必會的七個數據可視化庫
Matplotlib
Matplotlib 有助于創建二維數組圖，它允許用戶通過散點圖、折線圖、條形圖和直方圖等來探索趨勢、行為模式和相關性。
https://github.com/matplotlib/matplotlib
圖片
Matplotlib 的主要特點
- Matplotlib 支持多種繪圖類型，包括線圖、散點圖、條形圖、直方圖、餅圖、3D 圖表等。
- 它有很棒的繪圖自定義選項。用戶可以控制繪圖元素的外觀，例如顏色、標記、線條樣式和標簽。
- 支持創建動畫可視化。
- 支持多個后端，允許用戶根據其特定用例選擇合適的后端。后端包括用于用戶界面的交互式后端和用于將繪圖保存為圖像文件的非交互式后端。
- Matplotlib 庫提供了示例圖和代碼片段的集合，可作為用戶學習和調整代碼以滿足其特定需求的寶貴資源。
Seaborn
Seaborn 也是 Python 中流行的可視化庫之一。它對于用 Python 進行數據集的統計表示特別有用。Seaborn 基于 Matplotlib 構建，受益于其靈活性以及與 NumPy 和 Pandas 庫的集成，理解和編寫起來非常容易和快速。
https://github.com/mwaskom/seaborn
圖片
Seaborn的主要特點
- Seaborn 提供了一個高級界面，用于創建美觀的統計圖形。
- 它專注于統計數據可視化，對于可視化數據集中的復雜關系特別有效。
- Seaborn 旨在通過有吸引力的調色板和默認設置生成具有視覺吸引力的繪圖。
- 為分類數據提供專門的繪圖，包括條形圖、計數圖、箱線圖、小提琴圖等。
- 與 Pandas DataFrames 的無縫集成簡化了結構化數據的處理，并有助于直接從 DataFrame 列快速創建繪圖。
Plotly
Plotly 被許多用戶譽為最好的 Python 可視化庫，是一個交互式、開源且全面的工具，用于在 Python 中創建聲明性可視化。它提供了豐富的可視化效果，包括科學圖表、3D 圖表、統計圖表和金融圖表。Plotly 圖表非常適合 Jupyter 筆記本和獨立 HTML 文件，可以在線無縫查看。
Plotly 的主要特點
- Plotly 提供了強大的交互式繪圖功能。用戶可以縮放、平移和懸停在數據點上以獲取更多信息，從而增強對復雜數據集的探索。
- 它支持多種繪圖類型，包括折線圖、散點圖、條形圖、直方圖、箱線圖、3D 圖、分區統計圖等。
- 用戶可以在 Plotly Chart Studio 上托管和發布可視化效果，或將其嵌入到 Web 應用程序和儀表板中。
- 與 Jupyter Notebook 集成并支持動畫。
- Plotly Express 是一種高級 API，它簡化了用更少的代碼創建常見繪圖。
Bokeh
Bokeh 是交互式 Python 可視化包之一。它為復雜的用例提供高性能的交互式繪圖和圖表。可以使用自定義 JavaScript 輕松修改圖表。由于其易于兼容的特性，它可以與 Pandas 和 Jupyter Notebook 一起使用。
https://github.com/bokeh/bokeh
圖片
Bokeh 的主要特點
- 出色的交互式可視化：用戶可以平移、縮放并將鼠標懸停在數據點上以進行動態探索。
- Bokeh 提供高級和低級 API，以滿足不同偏好和需求的用戶。
- 在線共享選項以及與 Jupyter Notebooks 的集成。
- 支持流數據進行實時分析和監控。
- 用于自定義繪圖樣式的選項，包括顏色、標記、布局和注釋。
Plotnine
Plotnine 是基于 ggplot2 的圖形語法的實現。該包支持根據數據框中的數據創建復雜的繪圖。默認設置有助于創建出版物質量的繪圖，而無需進行大量設置和調整。
Plotnine 的主要優點之一是其簡單性和易用性。它的語法直觀且富有表現力，因此用戶只需幾行代碼即可創建復雜的繪圖。
https://github.com/has2k1/plotnine
Plotnine 的主要特點
- 它遵循圖形語法，這是一種創建可視化的系統方法。它提供了一種結構化的方式來表達視覺意圖，使用戶可以輕松地用簡單的代碼表達復雜的想法。
- 提供高級抽象，以便用最少的代碼創建復雜的可視化。用戶可以使用簡潔直觀的語法創建復雜的繪圖。
- 具有精心設計的默認美學的美觀可視化。
- 用戶可以輕松添加自定義主題、比例和幾何圖形，以根據其特定需求定制可視化效果。
Altair
Altair 是一個簡單、友好且一致的 Python 聲明性可視化庫，構建于 Vega-Lite 語法之上。聲明性方法與 Seaborn 中的相同，使用戶可以自由地專注于解釋數據，而不是編寫正確的語法。然而，這種方法也有一個缺點：用戶對自定義可視化的控制較少。
Altair 是 Python 可視化軟件包之一，它提供非常令人愉快且引人注目的數據可視化，但與 Seaborn 相比，需要更多的精力來理解和編寫。
https://github.com/altair-viz/altair
圖片
Altair 的主要特點
- 聲明性語法可以輕松地使用簡潔且人類可讀的代碼創建復雜的可視化。
- 用戶可以向繪圖添加交互性，例如工具提示、縮放、平移和選擇，以增強對數據的探索。
- Altair 可以根據數據和用戶的規格自動選擇適當的圖表類型。
- 支持多種圖表類型，包括散點圖、折線圖、條形圖、直方圖、熱圖等。
- Altair 允許用戶將數據直接綁定到可視化。
Holoviews
Holoviews 是一個 Python 庫，用于使用高級聲明性語法創建交互式可視化。它通過提供簡潔而富有表現力的方式來創建復雜的繪圖，從而簡化了數據可視化的過程。Holoviews的主要原則是數據可視化應該盡可能直接和簡單。
https://github.com/holoviz/holoviews
圖片
Holoviews的主要特點
- Holoviews 提供高級抽象，可以用最少的代碼創建復雜的可視化。
- 它使用聲明性語法，可以輕松創建富有表現力的可視化效果，而無需大量代碼。
- 支持交互式可視化，允許用戶通過縮放、平移和懸停等交互式工具動態探索數據。
- 與 Pandas DataFrames 集成，簡化了處理結構化數據和基于 DataFrame 列創建可視化的過程。
- 這個Python 圖形可視化庫旨在高效處理大型數據集，使其適合大數據的交互式探索。
