原文：
www.kdnuggets.com/2021/09/5-awesome-data-visualization-libraries-python.html
comments
由 Roja Achary 提供，机器学习爱好者
1. 谷歌网络安全证书 - 快速进入网络安全职业轨道。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
“可视化的目的是洞察，而不是图片。”
―本·施奈德曼
来源 – Venn 图
数据可视化是数据或信息的视觉呈现。数据可视化的目标是清晰有效地向读者传达数据或信息。通常，数据通过图表、信息图、图示、地图等形式进行可视化。
它有什么帮助？
-
识别趋势和异常值
-
在数据中讲述故事
-
强化论点或观点
-
突出数据集中的一个重要点
让我们深入了解它们。
使用包管理器 pip 安装以下库：
pip install matplotlib
pip install seaborn
pip install plotnine
pip install plotly
pip install bokeh
Matplotlib 是一个全面的库，用于在 Python 中创建静态、动画和互动可视化。大多数编码人员都从 Matplotlib 开始他们的数据可视化之旅。
特性：
-
它的设计类似于 MATLAB，因此在两者之间切换相对容易。
-
包含许多渲染后端。
-
它可以再现几乎所有的图形（虽然需要一点努力）。
-
已经存在超过十年，因此拥有庞大的用户基础。
Seaborn 利用 Matplotlib 的强大功能，用几行代码创建美丽的图表。关键区别在于 Seaborn 的默认样式和颜色调色板，设计得更具美学和现代感。由于 Seaborn 是建立在 Matplotlib 之上，因此你需要了解 Matplotlib 以调整 Seaborn 的默认设置。
特性：
-
内置主题用于样式化 matplotlib 图形
-
可视化单变量和双变量数据
-
拟合和可视化线性回归模型
-
绘制统计时间序列数据
-
Seaborn 与 NumPy 和 Pandas 数据结构兼容良好
-
它带有内置的主题用于样式化 Matplotlib 图形
Plotnine 是 Python 中图形语法的实现，它基于 ggplot2。该语法允许用户通过明确映射数据到构成图表的视觉对象来组合图表。
特性：
-
统计变换
-
刻度
-
坐标系统
-
方面
-
主题
来源：Patrik Hlobil
Bokeh 是一个现代网页浏览器的互动可视化库。它提供了优雅、简洁的多功能图形构建，并在大型或流数据集上提供高性能的交互。Bokeh 可以帮助任何希望快速轻松创建互动图表、仪表板和数据应用的人。
特性：
-
灵活
-
互动
-
强大
-
高效
-
可共享
-
开源
plotly 是一个互动的、开源的、基于浏览器的 Python 绘图库。构建在 plotly.js 之上，plotly.py 是一个高级的、声明式的绘图库。plotly.js 提供了 30 多种图表类型，包括科学图表、3D 图形、统计图表、SVG 地图、金融图表等。
特性：
-
图表，仪表板
-
文件导出，应用管理器
-
Kubernetes，认证
-
作业队列，快照引擎
-
嵌入，Python 的大数据
参考文献和帮助：
简历： Roja Achary (Kaggle, GitHub) 是一位机器学习爱好者和热情的学习者。她对人工智能、数据科学以及软件工程领域感兴趣，并且始终乐于进行有意义的合作。
相关：
-
Python 中的动画条形图竞赛
-
可视化如何改变探索性数据分析
-
直接使用 Pandas 获取交互式图表