频道栏目
首页 > 程序开发 > Web开发 > Python > 正文
Python可视化库解析
2017-12-01 15:39:36         来源:weixin_39777626的博客  
收藏   我要投稿

简介

本文包含了一些较为流行的工具以及简介,安装方法(基于Linux系统,在一般情况下也适用于其他系统)。
大部分库都基于Python3,但不建议因此就删除Python2,因为还有一部分库如 geoplotlib,Mayavi2等是基于Python2。

1.matplotlib

Matplotlib是一个Python 2维绘图库,已经成为python中公认的数据可视化工具,通过Matplotlib你可以很轻松地画一些或简单或复杂地图形,几行代码即可生成线图、直方图、功率谱、条形图、错误图、散点图等等。
对于一些简单的绘图,特别是与IPython结合使用时,pyplot模块提供了一个matlab接口。你可以通过面向对象的接口或通过一些MATLAB的函数来更改控制行样式、字体属性、轴属性等

这里写图片描述这里写图片描述
这里写图片描述这里写图片描述
这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装:

linux系统

方法一:

sudo apt-get install python-dev

sudo apt-get install python-matplotlib

方法二:

pip install matplotlib
windows系统

先下载对应的安装包pyproj和matplotlib
打开Anaconda Prompt,输入安装包所在路径,然后分别输入

pip install pyproj 1.9.5.1 cp36 cp36m win_amd64.whl #输入下载的pyproj文件名

pip install matplotlib_tests?2.1.0?py2.py3?none?any.whl
mac os系统

方法一:

pip install matplotlib

方法二:

sudo curl -O https://bootstrap.pypa.io/get-pip.py

sudo python get-pip.py

2.Seaborn

Seaborn是基于matplotlib产生的一个模块,专攻于统计可视化,可以和pandas进行无缝链接,使初学者更容易上手。相对于matplotlib,Seaborn语法更简洁,两者关系类似于numpy和pandas之间的关系。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述
安装:

linux系统
sudo pip install seaborn
window系统
pip install seaborn

3.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,通过结合Bokeh提供的交互式小部件,快速呈现交互性和高维可视化,使HoloViews变得更加强大。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装

方法一:

pip install HoloViews

方法二:

conda install -c ioam/label/dev holoviews

方法三:

git clone git://github.com/ioam/holoviews.git
cd holoviews
pip install -e 

方法四:

点击下载安装

4.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)。

这里写图片描述

安装

方法一:

pip install Altair

方法二:

conda install altair --channel conda-forge

5.PyQtGraph

PyQtGraph是在PyQt4 / PySide和numpy上构建的纯 python的GUI图形库。它主要用于数学,科学,工程领域。尽管它完全是在python中编写的,但它对数字运算和Qt的GraphicsView框架的影响巨大,速度也非常快。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装

方法一

pip install PyQtGraph

方法二

点击下载安装

6.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,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。

这里写图片描述这里写图片描述这里写图片描述

安装:

linux系统
pip install numpy

pip install scipy

pip install statsmodels

pip install ggplot
window系统

下载ggplot安装包然后运行

pip install ggplot?0.11.5?py2.py3?none?any.whl

7.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。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装:

方法一:如果有配置anaconda的话使用以下命令(推荐)

conda install bokeh

方法二

pip install numpy

pip install pandas

pip install redis

pip install bokeh

8.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,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。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述
安装:

linux系统
pip install pygal
window系统

命令类似于

python -m pip install --user pygal==1.7
mac os系统

命令类似于

方法一:

pip install --user pygal==1.7

方法二:

pip install git+https://github.com/vispy/vispy.git

9.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2D / 3D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。

这里写图片描述
安装

pip install VisPy

10.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。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装

方法一:

pip install networkx

方法二:

点击下载安装

11.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。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装:

pip install plotly

12.geoplotlib

Basemap和Cartopy包支持多个地理投影,并提供一些可视化效果,包括点图、热图、等高线图和形状文件。PySAL是一个由Python编写的空间分析函数的开源库,它提供了许多基本的工具,主要用于形状文件。但是,这些库不允许用户绘制地图贴图,并且对自定义可视化、交互性和动画的支持有限。
geoplotlib是python的一个用于地理数据可视化和绘制地图的工具箱,并提供了一个原始数据和所有可视化之间的基本接口,支持在纯python中开发硬件加速的交互式可视化,并提供点映射、内核密度估计、空间图、泰森多边形图、形状文件和许多更常见的空间可视化的实现。除了为常用的地理数据可视化提供内置的可视化功能外,geoplotlib还允许通过定义定制层来定义复杂的数据可视化(绘制OpenGL,如分数、行和具有高性能的多边形),创建动画。
这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装:

pip install geoplotlib

13.folium

folium是一个建立在Python系统之上的js库,可以很轻松地将在Python中操作的数据可视化为交互式的单张地图,且将紧密地将数据与地图联系在一起,可自定义箭头,网格等HTML格式的地图标记。该库还附有一些内置的地形数据。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装

方法一:

pip install folium

方法二:

conda install folium

方法三:

点击下载安装

14.Gleam

Gleam允许你只利用Python构建数据的交互式,生成可视化的网络应用。无需具备HTML CSS或JaveScript知识,就能使用任一种Python可视化库控制输入。当你创建一个图表的时候,你可以在上面加上一个域,让任何人都可以实时地玩转你的数据,让你的数据更通俗易懂。

这里写图片描述

安装:

pip install Gleam

15.vincent

Vincent是一个很酷的可视化工具,它以Python数据结构作为数据源,然后把它翻译成Vega可视化语法,并且能够在d3js上运行。这让你可以使用Python脚本来创建漂亮的3D图形来展示你的数据。Vincent底层使用Pandas和DataFrames数据,并且支持大量的图表—-条形图、线图、散点图、热力图、堆条图、分组条形图、饼图、圈图、地图等等。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装

pip install vincent

16.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。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装

方法一:

pip install mpld3

方法二:

点击下载安装

17.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

这里写图片描述

安装

方法一:

pip install python-igraph

方法二:

点击下载安装

18.missingno

没有高质量的数据,就没有高质量的数据挖掘结果,当我们做监督学习算法,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,用图像的方式让你能够快速评估数据缺失的情况,而不是在数据表里面步履维艰。你可以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。

这里写图片描述这里写图片描述这里写图片描述这里写图片描述

安装:

方法一:

pip install missingno

方法二:

点击下载安装

19.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。

这里写图片描述这里写图片描述

安装

pip install mayavi

20.Leather

Leather一种可读且用户界面友好的API,新手也能快速掌握。图像成品非常基础,适用于所有的数据类型,针对探索性图表进行了优化,产生与比例无关的SVG图,这样在你调整图像大小的时候就不会损失图像质量
这里写图片描述这里写图片描述这里写图片描述

安装

方法一:

pip install leather

方法二:

点击下载安装

结语:

在 Python 中,将数据可视化有多种选择,因此何时选用何种方案才变得极具挑战性。
如果你想做一些专业的统计图表,我推荐你使用Seaborn,Altair;数学,科学,工程领域的学者就选择PyQtGraph,VisPy,Mayavi2;网络研究和分析方面,NetworkX,python-igraph会是一个不错的选择。
地理投影就选geoplotlib,folium;评估数据缺失就选missingno;有了HoloViews再也不用为高维图形犯愁;如果你不喜欢花俏的修饰,那就选择Leather。
如果你是一名新手但有MATLAB基础,matplotlib会很好上手;有R基础的就选ggplot;如果你是新手或懒癌晚期者,Plotly将会是一大福音,它提供了大量图表集可供你选择与使用。

点击复制链接 与好友分享!回本站首页
上一篇:python打印平行四边形“编程题”
下一篇:Python开发指南之数据分析教程
相关文章
图文推荐
点击排行

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站