介绍的大体流程是:库名、类型、github star、功能、使用方法、案例、学习资料。
第一部分:数据可视化
pyecharts
类型:可视化图表设计
GitHub Star :5985
功能:
简洁的 API 设计,使用如丝滑般流畅,支持链式调用
囊括了 30+ 种常见图表,应有尽有
支持主流 Notebook 环境,Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask,Django 等主流 Web 框架
高度灵活的配置项,可轻松搭配出精美的图表
详细的文档和示例,帮助开发者更快的上手项目
多达 400+ 地图文件以及原生的百度地图,为地理数据可视化提供强有力的支持
使用方法:
案例:
学习资料:
A Python Echarts Plotting Library
Superset
类型:开源的 企业级 轻量BI工具
GitHub star :24937
功能:
创建和分享可视化面板
有丰富的可视化方法来分析数据,且具有灵活的扩展能力
具有可扩展的、高粒度的安全模型,可以用复杂规则来控制访问权限。目前支持主要的认证提供商:DB、OpenID、LDAP、OAuth、和Flask AppBuiler的REMOTE_USER
使用简单的语法,就可以控制数据在UI中的展现方式
与Druid深度结合,可快速的分析大数据
配置缓存来快速加载仪表盘
Superset最初是在http://Druid.io的基础上设计的,但是通过使用SQLAlchemy(一种与大多数常见数据库兼容的Python ORM),迅速扩展了范围以支持其他数据库。
使用方法:
安装好后,启动浏览器端,添加数据源,搭建可视化面板,分享,导出
案例:
查看仪表板
数据切片和切块
使用SQL Lab查询和可视化数据
可视化地理空间数据
从各种可视化中进行选择
学习资源:官方文档
plotly
类型:非常著名且强大的交互式开源数据可视化框架
GitHub star :5235
功能:
交互式开源可视化框架,支持超过40种独特图表类型,涵盖统计、财务、地理、学术、三维等。
建立在Javascript plotly库基础上,能使python用户创建基于web的可交互的可视化作品,其能在jupyter notebook上展示,而且可以导出为HTML。
plotly还可以在非web编辑器上(如pycharm、spyder)绘制图表
能导出出版级别的图片
使用方法:
案例:
学习资源:官方文档
Bokeh
类型:服务于浏览器的炫酷的交互式可视化库
GitHub star :11061
功能:
专门针对Web浏览器的交互式、可视化Python绘图库
提供优雅简洁的多功能可视化展示,能快速创建图表、仪表板和可视化应用
可以做出像D3.js简洁漂亮的交互可视化效果,但是使用难度低于D3.js。
独立的HTML文档或服务端程序
可以处理大量、动态或数据流
支持Python (或Scala, R, Julia…)
不需要使用Javascript
使用方法:
案例: