學會Python數(shù)據(jù)可視化必須嘗試這7個庫

一、Seaborn

Seaborn 建于 matplotlib 庫的之上。它有許多內(nèi)置函數(shù)，使用這些函數(shù)，只需簡單的代碼行就可以創(chuàng)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(guān)節(jié)圖、成對圖、熱圖等。

安裝

ip install seaborn

主要特征：

• 可用于確定兩個變量之間的關(guān)系。
• 在分析單變量或雙變量分布時進行區(qū)分。
• 繪制因變量的線性回歸模型。
• 提供多網(wǎng)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(gòu)建交互式儀表板。使用 Plotly 構(gòu)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

https://dash.plotly.com/

三、Geoplotlib

Geoplotlib 是一個用于可視化地理數(shù)據(jù)和制作地圖的 Python 工具箱。你可以使用此庫創(chuàng)建各種地圖。您可以使用它創(chuàng)建的一些地圖示例包括熱圖、點密度圖、地理地圖等等。

安裝

pip install geoplotlib

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(zhuǎn)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(chuàng)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(chuàng)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(zhì)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(shù)據(jù)科學就是從給定的數(shù)據(jù)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(shù)據(jù)可視化。對于所有的數(shù)據(jù)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(xiàn)實世界的數(shù)據(jù)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(guān)于Python數(shù)據(jù)可視化必須嘗試這7個庫的文章就介紹到這了,更多相關(guān)Python數(shù)據(jù)可視化庫內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！