而這個問題就正好涉及到了Python的數據可視化了。

很多同學學習Python的主要目的就是為了實現數據可視化。

而如何將我們的數據的特徵更好的、更直觀的展示出來，Python給出了很多解決方案。

今天，我們黃幫主為大家整理了一些Python數據可視化的庫，用於幫助大家更系統地了解這些庫的特點以及可視化效果是怎麼樣的。

接下來，我們一一為大家做介紹。

Matplotlib

說到數據可視化庫，第一時間想到的就是我們的老大哥，也是我們數據分析中主要講的可視化庫–Matplotlib

Matplotlib 是一個 Python 的 2D繪圖庫，它以各種硬拷貝格式和跨平台的交互式環境生成出版質量級別的圖形。

通過 Matplotlib，開發者可以僅需要幾行代碼，便可以生成繪圖，直方圖，功率譜，條形圖，錯誤圖，散點圖等。

一般我們matplotlib畫圖會結合我們的numpy甚至pandas進行使用，通過numpy或者pandas存儲數據，然後通過matplotlib將數據用圖標的形式表現出來。

圖例

安裝

Matplotlib的安裝非常簡單，甚至當你使用anaconda的時候，anaconda已經幫你預安裝好了，

因為它是屬於專門面向數據科學的anaconda的必備第三方庫，和pandas以及numpy一樣。

如果沒有安裝只需要進行 pip install matplotlib 即可。

「當然，還可以通過我們的數據分析課程學習matplotlib的使用哦。」

「我們的數據分析課程還有matplotlib的前置知識numpy和pandas進行數據讀取處理。」

Plotly

我們課程不只是介紹了matplotlib，我們還有一個專門的課程「數據可視化」介紹了另一些可視化的庫的內容，其中最重要也是最常用的就是我們的–plotly

數據分析離不開數據可視化。我們常用的就是pandas，matplotlib。

而Plotly 則是一款用來做數據分析和可視化的在線平台，功能非常強大，可以在線繪製很多相比matplotlib更加漂亮的圖形。

我們的同事小凡也用Plotly製作過動態地圖。

小凡製作的動態地圖

Plotly還是支持在線編輯，以及多種語言python、javascript、matlab、R等許多API。使用Plotly甚至可以畫出很多媲美Tableau的高質量圖。

圖例

而plotly最重要的一點就是，它可以實現交互：

甚至還可以畫出很炫酷的數據可視化圖：

以及這類中規中矩和matplotlib畫的圖片類似，但是可以交互甚至有tag的圖片：

安裝

Plotly的安裝也可以通過簡單的 pip install plotly 即可。

Tableau

Tableau Software致力於幫助人們查看並理解數據。

Tableau 幫助任何人快速分析、可視化並分享信息。超過 42,000 家客戶通過使用 Tableau 在辦公室或隨時隨地快速獲得結果。

數以萬計的用戶使用 Tableau Public 在博客與網站中分享數據。

Tableau公司將數據運算與美觀的圖表完美地嫁接在一起。它的程序很容易上手，各公司可以用它將大量數據拖放到數字「畫布」上，轉眼間就能創建好各種圖表。

這一軟件的理念是，界面上的數據越容易操控，公司對自己在所在業務領域裏的所作所為到底是正確還是錯誤，就能了解得越透徹。

圖例

可以看到 Tableau 有一個非常完美的數據可視化集成，你甚至可以通過數據索引圖標，也可以通過圖表索引數據，一個近乎完美的數據可視化交互。

目前很多商業分析都是用 Tableau 作為數據可視化的一個工具，基於它極致的數據可視化交互性能，以及完美的數據展示。

但是，它並不是基於編程或者說它是自己的一個需要付費的數據可視化平台，所以我們很多時候可以通過plotly去畫出媲美的數據可視化交互。

「官方網站」Tableau：https://www.tableau.com

Bokeh

Bokeh (Bokeh.js) 是一個 Python 交互式可視化庫，支持現代化 Web 瀏覽器，提供非常完美的展示功能。

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 可以快速地創建交互式的繪圖，儀錶盤和數據應用。

圖例

也可以畫出類似 plotly 地通過數據可視化交互。

安裝

Bokeh的安裝也是python的第三方庫安裝方式：pip install bokeh 即可。

「官方文檔」bokeh：https://docs.bokeh.org/en/latest/#

Pyecharts

pyecharts是一個將python與echarts結合的強大的數據可視化工具。

Apache ECharts 是一個由百度開源的數據可視化，憑藉著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。

而 Python 是一門富有表達力的語言，很適合用於數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。

pyecharts的特性

• 簡潔的 API 設計，使用如絲滑般流暢，支持鏈式調用。
• 囊括了 30+ 種常見圖表，應有盡有。
• 支持主流 Notebook 環境，Jupyter Notebook 和 JupyterLab。
• 可輕鬆集成至 Flask，Sanic，Django 等主流 Web 框架。
• 高度靈活的配置項，可輕鬆搭配出精美的圖表。
• 詳細的文檔和示例，幫助開發者更快地上手項目。
• 多達 400+ 地圖文件，並且支持原生百度地圖，為地理數據可視化提供強有力的支持。

圖例

安裝

1. pip 安裝

安裝 v1 以上版本

$ pip install pyecharts -U

如果需要安裝 0.5.11 版本的開發者，可以使用

pip install pyecharts==0.5.11

2. 源碼安裝

安裝 v1 以上版本

$ cd pyecharts

$ pip install -r requirements.txt

$ python setup.py install

Seabor

Seaborn是基於matplotlib的圖形可視化python包。它提供了一種高度交互式界面，便於用戶能夠做出各種有吸引力的統計圖表。

同時Seaborn也進行了更高級的API封裝，從而使得作圖更加容易。

在大多數情況下我們可以使用 seaborn 做出很具有吸引力的圖，同時，我們也可以使用matplotlib就能製作具有更多特色的圖。

關係上，Seaborn可以視為matplotlib的補充，而不是替代物。Seaborn有着能高度兼容numpy與pandas數據結構以及scipy與statsmodels等統計模式的特點。

圖例

安裝

「安裝」pip install seaborn

總結

今天盤點的Python數據可視化庫，同學們掌握了哪些？

數據可視化是數據分析得非常重要的一環，在我們的「數據分析」課程中，我們為了讓大家更好的學習，推出了「數據可視化」課程作為補充。

在「數據可視化」課程中，我們主要以 「Plotly」作為數據可視化的主要生產力。

當然，如果你不滿足於「plotly」「matplotlib」等數據可視化方式，我們可以通過更多的比如說「Bokeh」或者「Pyecharts」的工具進行我們的數據可視化。