現(xiàn)在的 Python 科學(xué)棧*成熟，里面有各種用途的數(shù)據(jù)庫，包括機(jī)器學(xué)習(xí)和數(shù)據(jù)分析。數(shù)據(jù)可視化是數(shù)據(jù)分析流程中的一個重要部分。Python中除了matplotlib外還有哪些數(shù)據(jù)可視化的庫？

過去幾年，出現(xiàn)了許多新的用于可視化數(shù)據(jù)的 Python 庫。在這些庫里面，用的*廣泛的是 matplotlib，但也有一些庫，如 vispy，bokeh，seaborn，pygal，folium 和 networkx，它們大都建立在 matplotlib 上，有些還具有 matplotlib 所不支持的功能。

1. 基礎(chǔ)2D及3D可視化

matplotlib：基于matlib開發(fā)的歷史*久的python繪圖包。功能強(qiáng)大。其具體架構(gòu)可以參考鏈接。

seaborn：是基于matplotlib進(jìn)行*封裝之后的結(jié)果，語法更簡單，但是功能相對不如matplotlib。seaborn更多針對統(tǒng)計(jì)學(xué)領(lǐng)域。

2.交互信息可視化數(shù)據(jù)分析的一個業(yè)務(wù)場景就是用數(shù)據(jù)講故事，交互信息可視化的工具就在此凸顯出了優(yōu)勢。

Bokeh: 是一個用于做瀏覽器端交互可視化的庫，實(shí)現(xiàn)分析師與數(shù)據(jù)的交互。

Pyecharts

圖片源于網(wǎng)絡(luò)：侵刪

Plotly: 同樣也是做交互可視化的一把利器。Plotly同時支持Python和R語言，并且實(shí)現(xiàn)了在線導(dǎo)入數(shù)據(jù)做可視化并保存內(nèi)容在云端server的功能。做演示的時候，只需要在本地的jupyter notebook與plotly server建立通信，即可調(diào)用已經(jīng)做好的可視化內(nèi)容做展示。Plotly同時有freemium和premium兩種賬戶，免費(fèi)賬戶已經(jīng)可以滿足基本需要。

Pyecharts

                                                           圖片源于網(wǎng)絡(luò)：侵刪

此外，作為數(shù)據(jù)分析師，一個重要的工作場景就是為業(yè)務(wù)團(tuán)隊(duì)建立dashboard，plotly強(qiáng)大的交互功能得到了淋漓盡致的體現(xiàn)。

Pyecharts 是基于百度echarts的一個開源項(xiàng)目，也是我目前接觸到的*容易實(shí)現(xiàn)交互可視化的工具，相比bokeh和plotly，pyecharts的語法更簡單，實(shí)現(xiàn)效果更佳出眾。

Pyecharts

                                                            圖片源于網(wǎng)絡(luò)：侵刪

3. 地圖可視化地理信息數(shù)據(jù)也會是部分?jǐn)?shù)據(jù)分析師的業(yè)務(wù)場景。對于這類數(shù)據(jù)，可能傳統(tǒng)的matplotlib/seaborn，交互屬性的bokeh/plotly無法很好地對這類數(shù)據(jù)進(jìn)行處理。我們需要使用處理地理數(shù)據(jù)引擎更強(qiáng)的可視化工具庫。

Mapbox

Mapbox

                                              圖片源于網(wǎng)絡(luò)：侵刪

Geoplotlib

Geoplotlib

                                    圖片源于網(wǎng)絡(luò)：侵刪

Python可視化的庫還有很多，熟練掌握matplotlib和seaborn，針對具體業(yè)務(wù)用好plotly和bokeh足以從容面對大多數(shù)的數(shù)據(jù)分析場景。