数据可视化技术：python数据可视化工具库汇总（共21个）_数据资讯

在这里插入图片描述

如果觉得好看那就赶紧撸起来。要是没有那还是往下看吧

PyEcharts

Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。这个也非常强大，算是我比较喜欢的一个，有兴趣一起见证它的魅力。

win安装方法：pip install pyecharts

这个文档特别友好哦！强烈推荐。

Bokeh

Bokeh是一个Python交互式可视化库，支持现代化web浏览器展示（图表可以输出为JSON对象，HTML文档或者可交互的网络应用）。它提供风格优雅、简洁的D3.js的图形化样式，并将此功能扩展到高性能交互的数据集，数据流上。使用Bokeh可以快速便捷地创建交互式绘图、仪表板和数据应用程序等。 Bokeh能与NumPy，Pandas，Blaze等大部分数组或表格式的数据结构完美结合。

Bokeh官网

win安装方法：pip install bokeh

在这里插入图片描述

HoloViews

HoloViews是一个开源的Python库，可以用非常少的代码行中完成数据分析和可视化，它将matplotlib和Bokeh结合了起来。

HoloViews官网

win安装方法：pip install HoloViews

在这里插入图片描述

Altair

Altair是Python的一个公认的统计可视化库。它的API简单、友好、一致，并建立在强大的vega - lite（交互式图形语法）之上。Altair API不包含实际的可视化呈现代码，而是按照vega - lite规范发出JSON数据结构。由此产生的数据可以在用户界面中呈现，这种优雅的简单性产生了漂亮且有效的可视化效果，且只需很少的代码。

数据源是一个DataFrame，它由不同数据类型的列组成。DataFrame是一种整洁的格式，其中的行与样本相对应，而列与观察到的变量相对应。数据通过数据转换映射到使用组的视觉属性(位置、颜色、大小、形状、面板等)。

Altair文档

win安装方法：pip install Altair)

在这里插入图片描述

PyQtGraph

PyQtGraph是在PyQt4 / PySide和numpy上构建的纯 python的GUI图形库。PyQtGraph完全是在python中编写的，是一个非常有能力的图形系统，可以进行大量的数据处理，数字运算；使用了Qt的GraphicsView框架优化和简化了工作流程，实现以最少的工作量完成数据可视化，且速度也非常快。

PyQtGraph官网

win安装方法：pip install PyQtGraph

ggplot

ggplot是基于R的ggplot2和图形语法的Python的绘图系统，实现了更少的代码绘制更专业的图形。

它使用一个高级且富有表现力的API来实现线，点等元素的添加，颜色的更改等不同类型的可视化组件的组合或添加数据可视化，而不需要重复使用相同的代码，然而这对那些试图进行高度定制的的来说，ggplot并不是最好的选择，尽管它也可以制作一些非常复杂、好看的图形。

ggplot与pandas紧密联系。如果你打算使用ggplot，最好将数据保存在DataFrames中。

因为他基于R语言，所以R语言也有这个库。

ggplot文档

win安装方法：pip install ggplot‑0.11.5‑py2.py3‑none‑any.whl

pygal

pygal是一种开放标准的矢量图形语言，它基于XML（Extensible Markup Language），可以生成多个输出格式的高分辨率Web图形页面数据可视化，还支持给定数据的html表导出。用户可以直接用代码来描绘图像，可以用任何文字处理工具打开SVG图像，通过改变部分代码来使图像具有交互功能，并且可以插入到HTML中通过浏览器来观看。

pygal官网

win安装方法：python -m pip install --user pygal==1.7

在这里插入图片描述

VisPy

VisPy是一个用于交互式科学可视化的Python库，快速、可伸缩、且易于使用，是一个高性能的交互式2维， 3维数据可视化库，利用了现代图形处理单元(gpu)的计算能力，通过OpenGL库来显示非常大的数据集。

VisPy官网

win安装方法：pip install VisPy

NetworkX

NetworkX是一个Python包，用于创建、操纵和研究复杂网络的结构、以及学习复杂网络的结构、功能及其动力学。

NetworkX提供了适合各种数据结构的图表、二合字母和多重图，还有大量标准的图算法，网络结构和分析措施，可以产生随机网络、合成网络或经典网络，且节点可以是文本、图像、XML记录等，并提供了一些示例数据(如权重，时间序列)。

NetworkX测试的代码覆盖率超过90%，是一个多样化，易于教学，能快速生成图形的Python平台。

NetworkX中文手册

win安装方法：pip install networkx

在这里插入图片描述

Plotly

Plotly的Python graphing library在网上提供了交互式的、公开的，高质量的图表集，可与R、python、matlab等软件对接。它拥有在别的库中很难找到的几种图表类型，如等值线图，树形图和三维图表等，图标类型也十分丰富，申请了API密钥后，可以一键将统计图形同步到云端。但美中不足的是，打开国外网站会比较费时，且一个账号只能创建25个图表，除非你升级或删除一些图表。

Plotly官网

win安装方法：pip install plotly

在这里插入图片描述

mpld3

mpld3基于python的graphing library和D3js，汇集了Matplotlib流行的项目的JavaScript库，用于创建web交互式数据可视化。通过一个简单的API，将matplotlib图形导出为HTML代码，这些HTML代码可以在浏览器内使用。

mpld3官网

win安装方法：pip install mpld3

python-igraph

Python界面的igraph高性能图形库，主要针对复杂的网络研究和分析。这个主要是用于绘制关系图的。

python-igraph文档

win安装方法：pip install python-igraph

missingno

做监督学习算法时，难免会碰到混乱的数据集，缺失的值，当缺失比例很小时，可直接对缺失记录进行舍弃或进行手工处理，missingno提供了一个小型的灵活的、易于使用的数据可视化和实用工具集，能够通过图像快速评估数据缺失的情况，而不是在数据表里面步履维艰。可以根据数据的完整度对数据进行排序或过滤，还可以根据热度图或树状图来考虑对数据进行修正。

missingno 是基于matplotlib建造的一个模块，所以它出图速度很快，并且能够灵活的处理pandas数据。

missingno 官方：未找到

数据可视化_数据可视化 tableau_大数据可视化

win安装方法：pip install missingno

Mayavi2

Mayavi2是一个通用的、跨平台的三维科学数据可视化工具。可以在二维和三维空间中显示标量、向量和张量数据。可通过自定义源、模块和数据过滤器轻松扩展。Mayavi2也可以作为一个绘图引擎，生成matplotlib或gnuplot脚本，也可以作为其他应用程序的交互式可视化的库，将生成的图片嵌入到其他应用程序中。

Mayavi2官网

win安装方法：pip install mayavi

它能够画出这种图像：

在这里插入图片描述