不會做圖表？十個Python資料視覺化函式庫來幫你！

1、matplotlib

#兩個直方圖

matplotlib 是Python視覺化程式庫的泰斗。經過十幾年它任然是Python使用者最常用的畫圖庫。它的設計和在1980年代被設計的商業化程式語言MATLAB非常接近。

由於 matplotlib 是第一個 Python 視覺化程式庫，有許多其他的程式庫都是建立在它的基礎上或直接呼叫它。

例如pandas和Seaborn就是matplotlib的外包，它們讓你能用更少的程式碼去呼叫 matplotlib的方法。

雖然用 matplotlib 可以很方便的得到數據的大致信息，但是如果要更快捷簡單地製作可供發表的圖表就不那麼容易了。

就像Chris Moffitt 在「Python視覺化工具簡介」中提到的一樣：「功能非常強大，也非常複雜。」

matplotlib 那有著強烈九十年代氣息的預設作圖風格也是被吐槽多年。即將發行的matplotlib 2.0 號稱會包含許多更時尚的風格。

開發者：John D. Hunter

更多資料：https://www.php.cn/link/a563b6d5abbf137175059d6bb14672cc

#2、Seaborn

Violinplot (Michael Waskom)

Seaborn利用了matplotlib，用簡潔的程式碼來製作好看的圖表。

Seaborn跟matplotlib最大的差別就是它的預設繪圖風格和色彩搭配都具有現代美感。

由於Seaborn是建立在matplotlib的基礎上的，你需要了解matplotlib從而來調整Seaborn的預設參數。

開發者: Michael Waskom

更多資料：https://www.php.cn/link/b93f11867481fc6d77908aea58ba6198

# #3、ggplot

Small multiples (ŷhat)

ggplot 基於R的一個作圖包ggplot2, 同時利用了源自於《圖像語法》（ The Grammar of Graphics）中的概念。

ggplot 跟 matplotlib 的不同之處是它允許你疊加不同的圖層來完成一幅圖。例如你可以從軸開始，然後再加點，加上線，趨勢線等等。

雖然《圖像語法》得到了「接近思考過程」的作圖方法的好評，但是習慣了matplotlib的用戶可能需要一些時間來適應這個新思維方式。

ggplot的作者提到 ggplot 並不適用於製作非常個人化的圖像。它為了操作的簡潔而犧牲了圖像複雜度。

ggplot is tightly integrated with pandas, so it's best to store your data in a DataFrame when using ggplot.

ggplot跟pandas的整合度非常高，所以當你使用它的時候，最好將你的資料讀成DataFrame。

開發者: ŷhat更多資料：

https://www.php.cn/link/be23c41621390a448779ee72409e5f49

## 4、Bokeh

Interactive weather statistics for three cities (Continuum Analytics)

跟ggplot一樣， Bokeh 也是基於《圖形語法》的概念。

但跟ggplot不一樣的是，它完全是基於Python而不是從R引用過來的。

它的長處在於它能用於製作可交互，可直接用於網路的圖表。圖表可以輸出為JSON對象，HTML文件或可互動的網路應用。

Boken也支援資料流和即時數據。 Bokeh為不同的使用者提供了三種控制等級。

最高的控制等級用於快速製圖，主要用於製作常用影像， 例如長條圖，盒狀圖，直方圖。

中等控制水準跟matplotlib一樣允許你控制影像的基本元素（例如分佈圖中的點）。

最低的控制水準主要針對開發人員和軟體工程師。

它沒有預設值，你得定義圖表的每一個元素。

###開發者: Continuum Analytics#######

更多資料：https://www.php.cn/link/fdad3b5b2200b598dfde9517e5b426a8

##5、pygal

#5、pygal

Box plot (Florian Mounier)

pygal 跟Bokeh 和Plotly 一樣，提供可直接嵌入網頁瀏覽器的可互動影像。

跟其他兩者的主要區別在於它可以將圖表輸出為SVG格式。

如果你的資料量相對小，SVG就夠用了。但是如果你有成百上千的資料點，SVG的渲染過程會變得很慢。

由於所有的圖表都被封裝成了方法，而且預設的風格也很漂亮，用幾行程式碼就可以很容易地製作出漂亮的圖表。

開發者: Florian Mounier

更多資料：

https://www.php.cn/link/bf5d232e6c54a84b97769a91adb1642f

6、Plotly

Line plot (Plotly)

你也許聽過線上製圖工具Plotly，但你知道你可以透過Python使用它麼？ Plotly 跟 Bokeh 一樣致力於互動圖表的製作，但是它提供在別的庫中很難找到的幾種圖表類型，比如等值線圖，樹形圖和三維圖表。

開發者: Plotly

更多資料：https://www.php.cn/link/d01c25576ff1c53de58e0e6970a2d510

7、geoplotlib

Choropleth (Andrea Cuttone)

geoplotlib 是用來製作地圖和地理相關資料的工具箱。

你可以用它來製作多種地圖，例如等值區域圖， 熱度圖，點密度圖。

你必須安裝 Pyglet （一個物件導向程式設計介面）來使用geoplotlib。不過因為大部分Python的視覺化工具不提供地圖，所以有專職畫地圖的工具也是挺方便的。

開發者: Andrea Cuttone

更多資料：

https://www.php.cn/link/a9cf46a38a9b05e959f33215e5cdc38a

dc38a

# #8、Gleam

Scatter plot with trend line (David Robinson)

Gleam 借用了R中Shiny 的靈感。它允許你只利用 Python 程式將你的分析變成可互動的網頁應用，你不需要會用HTML CSS 或 JaveScript。

Gleam 可以使用任何一種 Python 的視覺化函式庫。

當你建立一個圖表的時候，你可以在上面加上一個網域，這樣使用者可以用它來對資料排序和過濾了。

開發者: David Robinson

更多資料：###https://www.php.cn/link/c0ad6deb373037e7f63f219c850e3396############################################################################ #9、missingno###############Nullity matrix (Aleksey Bilogur)  ######缺失資料是永遠的痛。 ######missingno 用圖像的方式讓你能夠快速評估資料缺失的情況，而不是在資料表裡面步履維艱。 ######你可以根據資料的完整度對資料進行排序或過濾，或根據熱度圖或樹狀圖來考慮修正資料。 ######開發者: Aleksey Bilogur######更多資料：###https://www.php.cn/link/bc05ca60f2f0d67d0525f41d1d8f8717############## #10、Leather########################Chart grid with consistent scales (Christopher Groskopf)###

Leather的最佳定義來自它的作者 Christopher Groskopf。

「Leather 適用於現在就需要一個圖表並且對圖表是不是完美並不在乎的人。」

它可以用於所以的資料類型然後生成SVG圖像，這樣在你調整影像大小的時候就不會損失影像品質。

以上是不會做圖表？十個Python資料視覺化函式庫來幫你！的詳細內容。更多資訊請關注PHP中文網其他相關文章！