《Pycon 2017： Python可视化库大全》由会员分享，可在线阅读，更多相关《Pycon 2017： Python可视化库大全（11页珍藏版）》请在金锄头文库上搜索。
1、Pycon 2017： Python 可视化库大全前言本文主要摘录自 pycon 2017 大会的一个演讲，pycon 2017 的相关演讲主题是“The Python Visualization Landscape”。先来一张全景图python 可视化库可以大致分为几类： 基于 matplotlib 的可视化库 基于 JS 的可视化库 基于上述两者或其他组合功能的库基于 matplotlib 的可视化库matplotlib 是 python 可视化库的基础。matplotlib 库的设计参考了 matlab，甚至连名称也是以“mat”开头。matplotlib 库的一些优势：(翻译比较别扭，
2、英文原文也附后) 设计很像 Matlab，容易进行转换(Designed like Matlab: switching was easy) 有很多渲染后端(Many rendering backends) 差不多可以绘制任何图(当然需要花费些努力)(Can reproduce just about any plot with a bit of effort) 有长时间良好运行的历史 (Well-tested, standard tool for over a decade)matplotlib 库的一些缺点： 必须要掌握 API，且描述较为冗长 (API is imperative & oft
3、en overly berbose) 有时候默认的样式设计比较弱(Sometimes poor stylistic defaults) 对网页以及交互式绘图的支持较弱(Poor support for web/interactive graphs) 数据量大时经常运行较慢(Often slow for large & complicated data)Matplotlib 自 2003 年发布以来，使用情况还是呈现了良好的趋势：Matplotlib 部分绘图实例如下：也因此，后续开发者都吸取了 matplotlib 库的优点，经过对 matplotlib 库的缺点进行改进，从而衍生出一系列的可
4、视化库。基于 matplotlib 的库概览如下：下面介绍两个重要的基于 matplotlib 的第三方库：pandas 以及 seabornPandas可能我们平时使用 pandas 时更多的是用来进行数据分析和处理，其实 pandas也提供了较为简单的 API 来进行图形绘制。我个人一般是用 pandas 来处理数据，然后结合其他可视化库 (如matplotlib，seaborn，bokeh 等) 来绘图图形。Pandas 部分绘图实例如下：seabornSeaborn 是基于 matplotlib 的 Python 可视化库。它提供了一个高级别接口用于图形绘制。Seaborn 在 mat
5、plotlib 的基础上进行了更高级的 API 封装，从而使得作图更加容易，在大多数情况下使用 seaborn 就能做出很具有吸引力的图。Seaborn 部分绘图实例如下：详细信息可在其官方网站查阅：http:/seaborn.pydata.org/基于 JavaScript 的可视化库两个受欢迎度较高的可视化库 bokeh 和 plotlybokehBokeh (Bokeh.js) 是一个 Python 交互式可视化库，支持现代化 Web 浏览器，提供非常完美的展示功能。Bokeh 的目标是使用 D3.js 样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。Boken
6、可以快速的创建交互式的绘图，仪表盘和数据应用。bokeh 部分绘图实例如下：详细信息可在其官方网站查阅：http:/bokeh.pydata.orgplotlyPlotly 是另一个免费进行数据分析和绘制图表的 APP，建立在 d3.js 上。 Plotly图可下载为 SVG，EPS 或 PNG 格式，并简单地导入到 Illustrator 或者Photoshop 中。跟 bokeh 类似，也可以制作一些交互式的 web 图。plotly 部分绘图实例如下：详细内容可以去官网参考：https:/plot.ly/python/其他综合类型库HoloviewsHoloviews 能够让用户构建有助
7、于可视化的数据结构，而且它包含丰富的可组合元素库，可以覆盖、嵌套和轻松定位。同时，它还支持快速数据探索。Holoviews 可以和 Seaborn、pandas 或者 bokeh 组合使用。由于笔者还没具体了解过 Holoviews 的使用功能，这里将英文的描述直接放在下面，以免个人理解不准确而产生误导。关于 Holoviews 的效果图，可参考下面动态图，建议观看原视频，效果会好点。AltairAltairs 起源于 D3，但代码编写量要比 D3 简单。这里有两幅对比的图如下： 用 D3 绘制的柱状图 用Altairs 绘制的柱状图Altair 是 Python 高级声明式可视化库。Altair 提供一个 Python API 在声明式 manner 中构建静态统计可视化库。什么是声明式可视化库呢，不管是翻译成中文的名称还是看英文的名称，我都一脸懵圈。幸好，有英文的进一步描述，如下：总的来说，Altairs 让开发者们更专注于数据及他们之间的关系，而不是一些不重要的细节。最后，再放上这张 Python 可视化的全景图，对于个人而言，不一定能全部熟悉使用，但是能熟练用好其中的一部分，实际应用于工作及项目中，也就 OK了。
