本文主要摘錄自 pycon 2017大會的一個演講，同時(shí)結(jié)合自己的一些理解。

pycon 2017的相關(guān)演講主題是“The Python Visualization Landscape”。

先來一張全景圖鎮(zhèn)樓~~ 

 

看完這張圖是不是有點(diǎn)懵?

別著急，我們一起來看看后面的闡述。

python可視化庫可以大致分為幾類：

• 基于matplotlib的可視化庫
• 基于JS的可視化庫
• 基于上述兩者或其他組合功能的庫

基于matplotlib的可視化庫

matplotlib是python可視化庫的基礎(chǔ)。matplotlib庫的設(shè)計(jì)參考了matlab，甚至連名稱也是以“mat”開頭。

matplotlib庫的一些優(yōu)勢：(翻譯比較別扭，英文原文也附后)

• 設(shè)計(jì)很像Matlab，容易進(jìn)行轉(zhuǎn)換(Designed like Matlab: switching was easy)
• 有很多渲染后端(Many rendering backends)
• 差不多可以繪制任何圖(當(dāng)然需要花費(fèi)些努力)(Can reproduce just about any plot with a bit of effort)
• 有長時(shí)間良好運(yùn)行的歷史 (Well-tested, standard tool for over a decade)

matplotlib庫的一些缺點(diǎn)：

• 必須要掌握API，且描述較為冗長(API is imperative & often overly berbose)
• 有時(shí)候默認(rèn)的樣式設(shè)計(jì)比較弱(Sometimes poor stylistic defaults)
• 對網(wǎng)頁以及交互式繪圖的支持較弱(Poor support for web/interactive graphs)
• 數(shù)據(jù)量大時(shí)經(jīng)常運(yùn)行較慢(Often slow for large & complicated data)

Matplotlib自2003年發(fā)布以來，使用情況還是呈現(xiàn)了良好的趨勢： 

 

Matplotlib部分繪圖實(shí)例如下：

 

也因此，后續(xù)開發(fā)者都吸取了matplotlib庫的優(yōu)點(diǎn)，經(jīng)過對matplotlib庫的缺點(diǎn)進(jìn)行改進(jìn)，從而衍生出一系列的可視化庫。

基于matplotlib的庫概覽如下：

 

下面介紹兩個重要的基于matplotlib的第三方庫：pandas以及seaborn

Pandas

可能我們平時(shí)使用pandas時(shí)更多的是用來進(jìn)行數(shù)據(jù)分析和處理，其實(shí)pandas也提供了較為簡單的API來進(jìn)行圖形繪制。

我個人一般是用pandas來處理數(shù)據(jù)，然后結(jié)合其他可視化庫(如matplotlib，seaborn，bokeh等)來繪圖圖形。

Pandas部分繪圖實(shí)例如下：

 

 

seaborn

Seaborn是基于matplotlib的Python可視化庫。它提供了一個高級別接口用于圖形繪制。

Seaborn在matplotlib的基礎(chǔ)上進(jìn)行了更高級的API封裝，從而使得作圖更加容易，在大多數(shù)情況下使用seaborn就能做出很具有吸引力的圖。

Seaborn部分繪圖實(shí)例如下：

 

    

 

詳細(xì)信息可在其官方網(wǎng)站查閱：

http://seaborn.pydata.org/

基于JavaScript的可視化庫

兩個受歡迎度較高的可視化庫 bokeh 和 plotly

bokeh

Bokeh (Bokeh.js) 是一個 Python 交互式可視化庫，支持現(xiàn)代化Web瀏覽器，提供非常***的展示功能。Bokeh 的目標(biāo)是使用 D3.js樣式提供優(yōu)雅，簡潔新穎的圖形化風(fēng)格，同時(shí)提供大型數(shù)據(jù)集的高性能交互功能。Boken 可以快速的創(chuàng)建交互式的繪圖，儀表盤和數(shù)據(jù)應(yīng)用。

bokeh部分繪圖實(shí)例如下：

 

  

 

詳細(xì)信息可在其官方網(wǎng)站查閱：

http://bokeh.pydata.org

plotly

Plotly是另一個免費(fèi)進(jìn)行數(shù)據(jù)分析和繪制圖表的APP，建立在d3.js上。 Plotly圖可下載為SVG，EPS或PNG格式，并簡單地導(dǎo)入到Illustrator或者Photoshop中。

跟bokeh類似，也可以制作一些交互式的web圖。

plotly部分繪圖實(shí)例如下：

 

詳細(xì)內(nèi)容可以去官網(wǎng)參考：

https://plot.ly/python/

其他綜合類型庫

Holoviews

Holoviews能夠讓用戶構(gòu)建有助于可視化的數(shù)據(jù)結(jié)構(gòu)，而且它包含豐富的可組合元素庫，可以覆蓋、嵌套和輕松定位。同時(shí)，它還支持快速數(shù)據(jù)探索。

Holoviews可以和Seaborn、pandas或者bokeh組合使用。

由于筆者還沒具體了解過Holoviews的使用功能，這里將英文的描述直接放在下面，以免個人理解不準(zhǔn)確而產(chǎn)生誤導(dǎo)。

關(guān)于Holoviews的效果圖，可參考下面動態(tài)圖，建議觀看原視頻，效果會好點(diǎn)。

 

Altair

Altairs起源于D3，但代碼編寫量要比D3簡單。這里有兩幅對比的圖如下：

用D3繪制的柱狀圖

 

用Altairs繪制的柱狀圖

 

Altair 是 Python 高級聲明式可視化庫。Altair 提供一個 Python API 在聲明式 manner 中構(gòu)建靜態(tài)統(tǒng)計(jì)可視化庫。 

什么是聲明式可視化庫呢，不管是翻譯成中文的名稱還是看英文的名稱，我都一臉懵圈。幸好，有英文的進(jìn)一步描述，如下： 

 

總的來說，Altairs讓開發(fā)者們更專注于數(shù)據(jù)及他們之間的關(guān)系，而不是一些不重要的細(xì)節(jié)。

***，再放上這張Python可視化的全景圖，對于個人而言，不一定能全部熟悉使用，但是能熟練用好其中的一部分，實(shí)際應(yīng)用于工作及項(xiàng)目中，也就OK了。