Tidak tahu cara membuat carta? Sepuluh perpustakaan visualisasi data Python untuk membantu anda!

1. matplotlib

Dua histogram

matplotlib ialah dekan perpustakaan visualisasi Python. Selepas lebih daripada sepuluh tahun, ia masih menjadi perpustakaan lukisan yang paling biasa digunakan untuk pengguna Python. Reka bentuknya sangat hampir dengan MATLAB, bahasa pengaturcaraan komersial yang direka pada tahun 1980-an.

Memandangkan matplotlib ialah perpustakaan visualisasi Python yang pertama, banyak perpustakaan lain dibina di atasnya atau memanggilnya terus.

Sebagai contoh, panda dan Seaborn adalah penyumberan luar matplotlib Mereka membenarkan anda memanggil kaedah matplotlib dengan kod yang lebih sedikit.

Walaupun mudah untuk menggunakan matplotlib untuk mendapatkan maklumat umum tentang data, tidak begitu mudah untuk membuat carta untuk penerbitan dengan lebih cepat dan mudah.

Seperti yang disebut oleh Chris Moffitt dalam "Pengenalan kepada Alat Visualisasi Python": "Ia sangat berkuasa dan sangat kompleks

fungsi lalai matplotlib mempunyai rasa 90-an yang kuat Gaya gambar juga mempunyai." telah diadu selama bertahun-tahun. Keluaran matplotlib 2.0 yang akan datang dikatakan termasuk lebih banyak gaya bergaya.

Pembangun: John D. Hunter

Maklumat lanjut: ​​https://www.php.cn/link/a563b6d5abbf137175059d6bb14672cc​​​

2. Seaborn

Violinplot (Michael Waskom)

Seaborn menggunakan matplotlib untuk mencipta carta yang cantik dengan kod mudah.

Perbezaan terbesar antara Seaborn dan matplotlib ialah gaya lukisan lalai dan padanan warnanya mempunyai estetika moden.

Memandangkan Seaborn dibina pada matplotlib, anda perlu memahami matplotlib untuk melaraskan parameter lalai Seaborn.

Pembangun: Michael Waskom

Maklumat lanjut: ​

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

Rangkapan kecil (ŷhat)

ggplot ialah pakej lukisan berdasarkan R, ggplot2, dan juga menggunakan "Tatabahasa Imej" ( Konsep dalam Tatabahasa Grafik.

Perbezaan antara ggplot dan matplotlib ialah ia membolehkan anda menindih lapisan berbeza untuk melengkapkan gambar. Contohnya anda boleh mulakan dengan paksi, kemudian tambah mata, tambah garisan, garisan arah aliran, dsb.

Walaupun "Tatabahasa Imej" telah dipuji sebagai kaedah lukisan yang "hampir dengan proses berfikir", pengguna yang terbiasa dengan matplotlib mungkin memerlukan sedikit masa untuk menyesuaikan diri dengan cara pemikiran baharu ini.

Pengarang ggplot menyebut bahawa ggplot tidak sesuai untuk membuat imej yang sangat diperibadikan. Ia mengorbankan kerumitan imej untuk kesederhanaan operasi.

ggplot disepadukan rapat dengan panda, jadi sebaiknya simpan data anda dalam DataFrame apabila menggunakan ggplot.

ggplot disepadukan rapat dengan panda, jadi apabila anda menggunakannya, lebih baik membaca data anda ke dalam DataFrame.

Pembangun: ŷhat

Maklumat lanjut: ​

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

​​​​ Bokeh

Statistik cuaca interaktif untuk tiga bandar (Continuum Analytics)

Seperti ggplot, Bokeh juga berasaskan konsep "Tatabahasa Grafik".

Tetapi tidak seperti ggplot, ia sepenuhnya berdasarkan Python dan tidak dirujuk daripada R.

Kelebihannya ialah ia boleh digunakan untuk membuat gambar rajah interaktif yang boleh digunakan secara langsung pada rangkaian. Carta boleh dikeluarkan sebagai objek JSON, dokumen HTML atau aplikasi web interaktif.

Boken juga menyokong penstriman data dan data masa nyata. Bokeh menawarkan tiga tahap kawalan untuk pengguna yang berbeza.

Tahap kawalan tertinggi adalah untuk membuat grafik pantas, terutamanya untuk membuat imej biasa seperti histogram, plot kotak dan histogram.

Tahap kawalan sederhana membolehkan anda mengawal elemen asas imej (seperti titik dalam plot pengedaran) sama seperti matplotlib.

Tahap kawalan terendah ditujukan terutamanya untuk pembangun dan jurutera perisian.

Ia tidak mempunyai nilai lalai, anda perlu menentukan setiap elemen carta.

Dibangunkan oleh: Continuum Analytics

Maklumat lanjut: ​​https://www.php.cn/link/fdad3b5b2200b598dfde9517e5b426a8​​​

5 >

Plot kotak (Florian Mounier)

pygal, seperti Bokeh dan Plotly, menyediakan grafik interaktif yang boleh dibenamkan terus ke dalam penyemak imbas web. Perbezaan utama antara

dan dua yang lain ialah ia boleh mengeluarkan carta ke dalam format SVG.

Jika saiz data anda agak kecil, SVG sudah memadai. Tetapi jika anda mempunyai ratusan atau ribuan titik data, proses pemaparan SVG menjadi sangat perlahan.

Memandangkan semua carta dirangkumkan ke dalam kaedah dan gaya lalainya cantik, anda boleh mencipta carta yang cantik dengan mudah dengan hanya beberapa baris kod.

Pembangun: Florian Mounier

Maklumat lanjut: ​

​https://www.php.cn/link/bf5d232e6c54a84b97769a91adb1642f​

6>

Plot baris (Plotly)

Anda mungkin pernah mendengar tentang alat carta dalam talian Plotly, tetapi adakah anda tahu anda boleh menggunakannya melalui Python? ?

Plotly dikhususkan untuk penghasilan carta interaktif seperti Bokeh, tetapi ia menyediakan beberapa jenis carta yang sukar ditemui di perpustakaan lain, seperti plot kontur, plot pokok dan carta tiga dimensi.

Pembangun: Plotly

Maklumat lanjut: ​

​https://www.php.cn/link/d01c25576ff1c53de58e0e6970a2d510​

​​

geoplotlib

Choropleth (Andrea Cuttone)

geoplotlib ialah kotak alat untuk menghasilkan peta dan data berkaitan geografi.

Anda boleh menggunakannya untuk membuat pelbagai peta, seperti peta kontur, peta haba dan peta ketumpatan titik.

Anda mesti memasang Pyglet (antara muka pengaturcaraan berorientasikan objek) untuk menggunakan geoplotlib. Walau bagaimanapun, kerana kebanyakan alat visualisasi Python tidak menyediakan peta, agak mudah untuk mempunyai alat khusus untuk melukis peta.

Pembangun: Andrea Cuttone

Maklumat lanjut: ​

​https://www.php.cn/link/a9cf46a38a9b05e959f33215e5cdc38a​

​​

​​

Plot taburan dengan garis trend (David Robinson)

Gleam meminjam inspirasi daripada Shiny dalam R. Ia membolehkan anda menukar analisis anda menjadi aplikasi web interaktif hanya menggunakan program Python Anda tidak perlu mengetahui HTML CSS atau JavaScript.

Gleam boleh menggunakan mana-mana perpustakaan visualisasi Python.

Apabila anda membuat carta, anda boleh menambahkan medan padanya supaya pengguna boleh menggunakannya untuk mengisih dan menapis data.

Pembangun: David Robinson

Maklumat lanjut: ​

​https://www.php.cn/link/c0ad6deb373037e7f63f219c850e3396​

​​

>

Nullity matrix (Aleksey Bilogur) Kehilangan data adalah kesakitan yang kekal.

missingno menggunakan imej untuk menilai keadaan data yang hilang dengan cepat, bukannya mengharungi jadual data.

Anda boleh mengisih atau menapis data berdasarkan kesempurnaannya, atau pertimbangkan untuk menyemak semula data berdasarkan peta haba atau peta pokok.

Pembangun: Aleksey Bilogur

Maklumat lanjut: ​

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

1 >Takrifan terbaik Kulit berasal daripada pengarangnya Christopher Groskopf.

"Kulit adalah untuk orang yang memerlukan carta sekarang dan tidak peduli sama ada ia sempurna."

Ia boleh digunakan dengan semua jenis data dan menjana imej SVG supaya apabila anda mengubah saiz Imej. saiz diperbesarkan tanpa kehilangan kualiti imej.

Atas ialah kandungan terperinci Tidak tahu cara membuat carta? Sepuluh perpustakaan visualisasi data Python untuk membantu anda!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!