不会做图表？十个Python数据可视化库来帮你！("Python数据可视化入门：十大库助你轻松制作图表！")

原创

ithorizon 6个月前 (10-20) 阅读数 24 #后端开发

Python数据可视化入门：十大库助你轻松制作图表！

一、引言

在数据分析、机器学习和科研等领域，数据可视化是至关重要的一个环节。通过图表，我们可以更直观地明白数据、发现数据中的规律和趋势。Python作为一种强势的编程语言，提供了许多优秀的数据可视化库，可以帮助我们轻松制作各种图表。本文将介绍十大常用的Python数据可视化库，让你迅捷掌握数据可视化技能。

二、Matplotlib

Matplotlib是Python中最著名的绘图库之一，它提供了多彩的绘图功能，可以创建各种类型的图表。Matplotlib的使用相对错综，但功能强势。


import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
plt.plot(x, y)
plt.xlabel("x")
plt.ylabel("sin(x)")
plt.title("Matplotlib示例")
plt.show()

三、Seaborn

Seaborn是基于Matplotlib的高级可视化库，它提供了更简洁的API和更美观的默认主题。Seaborn专注于统计图表的绘制，如箱线图、小提琴图等。


import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()

四、Plotly

Plotly是一个交互式可视化库，它赞成创建交互式图表，如散点图、折线图、柱状图等。Plotly的图表可以直接嵌入到网页中。


import plotly.express as px
import pandas as pd
data = px.data.gapminder().query("country=='Canada'")
fig = px.line(data, x='year', y='pop')
fig.show()

五、Bokeh

Bokeh是一个用于创建交互式图表的库，它赞成在浏览器中展示图表。Bokeh的图表具有高度的可定制性。


from bokeh.plotting import figure, show, output_file
from bokeh.models import ColumnDataSource
import numpy as np
x = np.linspace(0, 10, 100)
y = np.sin(x)
source = ColumnDataSource(data=dict(x=x, y=y))
p = figure(title="Bokeh示例", tools="pan,wheel_zoom,box_zoom,reset", width=600, height=400)
p.line('x', 'y', source=source, line_width=2)
output_file("line.html")
show(p)

六、Pygal

Pygal是一个简洁易用的可视化库，它赞成创建精美的图表，如饼图、折线图、柱状图等。Pygal的图表可以导出为SVG格式。


from pygal import Line
line_chart = Line()
line_chart.title = 'Pygal示例'
line_chart.add('数据1', [1, 3, 6, 10, 15])
line_chart.add('数据2', [2, 5, 8, 14, 20])
line_chart.render_to_file('line_chart.svg')

七、Altair

Altair是基于Vega和Vega-Lite的可视化库，它通过简洁的声明式语法来创建错综的图表。


import altair as alt
import pandas as pd
data = pd.DataFrame({
    'x': range(11),
    'y': range(11)
})
chart = alt.Chart(data).mark_circle(size=60).encode(
    x='x',
    y='y',
    color='x',
    tooltip=['x', 'y']
)
chart.display()

八、Pandas Visualization

Pandas Visualization是基于Matplotlib和Seaborn的可视化工具，它是Pandas库的一部分，可以直接使用。


import pandas as pd
import matplotlib.pyplot as plt
data = pd.DataFrame({
    'A': np.random.randn(100),
    'B': np.random.randn(100)
})
data.hist()
plt.show()

九、ggplot

ggplot是基于Python的ggplot2的可视化库，它提供了类似R语言ggplot2的语法和功能。


import ggplot
from ggplot import *
tips = ggplot(aes(x='total_bill', y='tip', color='smoker'), data=tips) + \
    geom_point() + \
    geom_smooth(method='lm') + \
    ggtitle("ggplot示例")
print(tips)

十、Dash

Dash是一个用于创建交互式Web应用程序的库，它基于Plotly构建。通过Dash，我们可以轻松地将图表集成到Web应用中。


import dash
import dash_core_components as dcc
import dash_html_components as html
import plotly.graph_objs as go
app = dash.Dash(__name__)
app.layout = html.Div([
    dcc.Graph(
        id='example-graph',
        figure={
            'data': [
                go.Scatter(
                    x=[1, 2, 3],
                    y=[4, 1, 2],
                    mode='markers',
                    marker={'size': 12}
                )
            ],
            'layout': go.Layout(
                title='Dash示例',
                xaxis={'title': 'X轴'},
                yaxis={'title': 'Y轴'}
            )
        }
    )
])
if __name__ == '__main__':
    app.run_server(debug=True)