本文主要摘錄自 pycon 2017大會的一個演講，同時結合自己的一些理解。

pycon 2017的相關演講主題是“The Python Visualization Landscape”。

先來一張全景圖鎮樓~~ 

 

看完這張圖是不是有點懵?

別著急，我們一起來看看后面的闡述。

python可視化庫可以大致分為幾類：

• 基于matplotlib的可視化庫
• 基于JS的可視化庫
• 基于上述兩者或其他組合功能的庫

基于matplotlib的可視化庫

matplotlib是python可視化庫的基礎。matplotlib庫的設計參考了matlab，甚至連名稱也是以“mat”開頭。

matplotlib庫的一些優勢：(翻譯比較別扭，英文原文也附后)

• 設計很像Matlab，容易進行轉換(Designed like Matlab: switching was easy)
• 有很多渲染后端(Many rendering backends)
• 差不多可以繪制任何圖(當然需要花費些努力)(Can reproduce just about any plot with a bit of effort)
• 有長時間良好運行的歷史 (Well-tested, standard tool for over a decade)

matplotlib庫的一些缺點：

• 必須要掌握API，且描述較為冗長(API is imperative & often overly berbose)
• 有時候默認的樣式設計比較弱(Sometimes poor stylistic defaults)
• 對網頁以及交互式繪圖的支持較弱(Poor support for web/interactive graphs)
• 數據量大時經常運行較慢(Often slow for large & complicated data)

Matplotlib自2003年發布以來，使用情況還是呈現了良好的趨勢： 

 

Matplotlib部分繪圖實例如下：

 

也因此，后續開發者都吸取了matplotlib庫的優點，經過對matplotlib庫的缺點進行改進，從而衍生出一系列的可視化庫。

基于matplotlib的庫概覽如下：

 

下面介紹兩個重要的基于matplotlib的第三方庫：pandas以及seaborn

Pandas

可能我們平時使用pandas時更多的是用來進行數據分析和處理，其實pandas也提供了較為簡單的API來進行圖形繪制。

我個人一般是用pandas來處理數據，然后結合其他可視化庫(如matplotlib，seaborn，bokeh等)來繪圖圖形。

Pandas部分繪圖實例如下：

 

 

seaborn

Seaborn是基于matplotlib的Python可視化庫。它提供了一個高級別接口用于圖形繪制。

Seaborn在matplotlib的基礎上進行了更高級的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖。

Seaborn部分繪圖實例如下：

 

    

 

詳細信息可在其官方網站查閱：

http://seaborn.pydata.org/

基于JavaScript的可視化庫

兩個受歡迎度較高的可視化庫 bokeh 和 plotly

bokeh

Bokeh (Bokeh.js) 是一個 Python 交互式可視化庫，支持現代化Web瀏覽器，提供非常***的展示功能。Bokeh 的目標是使用 D3.js樣式提供優雅，簡潔新穎的圖形化風格，同時提供大型數據集的高性能交互功能。Boken 可以快速的創建交互式的繪圖，儀表盤和數據應用。

bokeh部分繪圖實例如下：

 

  

 

詳細信息可在其官方網站查閱：

http://bokeh.pydata.org

plotly

Plotly是另一個免費進行數據分析和繪制圖表的APP，建立在d3.js上。 Plotly圖可下載為SVG，EPS或PNG格式，并簡單地導入到Illustrator或者Photoshop中。

跟bokeh類似，也可以制作一些交互式的web圖。

plotly部分繪圖實例如下：

 

詳細內容可以去官網參考：

https://plot.ly/python/

其他綜合類型庫

Holoviews

Holoviews能夠讓用戶構建有助于可視化的數據結構，而且它包含豐富的可組合元素庫，可以覆蓋、嵌套和輕松定位。同時，它還支持快速數據探索。

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

由于筆者還沒具體了解過Holoviews的使用功能，這里將英文的描述直接放在下面，以免個人理解不準確而產生誤導。

關于Holoviews的效果圖，可參考下面動態圖，建議觀看原視頻，效果會好點。

 

Altair

Altairs起源于D3，但代碼編寫量要比D3簡單。這里有兩幅對比的圖如下：

用D3繪制的柱狀圖

 

用Altairs繪制的柱狀圖

 

Altair 是 Python 高級聲明式可視化庫。Altair 提供一個 Python API 在聲明式 manner 中構建靜態統計可視化庫。 

什么是聲明式可視化庫呢，不管是翻譯成中文的名稱還是看英文的名稱，我都一臉懵圈。幸好，有英文的進一步描述，如下： 

 

總的來說，Altairs讓開發者們更專注于數據及他們之間的關系，而不是一些不重要的細節。

***，再放上這張Python可視化的全景圖，對于個人而言，不一定能全部熟悉使用，但是能熟練用好其中的一部分，實際應用于工作及項目中，也就OK了。