python可视化工具

python可视化库可以大致分为几类：
- 基于matplotlib的可视化库
- 基于JS的可视化库
- 基于上述两者或其他组合功能的库

基于matplotlib的可视化库

matplotlib是python可视化库的基础。matplotlib库的设计参考了matlab，甚至连名称也是以“mat”开头。
matplotlib优点：
- 设计类似Matlab
- 很多渲染后端
- 几乎可以绘制任何图形
- 有长时间良好运行历史
缺点：
- 必须掌握API，其使用描述冗长
- 部分默认样式设计比较弱
- 对网页 及交互式绘图支持弱
- 数据量大时运行缓慢

后续开发者吸取了matplotlib库的优点，经过对matplotlib库的缺点进行改进，从而衍生出一系列的可视化库。

两个重要且常见的基于matplotlib的第三方库：
- Pandas:一般用于数据分析和处理，其实也提供较为简单的API绘制图形如pandas.tools.plotting
- Seaborn:matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图。

基于JavaScript的可视化库

常用的两个基于JavaScript的可视化库：
- bokeh:Bokeh (Bokeh.js) 是一个 Python 交互式可视化库，支持现代化Web浏览器，提供非常完美的展示功能。Bokeh 的目标是使用 D3.js样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。详细Bokeh.js官网
- plotly:Plotly是另一个免费进行数据分析和绘制图表的APP，建立在d3.js上。 Plotly图可下载为SVG，EPS或PNG格式，并简单地导入到Illustrator或者Photoshop中。跟bokeh类似，也可以制作一些交互式的web图。详细plotly官网

其他综合类型库

• Holoviews:能够让用户构建有助于可视化的数据结构，而且它包含丰富的可组合元素库，可以覆盖、嵌套和轻松定位。同时，它还支持快速数据探索。Holoviews可以和Seaborn、pandas或者bokeh组合使用。
• Altair:Altairs起源于D3，但代码编写量要比D3简单。Altair 是 Python 高级声明式可视化库。Altair 提供一个 Python API 在声明式 manner 中构建静态统计可视化库。

再来看看python 可视化工具的全景图：

参考链接

• pythons-visualization-landscape-pycon-2017:本文基本来自这个ppt，内容非常清晰，强推！！！
• [資料分析&機器學習] 第2.5講：資料視覺化(Matplotlib, Seaborn, Plotly)：主要介绍Matplotlib,Seaborn,Plotly
• Overview of Python Visualization Tools：介绍Pandas，Seaborn，ggplot，Bokeh，pygal，Plotly
• matplotlib官网
• seaborn官网
• Bokeh.js官网
• plotly官网