锐客网

  1. 首页 > 睿知 > it技术 > >

python可视化函数库的简单介绍( 四 )

IT技术数据


4.Bokeh：与ggplot很相似，但与ggplot不同之处为它完全基于Python而不是从R处引用 。长处在于能用于制作可交互、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 。
5.Plotly：可以通过Python notebook使用 ， 与bokeh一样致力于交互图表的制作，但提供在别的库中几乎没有的几种图表类型，如等值线图、树形图和三维图表 。
6.pygal：与Bokeh和Plotly一样 ， 提供可直接嵌入网络浏览器的可交互图像 。与其他两者的主要区别在于可将图表输出为SVG格式，所有的图表都被封装成方法，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 。
7.geoplotlib：用于制作地图和地理相关数据的工具箱 。可用来制作多种地图，比如等值区域图、热度图、点密度图等 ， 必须安装Pyglet方可使用 。
8.missingno：用图像的方式快速评估数据缺失的情况 ， 可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对数据进行修正 。
Python中数据可视化的两个库！1. Matplotlib：是Python中众多数据可视化库的鼻祖 ， 其设计风格与20世纪80年代的商业化程序语言MATLAB十分相似，具有很多强大且复杂的可视化功能;还包含了多种类型的API，可以采用多种方式绘制图标并对图标进行定制 。
2. Seaborn：是基于Matplotlib进行高级封装的可视化库 ， 支持交互式界面，使绘制图表功能变得简单，且图表的色彩更具吸引力 。
3. ggplot：是基于Matplotlib并旨在以简单方式提高Matplotlib可视化感染力的库，采用叠加图层的形式绘制图形，比如先绘制坐标轴所在的图层 ， 再绘制点所在的图层，最后绘制线所在的图层，但其并不适用于个性化定制图形 。
4. Boken：是一个交互式的可视化库，支持使用Web浏览器展示 ， 可使用快速简单的方式将大型数据集转换成高性能的、可交互的、结构简单的图表 。
5. Pygal：是一个可缩放矢量图标库 ， 用于生成可在浏览器中打开的SVG格式的图表，这种图表能够在不同比例的屏幕上自动缩放，方便用户交互 。
6. Pyecharts：是一个生成ECharts的库，生成的ECharts凭借良好的交互性、精巧的设计得到了众多开发者的认可 。
python可视化神器——pyecharts库无意中从今日头条中看到的一篇文章 ， 可以生成简单的图表 。据说一些大数据开发们也是经常用类似的图表库，毕竟有现成的，改造下就行，谁会去自己造轮子呢 。
pyecharts是什么？
pyecharts 是一个用于生成 Echarts 图表的类库 。Echarts 是百度开源的一个数据可视化 JS 库 。用 Echarts 生成的图可视化效果非常棒 ，  pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。使用pyecharts可以生成独立的网页，也可以在flask、django中集成使用 。
安装很简单：pip install pyecharts
如需使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可，同时兼容 Python2 和 Python3 的 Jupyter Notebook 环境 。所有图表均可正常显示，与浏览器一致的交互体验 ， 简直不要太强大 。
参考自pyecharts官方文档:
首先开始来绘制你的第一个图表
使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可
add() 主要方法，用于添加图表的数据和设置各种配置项
render() 默认将会在根目录下生成一个 render.html 的文件，文件用浏览器打开 。
使用主题
自 0.5.2+ 起，pyecharts 支持更换主体色系
使用 pyecharts-snapshot 插件

推荐阅读


上一篇：固态硬盘怎么连接蓝牙耳机，固态硬盘怎么连接蓝牙耳机教程

下一篇：为什么恋爱游戏里的女主，为什么恋爱游戏里的女主那么丑