2024年Python最新盘点12个Python数据可视化库，通吃任何领域，2024年最新阿里面试官态度

本文链接：https://blog.csdn.net/2401_84139587/article/details/138640045

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

Bokeh基于JavaScript实现交互式可视化，它是原生Python语法，它可以在Web浏览器中实现美观的视觉效果。

它的优势在于能够创建交互式的网站图，可以很容易地将数据输出为JSON对象、HTML文档或交互式Web应用程序。Bokeh还支持流媒体和实时数据。

但是它也有明显的缺点：一是版本时常更新，最重要的是有时语法不向下兼容，这对于开发者来说是噩梦；二是语法晦涩，与Matplotlib相比，可以说是有过之而无不及。

2HoloViews

HoloViews是一个开源的Python库，旨在使数据分析和可视化更加简便，可以用非常少的代码行完成数据分析和可视化。

除了默认的Matplotlib后端，它还添加了一个Bokeh后端。结合Bokeh提供的交互式小部件，可以使用HTML5和WebGL快速生成交互式视图，以及进行高维数据的可视化探索。

3Plotly

Plotly是一个数据可视化的在线平台，与Bokeh一样，Plotly的强项在于制作交互式视图，但它提供了一些在大多数库中没有的图表，如等高线图、树状图和3D图表。可以在线绘制条形图、散点图、饼图、直方图等多种图形，可以画出很多媲美Tableau的高质量图。

Plotly支持在线编辑图形，支持Python、JavaScript、MATLAB和R等多种语言的API。Plotly生成的所有图表实际上都是由JavaScript产生的，无论是在浏览器还是在Jupyter中，所有的可视化、交互都是基于plotly.js的，它是一个高级的声明性图表库，提供了20多种图表类型，包含3D图表、统计图和SVG地图等。

4pygal

与Bokeh和Plotly一样，pygal提供了可以嵌入Web浏览器的交互式视图。区别在于，它能够将图表输出为SVG格式。如果用户使用较小的数据集，则输出位SVG格式的图像就可以了，但是如果用户制作的图表包含数十万个数据点，那么它们就会很难被渲染并变得反应迟钝。

Pygal绘制线图的方法很简单，可以将图表渲染为一个SVG文件，用户使用浏览器打开SVG文件就可以查看生成的图表。

5plotnine

plotnine是Python中图形语法的一种实现，它基于ggplot2包，语法绘图功能强大，可以轻松将数据映射到构成图的可视对象，然后创建自定义的图形。plotnine提供各种不同的可视化视图，易于适应定制化输出，安装十分简单，用户可以通过pip install plotnine命令直接安装。

plotnine的优点为代码简洁，易学；绘制出的图流畅大方；不需要很多的代码就可以绘制出很不错的图。在使用plotnine绘图之前，首先需要理解绘图的基本概念。

6Altair

Altair是一个专为Python编写，它可以让数据科学家更多地关注数据本身和其内在的联系。

因为是基于Vega-Lite（交互式图形语法）的声明性统计可视化库，Altair API具有简单、友好、一致等特点。

声明意味着用户只需要提供数据列与编码通道之间的链接，例如，x轴、y轴、颜色等，其余的绘图细节它会自动处理。声明使Altair变得简单、友好和一致，用户使用Altair可以轻松设计出有效且美观的可视化代码。

7ggplot

ggplot是基于R语言的ggplot2包和Python的绘图系统。ggplot的运行方式与Matplotlib不同，它允许用户对组件进行分层以创建完整的绘图。例如，用户可以从轴开始画，然后添加点，接着添加线、趋势线等。虽然图形语法被认为是绘图的“直观”方法，但经验丰富的Matplotlib用户可能需要时间来适应这个新的方式。

8Gleam

Gleam的灵感来自R语言的Shiny包。它允许用户仅使用Python脚本就可将分析结果转换为交互式Web应用程序，因此用户不必了解任何其他语言，如HTML、CSS或JavaScript。Gleam适用于任何Python数据可视化库。在创建绘图后，用户可以在它的上面添加字段，以便对数据进行筛选和排序。