目錄
- 一、Seaborn
- 二、Plotly
- 三、Geoplotlib
- 四、Gleam
- 五、ggplot
- 六、Bokeh
- 七、Missingo
一、Seaborn
Seaborn 建于 matplotlib 庫的之上。它有許多內置函數，使用這些函數，只需簡單的代碼行就可以創建漂亮的繪圖。它提供了多種高級的可視化繪圖和簡單的語法，如方框圖、小提琴圖、距離圖、關節圖、成對圖、熱圖等。
安裝
主要特征：
- 可用于確定兩個變量之間的關系。
- 在分析單變量或雙變量分布時進行區分。
- 繪制因變量的線性回歸模型。
- 提供多網格繪圖
只需使用幾行簡單代碼就可以繪制出漂亮的圖形
官方文檔
https://seaborn.pydata.org/
二、Plotly
Plotly 是一個高級 Python 分析庫，有助于構建交互式儀表板。使用 Plotly 構建的圖形是交互式圖形，這意味著你可以輕松找到圖形的任何特定點或會話的值。Plotly 生成儀表板并將其部署在服務器上變得非常容易。它支持 Python、R 和 Julia 編程語言。
Plotly 制作簡單散點圖的代碼：
官方文檔
三、Geoplotlib
Geoplotlib 是一個用于可視化地理數據和制作地圖的 Python 工具箱。你可以使用此庫創建各種地圖。您可以使用它創建的一些地圖示例包括熱圖、點密度圖、地理地圖等等。
安裝
github文檔
https://github.com/andrea-cuttone/geoplotlib/wiki/User-Guide
四、Gleam
Gleam 的靈感來自 R 的Shiny包。它允許你僅使用 Python 代碼將圖形轉換為出色的 Web 應用程序。這對不了解 HTML 和 CSS 的人很有幫助。它不是真正的可視化庫，而是與任何可視化庫一起使用。
github文檔
https://github.com/dgrtwo/gleam
五、ggplot
ggplot 的工作方式與 matplotlib 不同。它允許你添加多個組件作為圖層，以在最后創建完整的圖形或繪圖。例如，在開始時你可以添加一個軸，然后添加點和其他組件，如趨勢線。
%matplotlib inline
from ggplot import *
ggplot(diamonds, aes(x='price', fill='clarity')) + geom_histogram()
github文檔
https://github.com/tidyverse/ggplot2
六、Bokeh
Bokeh 庫由Continuum Analytics創建，用于生成對 Web 界面和瀏覽器友好的可視化。Bokeh 生成的可視化本質上是交互式的，可讓你傳達更多信息。
# Bokeh Libraries
from bokeh.io import output_file
from bokeh.plotting import figure, show
# The figure will be rendered in a static HTML file called output_file_test.html
output_file('output_file_test.html',
title='Empty Bokeh Figure')
# Set up a generic figure() object
fig = figure()
# See what it looks like
show(fig)
官方文檔
https://docs.bokeh.org/en/latest/
七、Missingo
數據科學就是從給定的數據中找到有用的信息，并使之對所有人可見。 最好的方法是將數據可視化。對于所有的數據科學家愛好者來說，這個包可能是一個熱潮。它可以幫助你找到所有缺失值，并在現實世界的數據集中以漂亮的圖形方式顯示它們，而無需頭疼，只需一行代碼。 它支持圖形表示，如條形圖、圖表、熱圖、樹狀圖等。
# Importing Necessary Libraries
import pandas as pd
import missingno as mi
# Reading the Titanic dataset (From Local Env)
data = pd.read_csv("train.csv")
# Checking missing values Using ()
print(data.isnull().sum()) ## It will display a table with all the missing values
### The best practice is to visualize this so that everyone even a non-tech person
### can understand and find the missing values, Let's use the `missingno` package
#Visualizing using missingno
print("Visualizing missing value using bar graph")
print(mi.bar(data, figsize = (10,5)))
到此這篇關于Python數據可視化必須嘗試這7個庫的文章就介紹到這了,更多相關Python數據可視化庫內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- 利用Python進行數據可視化的實例代碼
- python數據可視化之matplotlib.pyplot基礎以及折線圖
- 淺談哪個Python庫才最適合做數據可視化
- python數據可視化plt庫實例詳解
- Python中seaborn庫之countplot的數據可視化使用
- python實現股票歷史數據可視化分析案例
- Python數據可視化之基于pyecharts實現的地理圖表的繪制
- Python爬蟲實戰之爬取京東商品數據并實實現數據可視化
- Python數據可視化之用Matplotlib繪制常用圖形
- Python數據可視化之繪制柱狀圖和條形圖
- python用pyecharts實現地圖數據可視化
- python數據可視化 – 利用Bokeh和Bottle.py在網頁上展示你的數據
