Matplotlib

Matplotlib 有助于創(chuàng)建二維數(shù)組圖，它允許用戶通過散點(diǎn)圖、折線圖、條形圖和直方圖等來探索趨勢、行為模式和相關(guān)性。

https://github.com/matplotlib/matplotlib

圖片

Matplotlib 的主要特點(diǎn)

• Matplotlib 支持多種繪圖類型，包括線圖、散點(diǎn)圖、條形圖、直方圖、餅圖、3D 圖表等。
• 它有很棒的繪圖自定義選項(xiàng)。用戶可以控制繪圖元素的外觀，例如顏色、標(biāo)記、線條樣式和標(biāo)簽。
• 支持創(chuàng)建動畫可視化。
• 支持多個后端，允許用戶根據(jù)其特定用例選擇合適的后端。后端包括用于用戶界面的交互式后端和用于將繪圖保存為圖像文件的非交互式后端。
• Matplotlib 庫提供了示例圖和代碼片段的集合，可作為用戶學(xué)習(xí)和調(diào)整代碼以滿足其特定需求的寶貴資源。

Seaborn

Seaborn 也是 Python 中流行的可視化庫之一。它對于用 Python 進(jìn)行數(shù)據(jù)集的統(tǒng)計(jì)表示特別有用。Seaborn 基于 Matplotlib 構(gòu)建，受益于其靈活性以及與 NumPy 和 Pandas 庫的集成，理解和編寫起來非常容易和快速。

https://github.com/mwaskom/seaborn

圖片

Seaborn的主要特點(diǎn)

• Seaborn 提供了一個高級界面，用于創(chuàng)建美觀的統(tǒng)計(jì)圖形。
• 它專注于統(tǒng)計(jì)數(shù)據(jù)可視化，對于可視化數(shù)據(jù)集中的復(fù)雜關(guān)系特別有效。
• Seaborn 旨在通過有吸引力的調(diào)色板和默認(rèn)設(shè)置生成具有視覺吸引力的繪圖。
• 為分類數(shù)據(jù)提供專門的繪圖，包括條形圖、計(jì)數(shù)圖、箱線圖、小提琴圖等。
• 與 Pandas DataFrames 的無縫集成簡化了結(jié)構(gòu)化數(shù)據(jù)的處理，并有助于直接從 DataFrame 列快速創(chuàng)建繪圖。

Plotly

Plotly 被許多用戶譽(yù)為最好的 Python 可視化庫，是一個交互式、開源且全面的工具，用于在 Python 中創(chuàng)建聲明性可視化。它提供了豐富的可視化效果，包括科學(xué)圖表、3D 圖表、統(tǒng)計(jì)圖表和金融圖表。Plotly 圖表非常適合 Jupyter 筆記本和獨(dú)立 HTML 文件，可以在線無縫查看。

Plotly 的主要特點(diǎn)

• Plotly 提供了強(qiáng)大的交互式繪圖功能。用戶可以縮放、平移和懸停在數(shù)據(jù)點(diǎn)上以獲取更多信息，從而增強(qiáng)對復(fù)雜數(shù)據(jù)集的探索。
• 它支持多種繪圖類型，包括折線圖、散點(diǎn)圖、條形圖、直方圖、箱線圖、3D 圖、分區(qū)統(tǒng)計(jì)圖等。
• 用戶可以在 Plotly Chart Studio 上托管和發(fā)布可視化效果，或?qū)⑵淝度氲?Web 應(yīng)用程序和儀表板中。
• 與 Jupyter Notebook 集成并支持動畫。
• Plotly Express 是一種高級 API，它簡化了用更少的代碼創(chuàng)建常見繪圖。

Bokeh

Bokeh 是交互式 Python 可視化包之一。它為復(fù)雜的用例提供高性能的交互式繪圖和圖表。可以使用自定義 JavaScript 輕松修改圖表。由于其易于兼容的特性，它可以與 Pandas 和 Jupyter Notebook 一起使用。

https://github.com/bokeh/bokeh

圖片

Bokeh 的主要特點(diǎn)

• 出色的交互式可視化：用戶可以平移、縮放并將鼠標(biāo)懸停在數(shù)據(jù)點(diǎn)上以進(jìn)行動態(tài)探索。
• Bokeh 提供高級和低級 API，以滿足不同偏好和需求的用戶。
• 在線共享選項(xiàng)以及與 Jupyter Notebooks 的集成。
• 支持流數(shù)據(jù)進(jìn)行實(shí)時分析和監(jiān)控。
• 用于自定義繪圖樣式的選項(xiàng)，包括顏色、標(biāo)記、布局和注釋。

Plotnine

Plotnine 是基于 ggplot2 的圖形語法的實(shí)現(xiàn)。該包支持根據(jù)數(shù)據(jù)框中的數(shù)據(jù)創(chuàng)建復(fù)雜的繪圖。默認(rèn)設(shè)置有助于創(chuàng)建出版物質(zhì)量的繪圖，而無需進(jìn)行大量設(shè)置和調(diào)整。

Plotnine 的主要優(yōu)點(diǎn)之一是其簡單性和易用性。它的語法直觀且富有表現(xiàn)力，因此用戶只需幾行代碼即可創(chuàng)建復(fù)雜的繪圖。

https://github.com/has2k1/plotnine

Plotnine 的主要特點(diǎn)

• 它遵循圖形語法，這是一種創(chuàng)建可視化的系統(tǒng)方法。它提供了一種結(jié)構(gòu)化的方式來表達(dá)視覺意圖，使用戶可以輕松地用簡單的代碼表達(dá)復(fù)雜的想法。
• 提供高級抽象，以便用最少的代碼創(chuàng)建復(fù)雜的可視化。用戶可以使用簡潔直觀的語法創(chuàng)建復(fù)雜的繪圖。
• 具有精心設(shè)計(jì)的默認(rèn)美學(xué)的美觀可視化。
• 用戶可以輕松添加自定義主題、比例和幾何圖形，以根據(jù)其特定需求定制可視化效果。

Altair

Altair 是一個簡單、友好且一致的 Python 聲明性可視化庫，構(gòu)建于 Vega-Lite 語法之上。聲明性方法與 Seaborn 中的相同，使用戶可以自由地專注于解釋數(shù)據(jù)，而不是編寫正確的語法。然而，這種方法也有一個缺點(diǎn)：用戶對自定義可視化的控制較少。

Altair 是 Python 可視化軟件包之一，它提供非常令人愉快且引人注目的數(shù)據(jù)可視化，但與 Seaborn 相比，需要更多的精力來理解和編寫。

https://github.com/altair-viz/altair

圖片

Altair 的主要特點(diǎn)

• 聲明性語法可以輕松地使用簡潔且人類可讀的代碼創(chuàng)建復(fù)雜的可視化。
• 用戶可以向繪圖添加交互性，例如工具提示、縮放、平移和選擇，以增強(qiáng)對數(shù)據(jù)的探索。
• Altair 可以根據(jù)數(shù)據(jù)和用戶的規(guī)格自動選擇適當(dāng)?shù)膱D表類型。
• 支持多種圖表類型，包括散點(diǎn)圖、折線圖、條形圖、直方圖、熱圖等。
• Altair 允許用戶將數(shù)據(jù)直接綁定到可視化。

Holoviews

Holoviews 是一個 Python 庫，用于使用高級聲明性語法創(chuàng)建交互式可視化。它通過提供簡潔而富有表現(xiàn)力的方式來創(chuàng)建復(fù)雜的繪圖，從而簡化了數(shù)據(jù)可視化的過程。Holoviews的主要原則是數(shù)據(jù)可視化應(yīng)該盡可能直接和簡單。

https://github.com/holoviz/holoviews

圖片

Holoviews的主要特點(diǎn)

• Holoviews 提供高級抽象，可以用最少的代碼創(chuàng)建復(fù)雜的可視化。
• 它使用聲明性語法，可以輕松創(chuàng)建富有表現(xiàn)力的可視化效果，而無需大量代碼。
• 支持交互式可視化，允許用戶通過縮放、平移和懸停等交互式工具動態(tài)探索數(shù)據(jù)。
• 與 Pandas DataFrames 集成，簡化了處理結(jié)構(gòu)化數(shù)據(jù)和基于 DataFrame 列創(chuàng)建可視化的過程。
• 這個Python 圖形可視化庫旨在高效處理大型數(shù)據(jù)集，使其適合大數(shù)據(jù)的交互式探索。