1。matplotlib的两个直方图matplotlib是Python可视化库的领导者。十多年过去了，它仍然是Python用户最常用的绘图库。它的设计非常接近20世纪80年代设计的商业编程语言MATLAB。由于matplotlib是第一个Python可视化库，因此有许多其他库基于它构建或直接调用它。比如pandas和Seaborn就是matplotlib的外包，它们可以让你用更少的代码调用matplotlib的方法。虽然使用matplotlib可以很容易地了解您的数据，但要更快速、更轻松地制作可供发布的图表并不容易。就像ChrisMoffitt在《Python可视化工具介绍》中提到的：“功能非常强大，也非常复杂”。matplotlib默认的90年代感很强的绘图风格也被吐槽了很多年。即将发布的matplotlib2.0版本有望包含更多现代风格。开发者：JohnD.Hunter更多信息：http://matplotlib.org/2、SeabornViolinplot(MichaelWaskom)Seaborn使用matplotlib创建漂亮的图表，代码简洁。Seaborn与matplotlib最大的区别在于其默认的绘图风格和配色具有现代美感。由于Seaborn是建立在matplotlib的基础上，所以需要了解matplotlib来调整Seaborn的默认参数。开发者：MichaelWaskom更多信息：http://seaborn.pydata.org/index.html3、ggplot小倍数（?hat）ggplot是一个基于R、ggplot2的绘图包，使用源来自《图像语法》（The图形语法）中的概念。ggplot和matplotlib之间的区别在于它允许您叠加不同的图层来完成绘图。比如可以先从坐标轴开始，然后加点，加线，趋势线等。《图像语法》虽然以“更贴近思维过程”的作图方式广受好评，但习惯了matplotlib的用户可能还需要一些是时候适应这种新的思维方式了。ggplot的作者提到ggplot不适合制作非常个性化的图形。它牺牲了图形的复杂性以简化操作。ggplot与pandas紧密集成，因此在使用ggplot时最好将数据存储在DataFrame中。开发者：?hat更多信息：http://ggplot.yhathq.com/4、Bokeh三城市的交互式天气统计（ContinuumAnalytics）和ggplot一样，Bokeh也是基于的概念。但与ggplot不同的是，它完全基于Python，而不是从R中引用。它的优势在于它可以用于制作交互式、网络就绪的图表。图表可以导出为JSON对象、HTML文档或交互式Web应用程序。Boken还支持数据流和实时数据。Bokeh为不同的用户提供三个级别的控制。最高级别的控件是用于快速作图，主要用于制作直方图、箱线图、直方图等常用图形。中等级别的控制允许您像matplotlib一样控制绘图的基本元素（例如分布图中的点）。最低级别的控制主要供开发人员和软件工程师使用。它没有默认值，您必须定义图形的每个元素。开发者：ContinuumAnalytics更多信息：https://docs.bokeh.org/en/latest/5、pygalBoxplot(FlorianMounier)pygal与Bokeh和Plotly一样，提供了一个可以直接嵌入交互图像的网络浏览器.与其他两个的主要区别在于它可以输出SVG格式的图表。如果你的数据量比较小，SVG就足够了。但是，如果您有成百上千个数据点，SVG渲染过程会变得非常缓慢。由于所有的图表都被封装成方法，而且默认的样式也很漂亮，所以只需要几行代码就可以轻松制作出漂亮的图表。开发者：FlorianMounier更多信息：http://www.pygal.org/en/latest/index.html6、PlotlyLine绘图（Plotly）你可能听说过在线制图工具Plotly，但你知道吗你可以将它与Python一起使用吗？Plotly和Bokeh一样，致力于制作交互式图表，但它提供了几种其他库中很难找到的图表类型，例如等高线图、树状图和3D图表。开发商：Plotly更多信息：https://plotly.com/python/7、geoplotlibChoropleth(AndreaCuttone)geoplotlib是一个制作地图和地理相关数据的工具箱。您可以使用它制作各种地图，例如等值线图、热图和点密度图。您必须安装Pyglet（一种面向对象的编程接口）才能使用geoplotlib。不过由于大多数Python可视化工具都不提供地图，所以如果有一个专职的地图绘制工具也是非常方便的。开发者：AndreaCuttone更多信息：https://github.com/andrea-cuttone/geoplotlib8.GleamScatterplotwithtrendline(DavidRobinson)Gleam借鉴了R中Shiny的灵感。它允许您将分析转化为交互式网络仅使用Python程序的应用程序，您不需要了解HTMLCSS或JavaScript。Gleam可以使用任何Python可视化库。创建图表时，您可以向其中添加一个字段，以便用户可以使用它对数据进行排序和筛选。开发者：DavidRobinson更多信息：https://github.com/dgrtwo/gleam9,missingnoNullitymatrix(AlekseyBilogur)缺失数据是永远的痛。missingno使用图像让您快速评估丢失的数据，而不是在数据表中挣扎。您可以根据数据的完整性对数据进行排序或过滤，或者考虑根据热图或树状图进行更正。开发者：AlekseyBilogur更多信息：https://github.com/ResidentMario/missingno10、LeatherChartgridwithconsistentscales(ChristopherGroskopf)Leather的最佳定义来自其作者ChristopherGroskopf。“皮革适合那些现在需要一张图表并且不在乎它是否完美的人。”它适用于任何数据类型并生成SVG图像，因此您在调整图像大小时不会损失图像质量。
