6个顶级可视化Python库( 二 ) _可视化Python库

我们使用与以前相同的数据来绘制图的相似热图。
correlation = new_profile.corr()sns.heatmap(correlation, annot=True)我们无需设置x和y标签就可以获得更好的热图！

文章插图

2.使常用地块更漂亮
当涉及流行图（例如条形图，箱形图，计数图，直方图等）时，许多人选择seaborn不仅是因为可以用更少的代码来创建它们，而且它们看起来也更漂亮。正如我们在上面的示例中看到的，颜色看起来也比Matplotlib的默认颜色更好。

sns.set(style="darkgrid")titanic = sns.load_dataset("titanic")ax = sns.countplot(x="class", data=https://www.isolves.com/it/cxkf/yy/Python/2020-08-10/titanic)

文章插图

缺点Seaborn受到更多限制，并且没有matplotlib那样广泛的集合
要点：Seaborn是Matplotlib的更高版本。尽管Seaborn并不像Matplotlib那样具有广泛的集合，但是它们却可以用更少的代码来使条形图，箱形图，热图等流行图看起来很漂亮。
PlotlyPlotly的Python图形库使创建交互式，具有出版物质量的图形变得容易。它还可以创建类似于Matplotlib和seaborn的图表，例如折线图，散点图，面积图，条形图等。
优点1. 像R
如果您喜欢R中的绘图，并且在切换到Python时错过了它的功能，那么Plotly使用Python可以提供相同质量的绘图！
我最喜欢的是Plotly Express，因为它真的很容易，而且用单行Python创建更好的图甚至更快。
fig = px.scatter(new_profile[:100],x='followers',y='total_stars',color='forks',size='contribution')fig.show()

文章插图

2.易于创建交互式图
使用Plotly还可以轻松创建交互式绘图。交互式绘图不仅美观，而且还使查看者更容易查看每个数据点。
还记得我们之前使用matplotlib制作的条形图吗？让我们看看Plotly的结果

import plotly.express as pxtop_followers = new_profile.sort_values(by='followers', axis=0, ascending=False)[:100]fig = px.bar(top_followers,x='user_name',y='followers',)fig.show()

文章插图

使用大约相同的代码行，我们生成一个交互式绘图，我们可以将鼠标悬停在每个栏上，以查看该栏所代表的用户和关注者数量。这意味着可视化的使用者可以自己进行浏览。
3.复杂的地块变得容易
使用Plotly，可以轻松创建一些通常很难创建的图。
例如，如果我们想创建一个地图以可视化Github用户的位置，我们可以找到他们的经度和纬度，如下所示，然后使用该数据在地图上发现用户的位置，如下所示

import plotly.express as pximport datapane as dplocation_df = dp.Blob.get(name='location_df', owner='khuyentran1401').download_df()m = px.scatter_geo(location_df, lat='latitude', lon='longitude',color='total_stars', size='forks',hover_data=https://www.isolves.com/it/cxkf/yy/Python/2020-08-10/['user_name','followers'],title='Locations of Top Users')m.show()

文章插图

只需几行代码，所有用户的位置就可以在地图上精美呈现。气泡的颜色代表叉子的数量，大小代表星星的总数
缺点尽管Plotly支持各种图，但仍然缺少一些常见图
例如，虽然seaborn具有sns.countplot（）来计算数据中某个类别的出现次数，但Plotly没有计数图。因此，我们需要预先执行groupby以便按类对数据进行分组。

titanic = sns.load_dataset("titanic")# Group data by classtitanic_groupby = titanic.groupby(by='class').count() fig = px.bar(titanic_groupby,y='survived',labels={'survived':'count'}) fig.show()

文章插图

我们需要更多代码来创建计数图，并且该图不会像seaborn那样自动显示出来。
要点：Plotly非常适合用很少的代码创建交互式且具有出版质量的图形。但是，对于一些简单的图（例如计数图），使用seaborn会更简单
AltarAltair是基于vega-lite的用于Python的声明式统计可视化库，非常适合需要大量统计转换的绘图。
优点1.简单的可视化语法
用于创建可视化的语法很容易理解。它仅需提及数据列与编码通道之间的链接，其余绘图将自动处理。这听起来很抽象，但是在您处理数据时非常重要，它使信息可视化变得非常快速和直观。