可視化和繪制地圖的工具箱，你可以用它來創(chuàng)建各種各樣的地圖類型,，比如等值線圖,、熱圖和點(diǎn)密度地圖。它還提供了一個原始數(shù)據(jù)和所有可視化之間的基本接口,，支持在純python中開發(fā)硬件加速的交互式可視化,，并提供點(diǎn)映射、內(nèi)核密度估計,、空間圖,、泰森多邊形圖、形狀文件和許多更常見的空間可視化的實(shí)現(xiàn),。除了為常用的地理數(shù)據(jù)可視化提供內(nèi)置的可視化功能外,，geoplotlib還允許通過定義定制層來定義復(fù)雜的數(shù)據(jù)可視化（繪制OpenGL，如分?jǐn)?shù)、行和具有高性能的多邊形）,，創(chuàng)建動畫,。https://residentmario./geoplot/index.html https://residentmario./geoplot/quickstart/quickstart.html
Pygal 和其它常用的繪圖包一樣，也是用圖形框架語法來構(gòu)建圖像的,。它是一種開放標(biāo)準(zhǔn)的矢量圖形語言,，基于XML（Extensible Markup Language），與Bokeh和Plotly一樣,，pygal提供了可以嵌入到Web瀏覽器中的交互式繪圖,，可以生成多個輸出格式的高分辨率Web圖形頁面，還支持給定數(shù)據(jù)的html表導(dǎo)出,。用戶可以直接用代碼來描繪圖像,，可以用任何文字處理工具打開SVG圖像，通過改變部分代碼來使圖像具有交互功能,，并且可以插入到HTML中通過瀏覽器來觀看,。只要你在處理較小的數(shù)據(jù)集，SVG就可以幫你做得很好,。但是,，如果你制作的圖表中有數(shù)十萬個數(shù)據(jù)點(diǎn)，它們將很難呈現(xiàn),，并且會變得遲鈍,。由于每種圖表類型都被包裝成一個方法，并且內(nèi)置的樣式很漂亮,，所以用幾行代碼就可以很容易地創(chuàng)建一個美觀的圖表,。官方文檔： http://www./en/stable/documentation/index.html 中文博客： https://blog.51cto.com/12731497/2160306
Cufflinks將Plotly直接綁定到pandas數(shù)據(jù)幀。這種組合非常驚人,，結(jié)合了Pandas的靈活性,，比Plotly更有效，語法甚至比plotly簡單,。使用plotly的Python庫,，您可以使用DataFrame的系列和索引來描述圖形，但是使用Cufflinks可以直接繪制它,。https://github.com/santosjorge/cufflinks https://blog.csdn.net/u010986753/article/details/98937811
Folium是一個建立在Python系統(tǒng)之上的js庫,，集Python生態(tài)系統(tǒng)的數(shù)據(jù)優(yōu)勢和Leaflet.js庫的映射優(yōu)勢之上。既可以在python中操作數(shù)據(jù),，然后通過folium在Leaflet地圖中將其可視化,，還可自定義箭頭，網(wǎng)格等HTML格式的地圖標(biāo)記,。Folium是一個用于繪制空間數(shù)據(jù)的“神庫”,。你還可以使用folium生成熱圖和等值區(qū)域圖,。該庫還附有一些內(nèi)置的地形數(shù)據(jù)。https://github.com/python-visualization/folium 官方文檔： https://python-visualization./folium/quickstart.html#Getting-Started 中文博客： https://www.cnblogs.com/feffery/p/9282808.html
Altair是一個聲明性統(tǒng)計（declarative statistical）可視化python庫,，基于Vega和Vega-Lite,。聲明意味著只需要提供數(shù)據(jù)列與編碼通道之間的鏈接，例如x軸,，y軸,，顏色等，其余的繪圖細(xì)節(jié)它會自動處理,。聲明使Altair變得簡單,，友好和一致。使用Altair可以輕松設(shè)計出有效且美觀的可視化代碼,。Altair使您能夠使用強(qiáng)大而簡潔的可視化語法快速開發(fā)各種統(tǒng)計可視化圖表,。https://altair-viz./gallery/index.html
D3.js是目前市場上最好的數(shù)據(jù)可視化庫之一，既可以將它與python一起使用,，也可以與R一起使用,。最初，它可以與JavaScript一起使用,，根據(jù)數(shù)據(jù)操作文檔,。您可以使用HTML，SVG和CSS將數(shù)據(jù)變成活靈活現(xiàn)的圖表,。D3.js并不要求您將自己綁定到任何專有框架,，因為現(xiàn)代瀏覽器擁有D3.js所需的一切，它還用于組合強(qiáng)大的可視化組件和數(shù)據(jù)驅(qū)動的DOM操作方法,。Python 和 R 使D3.js變得更簡單，如果你是JS專業(yè)人員更不需要猶豫,，D3.js是絕對是上佳之選,。官方文檔： https://github.com/d3/d3/wiki 中文博客： https://blog.csdn.net/hyfound/article/details/80422395
處理丟失的數(shù)據(jù)是一件痛苦的事。沒有高質(zhì)量的數(shù)據(jù),，就沒有高質(zhì)量的數(shù)據(jù)挖掘結(jié)果,，當(dāng)我們做監(jiān)督學(xué)習(xí)算法，難免會碰到混亂的數(shù)據(jù)集,，缺失的值,，當(dāng)缺失比例很小時，可直接對缺失記錄進(jìn)行舍棄或進(jìn)行手工處理,，但如果情況更為復(fù)雜呢,？missingno提供了一個小型的靈活的、易于使用的數(shù)據(jù)可視化和實(shí)用工具集,，用圖像的方式讓你能夠快速評估數(shù)據(jù)缺失的情況,，而不是在數(shù)據(jù)表里面步履維艱,。你可以根據(jù)數(shù)據(jù)的完整度對數(shù)據(jù)進(jìn)行排序或過濾，或者根據(jù)熱度圖或樹狀圖來考慮對數(shù)據(jù)進(jìn)行修正,。missingno 是基于matplotlib建造的一個模塊,，出圖速度很快，并且能夠靈活的處理pandas數(shù)據(jù),，它允許你通過直觀的總結(jié)快速衡量數(shù)據(jù)集的完整性,，而不是艱難地瀏覽表格。你可以根據(jù)熱圖或樹形圖中的完成度或點(diǎn)相關(guān)來過濾和排序數(shù)據(jù),。<http://www.github.com/ResidentMario/missingno> https://blog.csdn.net/Andy_shenzl/article/details/81633356
“Leather是一個為那些現(xiàn)在需要圖表而不在乎是否完美的人設(shè)計的Python圖表庫”,，Leather的創(chuàng)建者Christopher Groskopf如是說。Leather一種可讀且用戶界面友好的API,，新手也能快速掌握,。圖像成品非常基礎(chǔ),，適用于所有的數(shù)據(jù)類型,，針對探索性圖表進(jìn)行了優(yōu)化，產(chǎn)生與比例無關(guān)的SVG圖,，這樣在你調(diào)整圖像大小的時候就不會損失圖像質(zhì)量,。https://leather./en/latest/examples.html
HoloViews是一個開源的Python庫,，可以用非常少的代碼行完成數(shù)據(jù)分析和可視化，除了默認(rèn)的matplotlib后端外,，還添加了一個Bokeh后端,。Bokeh提供了一個強(qiáng)大的平臺，通過結(jié)合Bokeh提供的交互式小部件,，可以使用HTML5 canvas和WebGL快速生成交互性和高維可視化,，非常適合于數(shù)據(jù)的交互式探索。http:///user_guide/index.html
PyQtGraph是在PyQt4 / PySide和numpy上構(gòu)建的純 python的GUI圖形庫,。它主要用于數(shù)學(xué),，科學(xué)，工程領(lǐng)域,。盡管它完全是在python中編寫的,，但它對數(shù)據(jù)處理、數(shù)字運(yùn)算和Qt的GraphicsView框架的影響巨大,，可以最少的工作量完成,，數(shù)據(jù)可視化速度也非常快,。官方文檔： http://www./documentation/index.html 中文博客： https:///archives/219.html
VisPy是一個用于交互式科學(xué)可視化的Python庫,，快速,、可伸縮、且易于使用,，是一個高性能的交互式2D / 3D數(shù)據(jù)可視化庫,，利用了現(xiàn)代圖形處理單元(gpu)的計算能力，通過OpenGL庫來顯示非常大的數(shù)據(jù)集,。https://vispy./en/latest/documentation.html
Vincent是一個很酷的可視化工具,，它以Python數(shù)據(jù)結(jié)構(gòu)作為數(shù)據(jù)源，然后把它翻譯成Vega可視化語法,，并且能夠在d3.js上運(yùn)行,。這讓你可以使用Python腳本來創(chuàng)建漂亮的3D圖形來展示你的數(shù)據(jù)。Vincent底層使用Pandas和DataFrames數(shù)據(jù),，并且支持大量的圖表—-條形圖,、線圖、散點(diǎn)圖,、熱力圖,、堆條圖、分組條形圖,、餅圖,、圈圖、地圖等等,。https://vincent./en/latest/ https://vincent./en/latest/quickstart.html
mpld3基于python的graphing library和D3js,，匯集了Matplotlib流行的項目的JavaScript庫，用于創(chuàng)建web交互式數(shù)據(jù)可視化,。通過一個簡單的API,，將matplotlib圖形導(dǎo)出為HTML代碼，這些HTML代碼可以在瀏覽器內(nèi)使用,。https://blog.csdn.net/qq_41185868/article/details/81842840 Mayavi2是一個通用的,、跨平臺的三維科學(xué)數(shù)據(jù)可視化工具，可以在二維和三維空間中顯示標(biāo)量,、向量和張量數(shù)據(jù)，也可通過自定義源,、模塊和數(shù)據(jù)過濾器輕松擴(kuò)展,。Mayavi2也可以作為一個繪圖引擎，生成matplotlib或gnuplot腳本,，也可以作為其他應(yīng)用程序的交互式可視化的庫,，將生成的圖片嵌入到其他應(yīng)用程序中。http://docs./mayavi/mayavi/ https://blog.csdn.net/ouening/article/details/76595427 本文收集了常見的Python繪圖庫,，應(yīng)付一般的繪圖任務(wù)可是綽綽有余了,，不過數(shù)據(jù)可視化有這么多種方法可供選擇,，選用最好最便捷的方案就變得極具挑戰(zhàn)性了。這里并不建議大家一個個去學(xué),，收藏起來,，等有需求后再有目的性的結(jié)合起來去學(xué)效果可能會更佳。但在這里,，我還是給出一個我的觀點(diǎn)：倘若你想做一些專業(yè)的統(tǒng)計圖表,，我推薦你使用Seaborn，Altair,；數(shù)學(xué),，科學(xué)，工程領(lǐng)域的學(xué)者可以選擇PyQtGraph,，VisPy,，Mayavi2；網(wǎng)絡(luò)研究和分析方面NetworkX,，絕對是一個不錯的選擇,，地理投影就選geoplotlib，folium,；評估數(shù)據(jù)缺失就選missingno,；有了HoloViews再也不用為高維圖形犯愁；如果你不喜歡花俏的修飾,，那就選擇Leather,；如果你是一名有MATLAB基礎(chǔ)的新手，matplotlib相信你會很好上手,；有R基礎(chǔ)的可以選ggplot,；即使你是小白或懶癌晚期者，Plotly也將會是你的一大福音,，它提供了大量圖表集可供你選擇與使用,。
|
