Python可视化库解析

简介

本文包含了一些较为流行的工具以及简介，安装方法（基于Linux系统，在一般情况下也适用于其他系统）。
大部分库都基于Python3，但不建议因此就删除Python2，因为还有一部分库如 geoplotlib，Mayavi2等是基于Python2。

1.matplotlib

Matplotlib是一个Python 2维绘图库，已经成为python中公认的数据可视化工具，通过Matplotlib你可以很轻松地画一些或简单或复杂地图形，几行代码即可生成线图、直方图、功率谱、条形图、错误图、散点图等等。
对于一些简单的绘图，特别是与IPython结合使用时，pyplot模块提供了一个matlab接口。你可以通过面向对象的接口或通过一些MATLAB的函数来更改控制行样式、字体属性、轴属性等

安装：

linux系统

方法一：

sudo apt-get install python-dev

sudo apt-get install python-matplotlib

方法二：

pip install matplotlib

windows系统

先下载对应的安装包pyproj和matplotlib
打开Anaconda Prompt，输入安装包所在路径，然后分别输入

pip install pyproj 1.9.5.1 cp36 cp36m win_amd64.whl #输入下载的pyproj文件名

pip install matplotlib_tests?2.1.0?py2.py3?none?any.whl

mac os系统

方法一：

pip install matplotlib

方法二：

sudo curl -O https://bootstrap.pypa.io/get-pip.py

sudo python get-pip.py

2.Seaborn

Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝链接，使初学者更容易上手。相对于matplotlib，Seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系。

安装：

linux系统

sudo pip install seaborn

window系统

pip install seaborn

3.HoloViews

HoloViews是一个开源的Python库，可以用非常少的代码行中完成数据分析和可视化，通过结合Bokeh提供的交互式小部件，快速呈现交互性和高维可视化，使HoloViews变得更加强大。

安装

方法一：

pip install HoloViews

方法二：

conda install -c ioam/label/dev holoviews

方法三：

git clone git://github.com/ioam/holoviews.git
cd holoviews
pip install -e 

方法四：

点击下载安装

4.Altair

Altair是Python的一个公认的统计可视化库。它的API简单、友好、一致，并建立在强大的vega - lite（交互式图形语法）之上。Altair API不包含实际的可视化呈现代码，而是按照vega - lite规范发出JSON数据结构。由此产生的数据可以在用户界面中呈现，这种优雅的简单性产生了漂亮且有效的可视化效果，且只需很少的代码。
数据源是一个DataFrame，它由不同数据类型的列组成。DataFrame是一种整洁的格式，其中的行与样本相对应，而列与观察到的变量相对应。数据通过数据转换映射到使用组的视觉属性(位置、颜色、大小、形状、面板等)。

安装

方法一：

pip install Altair

方法二：

conda install altair --channel conda-forge

5.PyQtGraph

PyQtGraph是在PyQt4 / PySide和numpy上构建的纯 python的GUI图形库。它主要用于数学，科学，工程领域。尽管它完全是在python中编写的，但它对数字运算和Qt的GraphicsView框架的影响巨大，速度也非常快。

安装

方法一

pip install PyQtGraph

方法二

点击下载安装

6.ggplot

ggplot是基于R的ggplot2和图形语法的Python的绘图系统，实现了更少的代码绘制更专业的图形。
它使用一个高级且富有表现力的API来实现线，点等元素的添加，颜色的更改等不同类型的可视化组件的组合或添加，而不需要重复使用相同的代码，然而这对那些试图进行高度定制的的来说，ggplot并不是最好的选择，尽管它也可以制作一些非常复杂、好看的图形。
ggplot与pandas紧密联系。如果你打算使用ggplot，最好将数据保存在DataFrames中。

安装：

linux系统

pip install numpy

pip install scipy

pip install statsmodels

pip install ggplot

window系统

下载ggplot安装包然后运行

pip install ggplot?0.11.5?py2.py3?none?any.whl

7.Bokeh

Bokeh是一个Python交互式可视化库，支持现代化web浏览器展示（图表可以输出为JSON对象，HTML文档或者可交互的网络应用）。它提供风格优雅、简洁的D3.js的图形化样式，并将此功能扩展到高性能交互的数据集，数据流上。使用Bokeh可以快速便捷地创建交互式绘图、仪表板和数据应用程序等。
Bokeh能与NumPy，Pandas，Blaze等大部分数组或表格式的数据结构完美结合。

安装：

方法一：如果有配置anaconda的话使用以下命令（推荐）

conda install bokeh

方法二：

pip install numpy

pip install pandas

pip install redis

pip install bokeh

8.pygal

pygal是一种开放标准的矢量图形语言，它基于XML（Extensible Markup Language），可以生成多个输出格式的高分辨率Web图形页面，还支持给定数据的html表导出。用户可以直接用代码来描绘图像，可以用任何文字处理工具打开SVG图像，通过改变部分代码来使图像具有交互功能，并且可以插入到HTML中通过浏览器来观看。

安装：

linux系统

pip install pygal

window系统

命令类似于

python -m pip install --user pygal==1.7

mac os系统

命令类似于

方法一：

pip install --user pygal==1.7

方法二：

pip install git+https://github.com/vispy/vispy.git

9.VisPy

VisPy是一个用于交互式科学可视化的Python库，快速、可伸缩、且易于使用，是一个高性能的交互式2D / 3D数据可视化库，利用了现代图形处理单元(gpu)的计算能力，通过OpenGL库来显示非常大的数据集。

安装

pip install VisPy

10.NetworkX

NetworkX是一个Python包，用于创建、操纵和研究复杂网络的结构、以及学习复杂网络的结构、功能及其动力学。
NetworkX提供了适合各种数据结构的图表、二合字母和多重图，还有大量标准的图算法，网络结构和分析措施，可以产生随机网络、合成网络或经典网络，且节点可以是文本、图像、XML记录等，并提供了一些示例数据(如权重，时间序列)。
NetworkX测试的代码覆盖率超过90%，是一个多样化，易于教学，能快速生成图形的Python平台。

安装

方法一：

pip install networkx

方法二：

点击下载安装

11.Plotly

Plotly的Python graphing library在网上提供了交互式的、公开的，高质量的图表集，可与R、python、matlab等软件对接。它拥有在别的库中很难找到的几种图表类型，如等值线图，树形图和三维图表等，图标类型也十分丰富，申请了API密钥后，可以一键将统计图形同步到云端。但美中不足的是，打开国外网站会比较费时，且一个账号只能创建25个图表，除非你升级或删除一些图表。

安装：

pip install plotly

12.geoplotlib

Basemap和Cartopy包支持多个地理投影，并提供一些可视化效果，包括点图、热图、等高线图和形状文件。PySAL是一个由Python编写的空间分析函数的开源库，它提供了许多基本的工具，主要用于形状文件。但是，这些库不允许用户绘制地图贴图，并且对自定义可视化、交互性和动画的支持有限。
geoplotlib是python的一个用于地理数据可视化和绘制地图的工具箱，并提供了一个原始数据和所有可视化之间的基本接口，支持在纯python中开发硬件加速的交互式可视化，并提供点映射、内核密度估计、空间图、泰森多边形图、形状文件和许多更常见的空间可视化的实现。除了为常用的地理数据可视化提供内置的可视化功能外，geoplotlib还允许通过定义定制层来定义复杂的数据可视化（绘制OpenGL，如分数、行和具有高性能的多边形），创建动画。

安装：

pip install geoplotlib

13.folium

folium是一个建立在Python系统之上的js库，可以很轻松地将在Python中操作的数据可视化为交互式的单张地图，且将紧密地将数据与地图联系在一起，可自定义箭头，网格等HTML格式的地图标记。该库还附有一些内置的地形数据。

安装

方法一：

pip install folium

方法二：

conda install folium

方法三：

点击下载安装

14.Gleam

Gleam允许你只利用Python构建数据的交互式，生成可视化的网络应用。无需具备HTML CSS或JaveScript知识，就能使用任一种Python可视化库控制输入。当你创建一个图表的时候，你可以在上面加上一个域，让任何人都可以实时地玩转你的数据，让你的数据更通俗易懂。

安装：

pip install Gleam

15.vincent

Vincent是一个很酷的可视化工具，它以Python数据结构作为数据源，然后把它翻译成Vega可视化语法，并且能够在d3js上运行。这让你可以使用Python脚本来创建漂亮的3D图形来展示你的数据。Vincent底层使用Pandas和DataFrames数据，并且支持大量的图表—-条形图、线图、散点图、热力图、堆条图、分组条形图、饼图、圈图、地图等等。

安装

pip install vincent

16.mpld3

mpld3基于python的graphing library和D3js，汇集了Matplotlib流行的项目的JavaScript库，用于创建web交互式数据可视化。通过一个简单的API，将matplotlib图形导出为HTML代码，这些HTML代码可以在浏览器内使用。

安装

方法一：

pip install mpld3

方法二：

点击下载安装

17.python-igraph

Python界面的igraph高性能图形库，主要针对复杂的网络研究和分析

安装

方法一：

pip install python-igraph

方法二：

点击下载安装

18.missingno

没有高质量的数据，就没有高质量的数据挖掘结果，当我们做监督学习算法，难免会碰到混乱的数据集，缺失的值，当缺失比例很小时，可直接对缺失记录进行舍弃或进行手工处理，missingno提供了一个小型的灵活的、易于使用的数据可视化和实用工具集，用图像的方式让你能够快速评估数据缺失的情况，而不是在数据表里面步履维艰。你可以根据数据的完整度对数据进行排序或过滤，或者根据热度图或树状图来考虑对数据进行修正。
missingno 是基于matplotlib建造的一个模块，所以它出图速度很快，并且能够灵活的处理pandas数据。

安装：

方法一：

pip install missingno

方法二：

点击下载安装

19.Mayavi2

Mayavi2是一个通用的、跨平台的三维科学数据可视化工具。可以在二维和三维空间中显示标量、向量和张量数据。可通过自定义源、模块和数据过滤器轻松扩展。Mayavi2也可以作为一个绘图引擎，生成matplotlib或gnuplot脚本，也可以作为其他应用程序的交互式可视化的库，将生成的图片嵌入到其他应用程序中。

安装

pip install mayavi

20.Leather

Leather一种可读且用户界面友好的API，新手也能快速掌握。图像成品非常基础，适用于所有的数据类型，针对探索性图表进行了优化，产生与比例无关的SVG图，这样在你调整图像大小的时候就不会损失图像质量

安装

方法一：

pip install leather

方法二：

点击下载安装

结语：

在 Python 中，将数据可视化有多种选择，因此何时选用何种方案才变得极具挑战性。
如果你想做一些专业的统计图表，我推荐你使用Seaborn，Altair；数学，科学，工程领域的学者就选择PyQtGraph，VisPy，Mayavi2；网络研究和分析方面，NetworkX，python-igraph会是一个不错的选择。
地理投影就选geoplotlib，folium；评估数据缺失就选missingno；有了HoloViews再也不用为高维图形犯愁；如果你不喜欢花俏的修饰，那就选择Leather。
如果你是一名新手但有MATLAB基础，matplotlib会很好上手；有R基础的就选ggplot；如果你是新手或懒癌晚期者，Plotly将会是一大福音，它提供了大量图表集可供你选择与使用。