一、Matplotlib

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年代设计的商业化程序语言MATLAB十分接近,具有很多强大且复杂的可视化功能。Matplotlib包含多种类型的API,可以采用多种方式绘制图表并对图表进行定制。
二、Seaborn

Seaborn是基于Matplotlib进行高级封装的可视化库,它支持交互式界面,使绘制图表的功能变得更简单,且图表的色彩更具吸引力,可以画出丰富多样的统计图表。
三、ggplot

ggplot是基于Matplotlib并旨在以简单方式提高Matplotlib可视化感染力的库,它采用叠加图层的形式绘制图形。例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。此外,ggplot2为R语言准备了一个接口,其中的些API虽然不适用于Python,但适用于R语言并且功能十分强大。
四、Bokeh

Bokeh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。
五、Pygal

Pygal是一个可缩放矢量图表库,用于生成可在浏览器中打开的SVG(ScalableVectorGraphics)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。
六、Pyecharts

Pyecharts是一个生成ECharts(EnterpriseCharts商业产品图表)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。
到此这篇关于Pytho常见的数据可视化库,小白必备的文章就介绍到这了,更多相关Python数据可视化库内容请搜索社区以前的文章或继续浏览下面的相关文章希望大家以后多多支持社区! |