不会做图表？十个Python数据可视化库来帮你！

,,两个直方图,matplotlib 是Python可视化程序库的泰斗。经过十几年它任然是Python使用者最常用的画图库。它的设计和在1980年代被设计的商业化程序语言MATLAB非常接近。,由于 matplotlib 是第一个 Python 可视化程序库，有许多别的程序库都是建立在它的基础上或者直接调用它。,比如pandas和Seaborn就是matplotlib的外包，它们让你能用更少的代码去调用 matplotlib的方法。,虽然用 matplotlib 可以很方便的得到数据的大致信息，但是如果要更快捷简单地制作可供发表的图表就不那么容易了。,就像Chris Moffitt 在“Python可视化工具简介”中提到的一样：“功能非常强大，也非常复杂。”,matplotlib 那有着强烈九十年代气息的默认作图风格也是被吐槽多年。即将发行的matplotlib 2.0 号称会包含许多更时尚的风格。,开发者：John D. Hunter,更多资料：​​http://matplotlib.org/​​​,,Violinplot (Michael Waskom),Seaborn利用了matplotlib，用简洁的代码来制作好看的图表。,Seaborn跟matplotlib最大的区别就是它的默认绘图风格和色彩搭配都具有现代美感。,由于Seaborn是构建在matplotlib的基础上的，你需要了解matplotlib从而来调整Seaborn的默认参数。,开发者: Michael Waskom,更多资料：​​http://seaborn.pydata.org/index.html​​​,,Small multiples (ŷhat),ggplot 基于R的一个作图包 ggplot2, 同时利用了源于 《图像语法》（The Grammar of Graphics）中的概念。,ggplot 跟 matplotlib 的不同之处是它允许你叠加不同的图层来完成一幅图。比如你可以从轴开始，然后加上点，加上线，趋势线等等。,虽然《图像语法》得到了“接近思维过程”的作图方法的好评，但是习惯了matplotlib的用户可能需要一些时间来适应这个新思维方式。,ggplot的作者提到 ggplot 并不适用于制作非常个性化的图像。它为了操作的简洁而牺牲了图像复杂度。,ggplot is tightly integrated with pandas, so it’s best to store your data in a DataFrame when using ggplot.,ggplot跟pandas的整合度非常高，所以当你使用它的时候，最好将你的数据读成 DataFrame。,开发者: ŷhat,更多资料：​​http://ggplot.yhathq.com/​​​,,Interactive weather statistics for three cities (Continuum Analytics),跟ggplot一样， Bokeh 也是基于《图形语法》的概念。,但是跟ggplot不一样的是，它完全基于Python而不是从R引用过来的。,它的长处在于它能用于制作可交互，可直接用于网络的图表。图表可以输出为JSON对象，HTML文档或者可交互的网络应用。,Boken也支持数据流和实时数据。Bokeh为不同的用户提供了三种控制水平。,最高的控制水平用于快速制图，主要用于制作常用图像， 例如柱状图，盒状图，直方图。,中等控制水平跟matplotlib一样允许你控制图像的基本元素（例如分布图中的点）。,最低的控制水平主要面向开发人员和软件工程师。,它没有默认值，你得定义图表的每一个元素。,开发者: Continuum Analytics,更多资料：​​https://docs.bokeh.org/en/latest/​​​,,Box plot (Florian Mounier),pygal 跟 Bokeh 和 Plotly 一样，提供可直接嵌入网络浏览器的可交互图像。,跟其他两者的主要区别在于它可以将图表输出为SVG格式。,如果你的数据量相对小，SVG就够用了。但是如果你有成百上千的数据点，SVG的渲染过程会变得很慢。,由于所有的图表都被封装成了方法，而且默认的风格也很漂亮，用几行代码就可以很容易地制作出漂亮的图表。,开发者: Florian Mounier,更多资料：​​http://www.pygal.org/en/latest/index.html​​​,,Line plot (Plotly),你也许听说过在线制图工具Plotly，但是你知道你可以通过Python使用它么？,Plotly 跟 Bokeh 一样致力于交互图表的制作，但是它提供在别的库中很难找到的几种图表类型，比如等值线图，树形图和三维图表。,开发者: Plotly,更多资料：​​https://plotly.com/python/​​​,,Choropleth (Andrea Cuttone),geoplotlib 是一个用于制作地图和地理相关数据的工具箱。,你可以用它来制作多种地图，比如等值区域图， 热度图，点密度图。,你必须安装 Pyglet （一个面向对象编程接口）来使用geoplotlib。不过因为大部分Python的可视化工具不提供地图，有一个专职画地图的工具也是挺方便的。,开发者: Andrea Cuttone,更多资料：​​https://github.com/andrea-cuttone/geoplotlib​​​,,Scatter plot with trend line (David Robinson),Gleam 借用了R中 Shiny 的灵感。它允许你只利用 Python 程序将你的分析变成可交互的网络应用，你不需要会用HTML CSS 或者 JaveScript。,Gleam 可以使用任何一种 Python 的可视化库。,当你创建一个图表的时候，你可以在上面加上一个域，这样用户可以用它来对数据排序和过滤了。,开发者: David Robinson,更多资料：​​https://github.com/dgrtwo/gleam​​​,,Nullity matrix (Aleksey Bilogur)  ,缺失数据是永远的痛。,missingno 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。,开发者: Aleksey Bilogur,更多资料：​​https://github.com/ResidentMario/missingno​​​,,,Chart grid with consistent scales (Christopher Groskopf),Leather的最佳定义来自它的作者 Christopher Groskopf。,“Leather 适用于现在就需要一个图表并且对图表是不是完美并不在乎的人。”,它可以用于所以的数据类型然后生成SVG图像，这样在你调整图像大小的时候就不会损失图像质量。