python可视化工具有哪些

Python常用的可视化工具有哪些呢？

简单讲几个Python 中常用的 5 个可视化工具包吧！

每一个Python工具包都会有示例代码，方便去尝试。

1. Matplotlib

如果你是玩Python的小白新接触的并使用的应该就是Matplotlib。

Python常用的可视化工具有哪些是一个用于创建二维图表和图形的库。它提供了多种绘图类型，如折线图、散点图、柱状图、饼图等。

示例代码：

import matplotlib.pyplot as plt

# 示例数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 创建折线图
plt.plot(x, y)

# 添加标题和轴标签
plt.title('Line Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()

2. Seaborn

Seaborn 是基于 Matplotlib 的一个高级数据可视化库。它提供了更多的绘图类型，如箱线图、小提琴图、热力图等，并提供了一些美观的主题和颜色方案。

示例代码：

import seaborn as sns
import matplotlib.pyplot as plt

# 示例数据
tips = sns.load_dataset('tips')

# 创建箱线图
sns.boxplot(x='day', y='total_bill', data=tips)

# 添加标题
plt.title('Box Plot Example')

# 显示图形
plt.show()

3. Plotly

Plotly 是一个交互式图表库，支持多种图表类型。它可以在 Jupyter Notebook、网页和其他环境中使用。

示例代码：

import plotly.express as px

# 示例数据
data = px.data.iris()

# 创建散点图
fig = px.scatter(data, x='sepal_width', y='sepal_length', color='species')

# 显示图形
fig.show()

4. Bokeh

Bokeh 是一个用于创建交互式图表的库，支持多种图表类型。它可以在 Jupyter Notebook、网页和其他环境中使用。

示例代码：

from bokeh.plotting import figure, show
from bokeh.io import output_notebook

# 设置输出环境
output_notebook()

# 示例数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 创建折线图
p = figure(title='Line Plot Example', x_axis_label='X-axis', y_axis_label='Y-axis')
p.line(x, y, legend_label='Line')

# 显示图形
show(p)

5. Altair

Altair 是一个基于 Vega 和 Vega-Lite 的声明式数据可视化库。它提供了一种简洁的语法来创建各种图表。

示例代码：

import altair as alt  
from vega_datasets import data  
  
# 示例数据  
iris = data.iris()  
  
# 创建散点图  
scatter = alt.Chart(iris).mark_point().encode(  
    x='sepalWidth',  
    y='sepalLength',  
    color='species'  
)  
  
# 显示图形  
scatter.show()

以上是 Python 中常用的 5 个可视化工具包及其示例代码。每个库都有自己的优点和特点，可以根据实际需求选择合适的库进行数据可视化。