前言

本文主要摘錄自 pycon 2017大會的一個演講，同時結合自己的一些理解。

pycon 2017的相關演講主題是「The Python Visualization Landscape」。

先來一張全景圖鎮樓~~

看完這張圖是不是有點懵？

別著急，我們一起來看看後面的闡述。

python可視化庫可以大致分為幾類：

• 基於matplotlib的可視化庫

• 基於JS的可視化庫

• 基於上述兩者或其他組合功能的庫

基於matplotlib的可視化庫

matplotlib是python可視化庫的基礎。matplotlib庫的設計參考了matlab，甚至連名稱也是以「mat」開頭。

matplotlib庫的一些優勢：(翻譯比較彆扭，英文原文也附後)

• 設計很像Matlab，容易進行轉換（Designed like Matlab: switching was easy）

• 有很多渲染後端（Many rendering backends）

• 差不多可以繪製任何圖（當然需要花費些努力）(Can reproduce just about any plot with a bit of effort)

• 有長時間良好運行的歷史 (Well-tested, standard tool for over a decade)

matplotlib庫的一些缺點：

• 必須要掌握API，且描述較為冗長（API is imperative & often overly berbose)

• 有時候默認的樣式設計比較弱（Sometimes poor stylistic defaults）

• 對網頁以及互動式繪圖的支持較弱(Poor support for web/interactive graphs)

• 數據量大時經常運行較慢（Often slow for large & complicated data）

Matplotlib自2003年發布以來，使用情況還是呈現了良好的趨勢：

Matplotlib部分繪圖實例如下：

關於matplotlib，微信公眾號之前寫過一篇關於餅圖的介紹，有興趣的可閱覽下。

關於matplotlib，你要的餅圖在這裡

也因此，後續開發者都吸取了matplotlib庫的優點，經過對matplotlib庫的缺點進行改進，從而衍生出一系列的可視化庫。

基於matplotlib的庫概覽如下：

下面介紹兩個重要的基於matplotlib的第三方庫：pandas以及seaborn

Pandas

可能我們平時使用pandas時更多的是用來進行數據分析和處理，其實pandas也提供了較為簡單的API來進行圖形繪製。

我個人一般是用pandas來處理數據，然後結合其他可視化庫（如matplotlib，seaborn，bokeh等）來繪圖圖形。

Pandas部分繪圖實例如下：

微信公眾號中部分文章的案例可供參考。

用Pandas獲取商品期貨價格並可視化

python求職Top10城市，來看看是否有你所在的城市

seaborn

Seaborn是基於matplotlib的Python可視化庫。它提供了一個高級別介面用於圖形繪製。

Seaborn在matplotlib的基礎上進行了更高級的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn就能做出很具有吸引力的圖。

關於Searbon，微信公眾號之前寫過一篇關於熱力圖的介紹文章，有興趣的可閱覽下。

Python可視化：Seaborn庫熱力圖使用進階

Seaborn部分繪圖實例如下：

詳細信息可在其官方網站查閱：

Seaborn: statistical data visualization

基於JavaScript的可視化庫

兩個受歡迎度較高的可視化庫 bokeh 和 plotly

bokeh

Bokeh (Bokeh.js) 是一個 Python 互動式可視化庫，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 可以快速的創建互動式的繪圖，儀錶盤和數據應用。

關於bokeh，微信公眾號之前寫過的文章用應用過timeseries圖，有興趣的可閱覽下。

用Pandas獲取商品期貨價格並可視化

bokeh部分繪圖實例如下：

詳細信息可在其官方網站查閱：

plotly

Plotly是另一個免費進行數據分析和繪製圖表的APP，建立在d3.js上。 Plotly圖可下載為SVG，EPS或PNG格式，並簡單地導入到Illustrator或者Photoshop中。

跟bokeh類似，也可以製作一些互動式的web圖。

plotly部分繪圖實例如下：

詳細內容可以去官網參考：

其他綜合類型庫

Holoviews

Holoviews能夠讓用戶構建有助於可視化的數據結構，而且它包含豐富的可組合元素庫，可以覆蓋、嵌套和輕鬆定位。同時，它還支持快速數據探索。

Holoviews可以和Seaborn、pandas或者bokeh組合使用。

由於筆者還沒具體了解過Holoviews的使用功能，這裡將英文的描述直接放在下面，以免個人理解不準確而產生誤導。

關於Holoviews的效果圖，可參考下面動態圖，建議觀看原視頻，效果會好點。

Altair

Altairs起源於D3，但代碼編寫量要比D3簡單。這裡有兩幅對比的圖如下：

• 用D3繪製的柱狀圖

• 用Altairs繪製的柱狀圖

Altair 是 Python 高級聲明式可視化庫。Altair 提供一個 Python API 在聲明式 manner 中構建靜態統計可視化庫。

什麼是聲明式可視化庫呢，不管是翻譯成中文的名稱還是看英文的名稱，我都一臉懵圈。幸好，有英文的進一步描述，如下：

總的來說，Altairs讓開發者們更專註於數據及他們之間的關係，而不是一些不重要的細節。

最後，再放上這張Python可視化的全景圖，對於個人而言，不一定能全部熟悉使用，但是能熟練用好其中的一部分，實際應用於工作及項目中，也就OK了。

關於視頻

pycon 2017的相關演講主題的視頻在youtube上可觀看，由於牆的緣故，部分童鞋可能不能觀看視頻。

python可視化這個視頻，我已經下載下來，需要的童鞋可在微信公眾號「Python數據之道」後台回復關鍵字獲取視頻，關鍵字如下：

「2017-024」（不含引號）

相關文章：

Python可視化：Seaborn庫熱力圖使用進階

加入微信群

請在微信公眾號「Python數據之道」底部菜單欄點擊菜單「微信群」。

更多精彩文章

請在微信公眾號底部菜單欄點擊菜單「知識講堂」。更多文章截圖如下：