《Python視覺化庫解析》
- Python視覺化庫解析
- 2017-12-01 15:39:36 0個評論 來源：weixin_39777626的部落格
- 收藏我要投稿
簡介
本文包含了一些較為流行的工具以及簡介，安裝方法（基於Linux系統，在一般情況下也適用於其他系統）。
大部分庫都基於Python3，但不建議因此就刪除Python2，因為還有一部分庫如 geoplotlib，Mayavi2等是基於Python2。
1.matplotlib
Matplotlib是一個Python 2維繪相簿，已經成為python中公認的資料視覺化工具，通過Matplotlib你可以很輕鬆地畫一些或簡單或複雜地圖形，幾行程式碼即可生成線圖、直方圖、功率譜、條形圖、錯誤圖、散點圖等等。
安裝：
linux系統方法一：
?| 1 2 3 |
sudo apt-get install python-dev
sudo apt-get install python-matplotlib
|
方法二：
?| 1 |
pip install matplotlib
|
先下載對應的安裝包pyproj和matplotlib
| 1 2 3 |
pip install pyproj 1.9.5.1 cp36 cp36m win_amd64.whl #輸入下載的pyproj檔名
pip install matplotlib_tests?2.1.0?py2.py3?none?any.whl
|
方法一：
?| 1 |
pip install matplotlib
|
方法二：
?| 1 2 3 |
sudo curl -O https://bootstrap.pypa.io/get-pip.py
sudo python get-pip.py
|
2.Seaborn
Seaborn是基於matplotlib產生的一個模組，專攻於統計視覺化，可以和pandas進行無縫連結，使初學者更容易上手。相對於matplotlib，Seaborn語法更簡潔，兩者關係類似於numpy和pandas之間的關係。
安裝：
| 1 |
sudo pip install seaborn
|
| 1 |
pip install seaborn
|
3.HoloViews
HoloViews是一個開源的Python庫，可以用非常少的程式碼行中完成資料分析和視覺化，通過結合Bokeh提供的互動式小部件，快速呈現互動性和高維視覺化，使HoloViews變得更加強大。
安裝
方法一：
?| 1 |
pip install HoloViews
|
方法二：
?| 1 |
conda install -c ioam/label/dev holoviews
|
方法三：
?| 1 2 3 |
git clone git://github.com/ioam/holoviews.git
cd holoviews
pip install -e
|
方法四：
點選下載安裝
4.Altair
Altair是Python的一個公認的統計視覺化庫。它的API簡單、友好、一致，並建立在強大的vega - lite（互動式圖形語法）之上。Altair API不包含實際的視覺化呈現程式碼，而是按照vega - lite規範發出JSON資料結構。由此產生的資料可以在使用者介面中呈現，這種優雅的簡單性產生了漂亮且有效的視覺化效果，且只需很少的程式碼。
資料來源是一個DataFrame，它由不同資料型別的列組成。DataFrame是一種整潔的格式，其中的行與樣本相對應，而列與觀察到的變數相對應。資料通過資料轉換對映到使用組的視覺屬性(位置、顏色、大小、形狀、面板等)。
安裝
方法一：
?| 1 |
pip install Altair
|
方法二：
?| 1 |
conda install altair --channel conda-forge
|
5.PyQtGraph
PyQtGraph是在PyQt4 / PySide和numpy上構建的純 python的GUI圖形庫。它主要用於數學，科學，工程領域。儘管它完全是在python中編寫的，但它對數字運算和Qt的GraphicsView框架的影響巨大，速度也非常快。
安裝
方法一
?| 1 |
pip install PyQtGraph
|
方法二
點選下載安裝
6.ggplot
ggplot是基於R的ggplot2和圖形語法的Python的繪圖系統，實現了更少的程式碼繪製更專業的圖形。
它使用一個高階且富有表現力的API來實現線，點等元素的新增，顏色的更改等不同型別的視覺化元件的組合或新增，而不需要重複使用相同的程式碼，然而這對那些試圖進行高度定製的的來說，ggplot並不是最好的選擇，儘管它也可以製作一些非常複雜、好看的圖形。
ggplot與pandas緊密聯絡。如果你打算使用ggplot，最好將資料儲存在DataFrames中。
安裝：
linux系統 ?| 1 2 3 4 5 6 7 |
pip install numpy
pip install scipy
pip install statsmodels
pip install ggplot
|
下載ggplot安裝包然後執行
?| 1 |
pip install ggplot?0.11.5?py2.py3?none?any.whl
|
7.Bokeh
Bokeh是一個Python互動式視覺化庫，支援現代化web瀏覽器展示（圖表可以輸出為JSON物件，HTML文件或者可互動的網路應用）。它提供風格優雅、簡潔的D3.js的圖形化樣式，並將此功能擴充套件到高效能互動的資料集，資料流上。使用Bokeh可以快速便捷地建立互動式繪圖、儀表板和資料應用程式等。
Bokeh能與NumPy，Pandas，Blaze等大部分陣列或表格式的資料結構完美結合。
安裝：
方法一：如果有配置anaconda的話使用以下命令（推薦）
?| 1 |
conda install bokeh
|
方法二：
?| 1 2 3 4 5 6 7 |
pip install numpy
pip install pandas
pip install redis
pip install bokeh
|
8.pygal
pygal是一種開放標準的向量圖形語言，它基於XML（Extensible Markup Language），可以生成多個輸出格式的高解析度Web圖形頁面，還支援給定資料的html表匯出。使用者可以直接用程式碼來描繪影象，可以用任何文書處理工具開啟SVG影象，通過改變部分程式碼來使影象具有互動功能，並且可以插入到HTML中通過瀏覽器來觀看。
安裝：
| 1 |
pip install pygal
|
命令類似於
?| 1 |
python -m pip install --user pygal==1.7
|
命令類似於
方法一：
?| 1 |
pip install --user pygal==1.7
|
方法二：
?| 1 |
pip install git+https://github.com/vispy/vispy.git
|
9.VisPy
VisPy是一個用於互動式科學視覺化的Python庫，快速、可伸縮、且易於使用，是一個高效能的互動式2D / 3D資料視覺化庫，利用了現代圖形處理單元(gpu)的計算能力，通過OpenGL庫來顯示非常大的資料集。
安裝
| 1 |
pip install VisPy
|
10.NetworkX
NetworkX是一個Python包，用於建立、操縱和研究複雜網路的結構、以及學習複雜網路的結構、功能及其動力學。
NetworkX提供了適合各種資料結構的圖表、二合字母和多重圖，還有大量標準的圖演算法，網路結構和分析措施，可以產生隨機網路、合成網路或經典網路，且節點可以是文字、影象、XML記錄等，並提供了一些示例資料(如權重，時間序列)。
NetworkX測試的程式碼覆蓋率超過90%，是一個多樣化，易於教學，能快速生成圖形的Python平臺。
安裝
方法一：
?| 1 |
pip install networkx
|
方法二：
點選下載安裝
11.Plotly
Plotly的Python graphing library在網上提供了互動式的、公開的，高質量的圖表集，可與R、python、matlab等軟體對接。它擁有在別的庫中很難找到的幾種圖表型別，如等值線圖，樹形圖和三維圖表等，圖示型別也十分豐富，申請了API金鑰後，可以一鍵將統計圖形同步到雲端。但美中不足的是，開啟國外網站會比較費時，且一個賬號只能建立25個圖表，除非你升級或刪除一些圖表。
安裝：
?| 1 |
pip install plotly
|
12.geoplotlib
Basemap和Cartopy包支援多個地理投影，並提供一些視覺化效果，包括點圖、熱圖、等高線圖和形狀檔案。PySAL是一個由Python編寫的空間分析函式的開源庫，它提供了許多基本的工具，主要用於形狀檔案。但是，這些庫不允許使用者繪製地圖貼圖，並且對自定義視覺化、互動性和動畫的支援有限。
geoplotlib是python的一個用於地理資料視覺化和繪製地圖的工具箱，並提供了一個原始資料和所有視覺化之間的基本介面，支援在純python中開發硬體加速的互動式視覺化，並提供點對映、核心密度估計、空間圖、泰森多邊形圖、形狀檔案和許多更常見的空間視覺化的實現。除了為常用的地理資料視覺化提供內建的視覺化功能外，geoplotlib還允許通過定義定製層來定義複雜的資料視覺化（繪製OpenGL，如分數、行和具有高效能的多邊形），建立動畫。
安裝：
?| 1 |
pip install geoplotlib
|
13.folium
folium是一個建立在Python系統之上的js庫，可以很輕鬆地將在Python中操作的資料視覺化為互動式的單張地圖，且將緊密地將資料與地圖聯絡在一起，可自定義箭頭，網格等HTML格式的地圖示記。該庫還附有一些內建的地形資料。
安裝
方法一：
?| 1 |
pip install folium
|
方法二：
?| 1 |
conda install folium
|
方法三：
點選下載安裝
14.Gleam
Gleam允許你只利用Python構建資料的互動式，生成視覺化的網路應用。無需具備HTMLCSS或JaveScript知識，就能使用任一種Python視覺化庫控制輸入。當你建立一個圖表的時候，你可以在上面加上一個域，讓任何人都可以實時地玩轉你的資料，讓你的資料更通俗易懂。
安裝：
?| 1 |
pip install Gleam
|
15.vincent
Vincent是一個很酷的視覺化工具，它以Python資料結構作為資料來源，然後把它翻譯成Vega視覺化語法，並且能夠在d3js上執行。這讓你可以使用Python指令碼來建立漂亮的3D圖形來展示你的資料。Vincent底層使用Pandas和DataFrames資料，並且支援大量的圖表—-條形圖、線圖、散點圖、熱力圖、堆條圖、分組條形圖、餅圖、圈圖、地圖等等。
安裝
?| 1 |
pip install vincent
|
16.mpld3
mpld3基於python的graphing library和D3js，彙集了Matplotlib流行的專案的JavaScript庫，用於建立web互動式資料視覺化。通過一個簡單的API，將matplotlib圖形匯出為HTML程式碼，這些HTML程式碼可以在瀏覽器內使用。
安裝
方法一：
?| 1 |
pip install mpld3
|
方法二：
點選下載安裝
17.python-igraph
Python介面的igraph高效能圖形庫，主要針對複雜的網路研究和分析
安裝
方法一：
?| 1 |
pip install python-igraph
|
方法二：
點選下載安裝
18.missingno
沒有高質量的資料，就沒有高質量的資料探勘結果，當我們做監督學習演算法，難免會碰到混亂的資料集，缺失的值，當缺失比例很小時，可直接對缺失記錄進行捨棄或進行手工處理，missingno提供了一個小型的靈活的、易於使用的資料視覺化和實用工具集，用影象的方式讓你能夠快速評估資料缺失的情況，而不是在資料表裡面步履維艱。你可以根據資料的完整度對資料進行排序或過濾，或者根據熱度圖或樹狀圖來考慮對資料進行修正。
missingno 是基於matplotlib建造的一個模組，所以它出圖速度很快，並且能夠靈活的處理pandas資料。
安裝：
方法一：
?| 1 |
pip install missingno
|
方法二：
點選下載安裝
19.Mayavi2
Mayavi2是一個通用的、跨平臺的三維科學資料視覺化工具。可以在二維和三維空間中顯示標量、向量和張量資料。可通過自定義源、模組和資料過濾器輕鬆擴充套件。Mayavi2也可以作為一個繪圖引擎，生成matplotlib或gnuplot指令碼，也可以作為其他應用程式的互動式視覺化的庫，將生成的圖片嵌入到其他應用程式中。
安裝
?| 1 |
pip install mayavi
|
20.Leather
Leather一種可讀且使用者介面友好的API，新手也能快速掌握。影象成品非常基礎，適用於所有的資料型別，針對探索性圖表進行了優化，產生與比例無關的SVG圖，這樣在你調整影象大小的時候就不會損失影象質量
安裝
方法一：
?| 1 |
pip install leather
|
方法二：
點選下載安裝
結語：
在 Python 中，將資料視覺化有多種選擇，因此何時選用何種方案才變得極具挑戰性。
如果你想做一些專業的統計圖表，我推薦你使用Seaborn，Altair；數學，科學，工程領域的學者就選擇PyQtGraph，VisPy，Mayavi2；網路研究和分析方面，NetworkX，python-igraph會是一個不錯的選擇。
地理投影就選geoplotlib，folium；評估資料缺失就選missingno；有了HoloViews再也不用為高維圖形犯愁；如果你不喜歡花俏的修飾，那就選擇Leather。
如果你是一名新手但有MATLAB基礎，matplotlib會很好上手；有R基礎的就選ggplot；如果你是新手或懶癌晚期者，Plotly將會是一大福音，它提供了大量圖表集可供你選擇與使用。