6个顶级可视化Python库 _可视化Python库

对使用哪个可视化工具感到困惑？我为您分解了每个库的优缺点

文章插图
> Photo by oxana v on Unsplash

动机如果您刚开始使用Python可视化，可能会不知所措的库和示例数量众多：
· Matplotlib
· Seaborn
· Plotly
· Bokeh
· Altair
· Folium
如果您有一个等待可视化的DataFrame，应该选择哪一个？在某些情况下，某些库可能比其他库更好。本文将展示每种方法的优缺点。到本文结尾，您应该能够区分每个库的不同功能，并可以更轻松地选择最佳库。
我们将通过使用样本数据集并使用每个库对其进行研究，着重于一些特定的属性：
互动性
您是否希望可视化是交互式的？
一些库（例如Matplotlib）将可视化效果呈现为图像。因此，它们非常适合于解释概念（在纸质，幻灯片或演示文稿中）。
另一方面，像Altair，Bokeh和Plotly这样的库可让您创建交互式图形，以便用户可以深入并自己探索
语法和灵活性
每个库的语法有何不同？ Matplotlib等较低级的库使您可以做想想得到的一切，但要付出更复杂的API的代价。诸如Altair之类的某些库是非常声明性的，这使映射到您的数据更加容易。
数据类型和可视化
您是在处理特殊的用例，例如地理图，具有大数据还是使用仅由特定库支持的图类型？
数据为了便于比较，我将使用本文从Github抓取的真实数据：
我爬取了超过1k的顶级机器学习Github配置文件，这就是我发现的从Github上的顶级机器学习资料中获取见解如果您想阅读本文，可以在此处下载数据
或从Datapane Blob获取直接数据。

import datapane as dp
dp.Blob.get(name='github_data', owner='khuyentran1401').download_df()

如果要使用Blob，请记住预先使用令牌登录Datapane 。此过程应少于1分钟
MatplotlibMatplotlib可能是最常见的用于可视化数据的Python库。每个对数据科学感兴趣的人都可能至少使用过Matplotlib 。
优点1.容易看到数据的属性
分析数据时，快速查看分布可能是理想的。
例如，如果我想快速了解关注者最多的前100个用户的分布，通常使用Matplotlib就足够了。

import matplotlib.pyplot as plttop_followers = new_profile.sort_values(by='followers', axis=0, ascending=False)[:100]fig = plt.figure()plt.bar(top_followers.user_name,top_followers.followers)

即使Matplotlib的x轴看起来不太好，通过查看图表，我们也可以更好地理解数据的分布。

文章插图

2.可以画任何东西
Matplotlib具有多种用途，这意味着它可以绘制您可以想象的任何图形。Matplotlib的网站上包含非常全面的文档和图库中的各种图形，这使您可以轻松找到任何您能想到的疯狂情节的教程。
像这样的一些文字：

fig = plt.figure()plt.text(0.6, 0.7, "learning", size=40, rotation=20.,ha="center", va="center",bbox=dict(boxstyle="round",ec=(1., 0.5, 0.5),fc=(1., 0.8, 0.8),))plt.text(0.55, 0.6, "machine", size=40, rotation=-25.,ha="right", va="top",bbox=dict(boxstyle="square",ec=(1., 0.5, 0.5),fc=(1., 0.8, 0.8),))plt.show()

文章插图

缺点Matplotlib可以绘制任何内容，但绘制非基本图或调整图的外观可能会很复杂。

correlation = new_profile.corr()fig, ax = plt.subplots()im = plt.imshow(correlation)ax.set_xticklabels(correlation.columns)ax.set_yticklabels(correlation.columns)plt.setp(ax.get_xticklabels(), rotation=45, ha="right",rotation_mode="anchor")

文章插图

即使该图足以使分布可视化，但如果您想将数据表示给其他人，您仍需要固定x轴，y轴，这需要很多工作。这是因为Matplotlib具有非常低级的接口。
总结：Matplotlib可以绘制任何东西，但是复杂的绘图可能比其他库需要更多的代码
SeabornSeaborn是基于Matplotlib的Python数据可视化库。它在库上提供了更高级别的包装器，使其更易于使用。
优点