Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

WBOY
Freigeben: 2023-04-12 14:37:16
nach vorne
1327 Leute haben es durchsucht

Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

1. matplotlib

Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

Zwei Histogramme

matplotlib ist der Marktführer unter den Python-Visualisierungsbibliotheken. Nach mehr als zehn Jahren ist sie immer noch die am häufigsten verwendete Zeichenbibliothek für Python-Benutzer. Sein Design ähnelt stark MATLAB, einer kommerziellen Programmiersprache, die in den 1980er Jahren entwickelt wurde.

Da matplotlib die erste Python-Visualisierungsbibliothek ist, gibt es viele andere Bibliotheken, die darauf aufbauen oder sie direkt aufrufen.

Pandas und Seaborn lagern beispielsweise Matplotlib aus. Sie ermöglichen den Aufruf von Matplotlib-Methoden mit weniger Code.

Obwohl Matplotlib problemlos die allgemeinen Informationen der Daten abrufen kann, ist es nicht so einfach, Diagramme für die Veröffentlichung schneller und einfacher zu erstellen.

Wie Chris Moffitt in „Einführung in Python-Visualisierungstools“ erwähnte: „Es ist sehr leistungsfähig und sehr komplex.“

Der Standard-Plotstil von matplotlib mit einer starken 1990er-Jahre-Atmosphäre wird seit vielen Jahren ebenfalls kritisiert. Die kommende Veröffentlichung von Matplotlib 2.0 soll viele weitere modische Stile enthalten.

Entwickler: John D. Hunter kom)

Seaborn verwendet Matplotlib, um schöne Diagramme mit prägnantem Code zu erstellen. Der größte Unterschied zwischen Seaborn und Matplotlib besteht darin, dass der Standardzeichnungsstil und die Farbanpassung eine moderne Ästhetik haben.

Da Seaborn auf Matplotlib basiert, müssen Sie Matplotlib verstehen, um die Standardparameter von Seaborn anzupassen.

Entwickler: Michael WaskomSie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

Weitere Informationen:​

​https://www.php.cn/link/b93f11867481fc6d77908aea58ba6198​

​​

3, ggplot

Kleine Vielfache ( ŷwas )

ggplot ist ein Grafikpaket, das auf R, ggplot2, basiert und Konzepte aus The Grammar of Graphics nutzt. Der Unterschied zwischen ggplot und matplotlib besteht darin, dass Sie damit verschiedene Ebenen überlagern können, um ein Bild zu vervollständigen. Sie können beispielsweise mit der Achse beginnen und dann Punkte, Linien, Trendlinien usw. hinzufügen.

Obwohl „Image Grammar“ für seine „denkprozessnahe“ Zeichenmethode gelobt wurde, benötigen Benutzer, die an Matplotlib gewöhnt sind, möglicherweise etwas Zeit, um sich an diese neue Denkweise zu gewöhnen.

Der Autor von ggplot erwähnte, dass ggplot nicht für die Erstellung sehr personalisierter Bilder geeignet ist. Es opfert die Bildkomplexität zugunsten der Bedienerfreundlichkeit. Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

ggplot ist eng in Pandas integriert, daher ist es am besten, Ihre Daten in einem DataFrame zu speichern, wenn Sie ggplot verwenden.

ggplot ist eng in Pandas integriert, daher ist es am besten, Ihre Daten in DataFrame einzulesen, wenn Sie es verwenden.

Entwickler: ŷhat

Weitere Informationen:​

​https://www.php.cn/link/be23c41621390a448779ee72409e5f49​

​​

4, Bokeh

Interaktive Wetterstatistiken für drei Städte (Continent uum Analytics )

Wie ggplot basiert auch Bokeh auf dem Konzept der „grafischen Grammatik“. Aber im Gegensatz zu ggplot basiert es vollständig auf Python und wird nicht von R referenziert.

Seine Stärke liegt darin, dass damit interaktive Diagramme erstellt werden können, die direkt im Netzwerk verwendet werden können. Diagramme können als JSON-Objekte, HTML-Dokumente oder interaktive Webanwendungen ausgegeben werden.

Boken unterstützt auch Datenstreaming und Echtzeitdaten. Bokeh bietet drei Steuerungsebenen für verschiedene Benutzer. Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

Das höchste Maß an Kontrolle dient der schnellen grafischen Darstellung, hauptsächlich zum Erstellen häufig verwendeter Bilder wie Histogramme, Boxplots und Histogramme.

Mit der mittleren Kontrollebene können Sie grundlegende Elemente des Bildes (z. B. Punkte in einem Verteilungsdiagramm) genau wie Matplotlib steuern.

Die unterste Kontrollebene ist hauptsächlich für Entwickler und Softwareentwickler bestimmt.

Es gibt keinen Standardwert, Sie müssen jedes Element des Diagramms definieren.

Entwickler: Continuum Analytics

Weitere Informationen:​​https://www.php.cn/link/fdad3b5b2200b598dfde9517e5b426a8​​​

5, pygal

Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

Boxplot (Florian Mounier)

pygal mit Bokeh und Plotly e, Bietet interaktive Bilder, die direkt in Ihren Webbrowser eingebettet werden können.

Der Hauptunterschied zu den anderen beiden besteht darin, dass Diagramme im SVG-Format ausgegeben werden können.

Wenn Ihre Datengröße relativ klein ist, reicht SVG aus. Wenn Sie jedoch Hunderte oder Tausende von Datenpunkten haben, wird der SVG-Rendering-Prozess sehr langsam.

Da alle Diagramme in Methoden gekapselt sind und der Standardstil auch sehr schön ist, können Sie mit ein paar Codezeilen ganz einfach schöne Diagramme erstellen.

Entwickler: Florian Mounier

Weitere Informationen: https://www.php.cn/link/bf5d232e6c54a84b97769a91adb1642f

6, Plotly )

Du darfst Sie haben vom Online-Grafiktool Plotly gehört, aber wussten Sie, dass Sie es mit Python verwenden können? Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

Plotly widmet sich der Erstellung interaktiver Diagramme wie Bokeh, bietet jedoch mehrere Diagrammtypen, die in anderen Bibliotheken schwer zu finden sind, wie z. B. Konturdiagramme, Baumdiagramme und dreidimensionale Diagramme. Entwickler: Plotly rea Schnittton)

geoplotlib ist eine Toolbox zur Erstellung von Karten und geografisch relevanten Daten.

Sie können damit eine Vielzahl von Karten erstellen, z. B. Höhenlinienkarten, Wärmekarten und Punktdichtekarten.

Sie müssen Pyglet (eine objektorientierte Programmierschnittstelle) installieren, um Geoplotlib verwenden zu können. Da die meisten Python-Visualisierungstools jedoch keine Karten bereitstellen, ist es sehr praktisch, ein spezielles Tool zum Zeichnen von Karten zu haben. D Entwickler: Andrea Cuttone in R. Es ermöglicht Ihnen, Ihre Analyse nur mit Python-Programmen in eine interaktive Webanwendung umzuwandeln. Sie müssen weder HTML, CSS noch JavaScript beherrschen.

Gleam kann jede Python-Visualisierungsbibliothek verwenden.

Wenn Sie ein Diagramm erstellen, können Sie ihm ein Feld hinzufügen, damit Benutzer es zum Sortieren und Filtern der Daten verwenden können.

Entwickler: David Robinson log ur)

Fehlende Daten sind ein Dauerschmerz.

Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!missingno verwendet Bilder, um die Situation fehlender Daten schnell einzuschätzen, anstatt sich durch die Datentabelle zu wühlen.

Sie können die Daten nach ihrer Vollständigkeit sortieren oder filtern oder eine Korrektur der Daten anhand von Heatmaps oder Baumkarten in Betracht ziehen.

Entwickler: Aleksey Bilogur

Weitere Informationen:​

​https://www.php.cn/link/bc05ca60f2f0d67d0525f41d1d8f8717​

​​

10, Leder

Diagrammraster mit konsistenten Maßstäben ( Christopher Groskopf)Sie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!

Die beste Definition von Leder stammt von seinem Autor Christopher Groskopf.

„Leder ist für Leute, die jetzt ein Diagramm brauchen und sich nicht darum kümmern, ob es perfekt ist.“

Es kann mit allen Datentypen verwendet werden und generiert SVG-Bilder, sodass es bei der Größenänderung des Bildes keinen Verlust gibt.

Das obige ist der detaillierte Inhalt vonSie wissen nicht, wie man Diagramme erstellt? Zehn Python-Datenvisualisierungsbibliotheken, die Ihnen helfen!. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Verwandte Etiketten:
Quelle:51cto.com
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage