这里有8个风行的Python可视化器材包，你喜好哪个？

用 Python 建设图形的要领有许多，可是哪种要领是最好的呢?当我们做可视化之前，要先明晰一些关于图像方针的题目：你是想起源相识数据的漫衍环境?想展示时给人们留下深刻印象?大概你想给或人展示一个内涵的形象，一此中庸的形象?

本文将先容一些常用的 Python 可视化包，包罗这些包的优弱点以及别聚散用于什么样的场景。这篇文章只扩展到 2D 图，为下一次讲 3D 图和贸易报表(dashboard)留了一些空间，不外这次要讲的包中，很多都可以很好地支持 3D 图和贸易报表。

Matplotlib、Seaborn 和 Pandas

把这三个包放在一路有几个缘故起因：起首 Seaborn 和 Pandas 是成立在 Matplotlib 之上的，当你在用 Seaborn 或 Pandas 中的 df.plot() 时，用的着实是别人用 Matplotlib 写的代码。因此，这些图在美化方面是相似的，自界说图时用的语法也都很是相似。

当提到这些可视化器材时，我想到三个词：试探(Exploratory)、数据(Data)、说明(Analysis)。这些包都很得当第一次试探数据，但要做演示时用这些包就不足了。

Matplotlib 是较量初级的库，但它所支持的自界说水平令人难以置信(以是不要简朴地将其解除在演示所用的包之外!)，但尚有其余更得当做展示的器材。

Matplotlib 还可以选择样式(style selection)，它模仿了像 ggplot2 和 xkcd 等很风行的美化器材。下面是我用 Matplotlib 及相干器材所做的示例图：

在处理赏罚篮球队薪资数据时，我想找出薪资中位数最高的团队。为了展示功效，我将每个球队的人为用颜色标成条形图，来声名球员插手哪一支球队才气得到更好的报酬。

import seaborn as sns 
import matplotlib.pyplot as plt 
 
color_order = ['xkcd:cerulean', 'xkcd:ocean', 
                'xkcd:black','xkcd:royal purple', 
                'xkcd:royal purple', 'xkcd:navy blue', 
                'xkcd:powder blue', 'xkcd:light maroon',  
                'xkcd:lightish blue','xkcd:navy'] 
 
sns.barplot(x=top10.Team, 
            y=top10.Salary, 
            palette=color_order).set_title('Teams with Highest Median Salary') 
 
plt.ticklabel_format(style='sci', axis='y', scilimits=(0,0)) 

第二个图是回归尝试残差的 Q-Q 图。这张图的首要目标是展示怎样用只管少的线条做出一张有效的图，虽然大概它也许不那么雅观。

import matplotlib.pyplot as plt 
import scipy.stats as stats 
 
#model2 is a regression model 
log_resid = model2.predict(X_test)-y_test 
stats.probplot(log_resid, dist="norm", plot=plt) 
plt.title("Normal Q-Q plot") 
plt.show() 

最终证明，Matplotlib 及其相干器材的服从很高，但就演示而言它们并不是最好的器材。

ggplot(2)

你也许会问，「Aaron，ggplot 是 R 中最常用的可视化包，但你不是要写 Python 的包吗?」。人们已经在 Python 中实现了 ggplot2，复制了这个包从美化到语法的统统内容。

在我看过的全部原料中，它的统统都和 ggplot2 很像，但这个包的甜头是它依靠于 Pandas Python 包。不外 Pandas Python 包最近弃用了一些要领，导致 Python 版本不兼容。

假如你想在 R 顶用真正的 ggplot(除了依靠相关外，它们的外面、感受以及语法都是一样的)，我在其它一篇文章中对此举办过接头。

也就是说，假如你必然要在 Python 顶用 ggplot，那你就必必要安装 0.19.2 版的 Pandas，但我提议你最好不要为了行使较初级的画图包而低落 Pandas 的版本。

ggplot2(我认为也包罗 Python 的 ggplot)举足轻重的缘故起因是它们用「图形语法」来构建图片。根基条件是你可以实例化图，然后别离添加差异的特性;也就是说，你可以别离对问题、坐标轴、数据点以及趋势线等举办美化。

下面是 ggplot 代码的简朴示例。我们先用 ggplot 实例化图，配置美化属性和数据，然后添加点、主题以及坐标轴和问题标签。

#All Salaries 
ggplot(data=df, aes(x=season_start, y=salary, colour=team)) + 
  geom_point() + 
  theme(legend.position="none") + 
  labs(title = 'Salary Over Time', x='Year', y='Salary ($)') 

Bokeh

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!