原标题：Python 数据可视化利器
（给Python开发者加星标，提升Python技能）
作者：zone7（本文来自作者投稿，简介见末尾）
概述
前言
推荐
plotly
bokeh
pyecharts
后记
前言
前段时间有读者向我反映，想看看数据可视化方面的文章，这不？现在就开始写了，如果你想看哪些方面的文章，可以通过留言或者后台告诉我。数据可视化的第三方库挺多的，这里我主要推荐两个，分别是 bokeh、pyecharts。如果我的文章对你有帮助，欢迎关注、点赞、转发，这样我会更有动力做原创分享。
推荐
数据可视化的库有挺多的，这里推荐几个比较常用的：
Matplotlib
Plotly
Seaborn
Ggplot
Bokeh
Pyechart
Pygal
Plotly
plotly 文档地址（https://plot.ly/python/#financial-charts）
使用方式：
plotly 有 online 和 offline 两种方式，这里只介绍 offline 的。
这是 plotly 官方教程的一部分
importplotly.plotly aspy
importnumpy asnp
data = [dict(
visible= False,
line=dict(color= '#00CED1', width= 6), # 配置线宽和颜色
name= '� = '+ str(step),
x=np.arange( 0, 10, 0.01), # x 轴参数
y=np.sin(step * np.arange( 0, 10, 0.01))) forstep innp.arange( 0, 5, 0.1)] # y 轴参数
data[ 10][ 'visible'] = True
py.iplot(data, filename= 'Single Sine Wave')
只要将最后一行中的
py.iplot
替换为下面代码
py.offline.plot
便可以运行。
漏斗图
这个图代码太长了，就不 po 出来了。
Basic Box Plot
好吧，不知道怎么翻译，直接用原名。
import plotly.plotly
import plotly.graph_objs as go
import numpy as np
y0 = np.random.randn(50)-1
y1 = np.random.randn(50)+1
trace0 = go.Box(
y=y0
)
trace1 = go.Box(
y=y1
)
data = [trace0, trace1]
plotly.offline.plot(data)
Wind Rose Chart
好吧，不知道怎么翻译，直接用原名。
importplotly.graph_objs as go
trace1 = go.Barpolar(
r=[ 77.5, 72.5, 70.0, 45.0, 22.5, 42.5, 40.0, 62.5],
text=[ 'North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],
name= '11-14 m/s',
marker=dict(
color= 'rgb(106,81,163)'
)
)
trace2 = go.Barpolar(
r=[ 57.49999999999999, 50.0, 45.0, 35.0, 20.0, 22.5, 37.5, 55.00000000000001],
text=[ 'North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'], # 鼠标浮动标签文字描述
name= '8-11 m/s',
marker=dict(
color= 'rgb(158,154,200)'
)
)
trace3 = go.Barpolar(
r=[ 40.0, 30.0, 30.0, 35.0, 7.5, 7.5, 32.5, 40.0],
text=[ 'North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],
name= '5-8 m/s',
marker=dict(
color= 'rgb(203,201,226)'
)
)
trace4 = go.Barpolar(
r=[ 20.0, 7.5, 15.0, 22.5, 2.5, 2.5, 12.5, 22.5],
text=[ 'North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],
name= '< 5 m/s',
marker=dict(
color= 'rgb(242,240,247)'
)
)
data = [trace1, trace2, trace3, trace4]
layout = go.Layout(
title= 'Wind Speed Distribution in Laurel, NE',
font=dict(
size= 16
),
legend=dict(
font=dict(
size= 16
)
),
radialaxis=dict(
ticksuffix= '%'
),
orientation= 270
)
fig = go.Figure(data=data, layout=layout)
plotly.offline.plot(fig, filename= 'polar-area-chart')
Basic Ternary Plot with Markers
篇幅有点长，这里就不 po 代码了。
Bokeh
这里展示一下常用的图表和比较抢眼的图表，详细的文档可查看（https://bokeh.pydata.org/en/latest/docs/user_guide/categorical.html）
条形图
这配色看着还挺舒服的，比 pyecharts 条形图的配色好看一点。
条形图 from bokeh.io import show, output_file
frombokeh.models importColumnDataSource
frombokeh.palettes importSpectral6
frombokeh.plotting importfigure
output_file( "colormapped_bars.html") # 配置输出文件名
fruits = [ 'Apples', '魅族', 'OPPO', 'VIVO', '小米', '华为'] # 数据
counts = [ 5, 3, 4, 2, 4, 6] # 数据
source= ColumnDataSource( data=dict(fruits=fruits, counts=counts, color=Spectral6))
p = figure(x_range=fruits, y_range=( 0, 9), plot_height= 250, title= "Fruit Counts",
toolbar_location= None, tools= "") # 条形图配置项
p.vbar(x= 'fruits', top= 'counts', width= 0.9, color= 'color', legend= "fruits", source= source)
p.xgrid.grid_line_color = None# 配置网格线颜色
p.legend.orientation = "horizontal"# 图表方向为水平方向
p.legend.location = "top_center"
show(p) # 展示图表
年度条形图
可以对比不同时间点的量。
年度条形图 from bokeh.io import show, output_file
frombokeh.models importColumnDataSource, FactorRange
frombokeh.plotting importfigure
output_file( "bars.html") # 输出文件名
fruits = [ 'Apple', '魅族', 'OPPO', 'VIVO', '小米', '华为'] # 参数
years= [ '2015', '2016', '2017'] # 参数
data= { 'fruits': fruits,
'2015': [ 2, 1, 4, 3, 2, 4],
'2016': [ 5, 3, 3, 2, 4, 6],
'2017': [ 3, 2, 4, 4, 5, 3]}
x = [(fruit, year) forfruit infruits foryearinyears]
counts = sum(zip( data[ '2015'], data[ '2016'], data[ '2017']), ())
source= ColumnDataSource( data=dict(x=x, counts=counts))
p = figure(x_range=FactorRange(*x), plot_height= 250, title= "Fruit Counts by Year",
toolbar_location= None, tools= "")
p.vbar(x= 'x', top= 'counts', width= 0.9, source= source)
p.y_range.start = 0
p.x_range.range_padding = 0.1
p.xaxis.major_label_orientation = 1
p.xgrid.grid_line_color = None
show(p)
饼图
饼图 from collections import Counter
from math import pi
import pandas as pd
from bokeh.io import output_file, show
frombokeh.palettes importCategory20c
frombokeh.plotting importfigure
frombokeh.transform importcumsum
output_file( "pie.html")
x = Counter({
'中国': 157,
'美国': 93,
'日本': 89,
'巴西': 63,
'德国': 44,
'印度': 42,
'意大利': 40,
'澳大利亚': 35,
'法国': 31,
'西班牙': 29
})
data= pd.DataFrame.from_dict(dict(x), orient= 'index').reset_index().rename( index= str, columns={ 0: 'value', 'index': 'country'})
data[ 'angle'] = data[ 'value']/ sum(x.values()) * 2* pi
data[ 'color'] = Category20c[ len(x)]
p = figure(plot_height= 350, title= "Pie Chart", toolbar_location= None,
tools= "hover", tooltips= "@country: @value")
p.wedge(x= 0, y= 1, radius= 0.4,
start_angle=cumsum( 'angle', include_zero= True), end_angle=cumsum( 'angle'),
line_color= "white", fill_color= 'color', legend= 'country', source= data)
p.axis.axis_label= None
p.axis.visible= False
p.grid.grid_line_color = None
show(p)
条形图
年度水果进出口 from bokeh.io import output_file, show
frombokeh.models importColumnDataSource
frombokeh.palettes importGnBu3, OrRd3
frombokeh.plotting importfigure
output_file( "stacked_split.html")
fruits = [ 'Apples', 'Pears', 'Nectarines', 'Plums', 'Grapes', 'Strawberries']
years= [ "2015", "2016", "2017"]
exports = { 'fruits': fruits,
'2015': [ 2, 1, 4, 3, 2, 4],
'2016': [ 5, 3, 4, 2, 4, 6],
'2017': [ 3, 2, 4, 4, 5, 3]}
imports = { 'fruits': fruits,
'2015': [ -1, 0, -1, -3, -2, -1],
'2016': [ -2, -1, -3, -1, -2, -2],
'2017': [ -1, -2, -1, 0, -2, -2]}
p = figure(y_range=fruits, plot_height= 250, x_range=( -16, 16), title= "Fruit import/export, by year",
toolbar_location= None)
p.hbar_stack( years, y= 'fruits', height= 0.9, color=GnBu3, source=ColumnDataSource(exports),
legend=[ "%s exports"% x forx inyears])
p.hbar_stack( years, y= 'fruits', height= 0.9, color=OrRd3, source=ColumnDataSource(imports),
legend=[ "%s imports"% x forx inyears])
p.y_range.range_padding = 0.1
p.ygrid.grid_line_color = None
p.legend.location = "top_left"
p.axis.minor_tick_line_color = None
p.outline_line_color = None
show(p)
散点图
散点图 from bokeh.plotting import figure, output_file, show
output_file( "line.html")
p = figure(plot_width= 400, plot_height= 400)
p.circle([ 1, 2, 3, 4, 5], [ 6, 7, 2, 4, 5], size= 20, color= "navy", alpha= 0.5)
show(p)
六边形图
这两天，马蜂窝刚被发现数据造假，这不，与马蜂窝应应景。
六边形图 importnumpy asnp
frombokeh.io importoutput_file, show
frombokeh.plotting importfigure
frombokeh.util.hex importaxial_to_cartesian
output_file( "hex_coords.html")
q = np.array([ 0, 0, 0, -1, -1, 1, 1])
r = np.array([ 0, -1, 1, 0, 1, -1, 0])
p = figure(plot_width= 400, plot_height= 400, toolbar_location= None) #
p.grid.visible = False# 配置网格是否可见
p.hex_tile(q, r, size= 1, fill_color=[ "firebrick"] * 3+ [ "navy"] * 4,
line_color= "white", alpha= 0.5)
x, y = axial_to_cartesian(q, r, 1, "pointytop")
p.text(x, y, text=[ "(%d, %d)"% (q, r) for(q, r) inzip(q, r)],
text_baseline= "middle", text_align= "center")
show(p)
环比条形图
这个实现挺厉害的，看了一眼就吸引了我。我在代码中都做了一些注释，希望对你理解有帮助。注：圆心为正中央，即直角坐标系中标签为（0，0）的地方。
环比条形图 from collections import OrderedDict
from math import log, sqrt
import numpy as np
import pandas as pd
from six.moves import cStringIO as StringIO
from bokeh.plotting import figure, show, output_file
antibiotics = """
bacteria, penicillin, streptomycin, neomycin, gram
结核分枝杆菌, 800, 5, 2, negative
沙门氏菌, 10, 0.8, 0.09, negative
变形杆菌, 3, 0.1, 0.1, negative
肺炎克雷伯氏菌, 850, 1.2, 1, negative
布鲁氏菌, 1, 2, 0.02, negative
铜绿假单胞菌, 850, 2, 0.4, negative
大肠杆菌, 100, 0.4, 0.1, negative
产气杆菌, 870, 1, 1.6, negative
白色葡萄球菌, 0.007, 0.1, 0.001, positive
溶血性链球菌, 0.001, 14, 10, positive
草绿色链球菌, 0.005, 10, 40, positive
肺炎双球菌, 0.005, 11, 10, positive
"""
drug_color = OrderedDict([ # 配置中间标签名称与颜色
( "盘尼西林", "#0d3362"),
( "链霉素", "#c64737"),
( "新霉素", "black"),
])
gram_color = {
"positive": "#aeaeb8",
"negative": "#e69584",
}
# 读取数据
df = pd.read_csv(StringIO(antibiotics),
skiprows=1,
skipinitialspace=True,
engine='python')
width = 800
height = 800
inner_radius = 90
outer_radius = 300 - 10
minr = sqrt(log(.001 * 1E4))
maxr = sqrt(log(1000 * 1E4))
a = (outer_radius - inner_radius) / (minr - maxr)
b = inner_radius - a * maxr
def rad(mic):
return a * np.sqrt(np.log(mic * 1E4)) + b
big_angle = 2.0 * np.pi / (len(df) + 1)
small_angle = big_angle / 7
# 整体配置
p = figure(plot_width=width, plot_height=height, title= "",
x_axis_type=None, y_axis_type=None,
x_range=(-420, 420), y_range=(-420, 420),
min_border=0, outline_line_color= "black",
background_fill_color= "#f0e1d2")
p.xgrid.grid_line_color = None
p.ygrid.grid_line_color = None
# annular wedges
angles = np.pi / 2 - big_angle / 2 - df.index.to_series() * big_angle #计算角度
colors = [gram_color[gram] for gram in df.gram] # 配置颜色
p.annular_wedge(
0, 0, inner_radius, outer_radius, -big_angle + angles, angles, color=colors,
)
# small wedges
p.annular_wedge(0, 0, inner_radius, rad(df.penicillin),
-big_angle + angles + 5 * small_angle, -big_angle + angles + 6 * small_angle,
color=drug_color['盘尼西林'])
p.annular_wedge(0, 0, inner_radius, rad(df.streptomycin),
-big_angle + angles + 3 * small_angle, -big_angle + angles + 4 * small_angle,
color=drug_color['链霉素'])
p.annular_wedge(0, 0, inner_radius, rad(df.neomycin),
-big_angle + angles + 1 * small_angle, -big_angle + angles + 2 * small_angle,
color=drug_color['新霉素'])
# 绘制大圆和标签
labels = np.power(10.0, np.arange(-3, 4))
radii = a * np.sqrt(np.log(labels * 1E4)) + b
p.circle(0, 0, radius=radii, fill_color=None, line_color= "white")
p.text(0, radii[:-1], [str(r) for r in labels[:-1]],
text_font_size= "8pt", text_align= "center", text_baseline= "middle")
# 半径
p.annular_wedge(0, 0, inner_radius - 10, outer_radius + 10,
-big_angle + angles, -big_angle + angles, color= "black")
# 细菌标签
xr = radii[0] * np.cos(np.array(-big_angle / 2 + angles))
yr = radii[0] * np.sin(np.array(-big_angle / 2 + angles))
label_angle = np.array(-big_angle / 2 + angles)
label_angle[label_angle < -np.pi / 2] += np.pi # easier to read labels on the left side
# 绘制各个细菌的名字
p.text(xr, yr, df.bacteria, angle=label_angle,
text_font_size= "9pt", text_align= "center", text_baseline= "middle")
# 绘制圆形，其中数字分别为 x 轴与 y 轴标签
p.circle([-40, -40], [-370, -390], color=list(gram_color.values()), radius=5)
# 绘制文字
p.text([-30, -30], [-370, -390], text=[ "Gram-"+ gr for gr in gram_color.keys()],
text_font_size= "7pt", text_align= "left", text_baseline= "middle")
# 绘制矩形，中间标签部分。其中 -40，-40，-40 为三个矩形的 x 轴坐标。18，0，-18 为三个矩形的 y 轴坐标
p.rect([-40, -40, -40], [18, 0, -18], width=30, height=13,
color=list(drug_color.values()))
# 配置中间标签文字、文字大小、文字对齐方式
p.text([-15, -15, -15], [18, 0, -18], text=list(drug_color),
text_font_size= "9pt", text_align= "left", text_baseline= "middle")
output_file( "burtin.html", title= "burtin.py example")
show(p)
元素周期表
元素周期表，这个实现好牛逼啊，距离初三刚开始学化学已经很遥远了，想当年我还是化学课代表呢！由于基本用不到化学了，这里就不实现了。
元素周期表
真实状态 Pyecharts
pyecharts 也是一个比较常用的数据可视化库，用得也是比较多的了，是百度 echarts 库的 python 支持。这里也展示一下常用的图表。文档地址为（http://pyecharts.org/#/zh-cn/prepare?id=%E5%AE%89%E8%A3%85-pyecharts）
条形图
条形图 frompyecharts importBar
bar = Bar( "我的第一个图表", "这里是副标题")
bar.add( "服装", [ "衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [ 5, 20, 36, 10, 75, 90])
# bar.print_echarts_options() # 该行只为了打印配置项，方便调试时使用
bar.render() # 生成本地 HTML 文件
散点图
散点图 frompyecharts import Polar
import random
data_1 = [( 10, random.randint( 1, 100)) fori inrange(300)]
data_2 = [( 11, random.randint( 1, 100)) fori inrange(300)]
polar = Polar( "极坐标系-散点图示例", width= 1200, height= 600)
polar. add( "", data_1, type= 'scatter')
polar. add( "", data_2, type= 'scatter')
polar.render()
饼图
饼图 importrandom
frompyecharts importPie
attr = [ 'A', 'B', 'C', 'D', 'E', 'F']
pie = Pie( "饼图示例", width= 1000, height= 600)
pie.add(
"",
attr,
[random.randint( 0, 100) for_ inrange( 6)],
radius=[ 50, 55],
center=[ 25, 50],
is_random= True,
)
pie.add(
"",
attr,
[random.randint( 20, 100) for_ inrange( 6)],
radius=[ 0, 45],
center=[ 25, 50],
rosetype= "area",
)
pie.add(
"",
attr,
[random.randint( 0, 100) for_ inrange( 6)],
radius=[ 50, 55],
center=[ 65, 50],
is_random= True,
)
pie.add(
"",
attr,
[random.randint( 20, 100) for_ inrange( 6)],
radius=[ 0, 45],
center=[ 65, 50],
rosetype= "radius",
)
pie.render()
词云
这个是我在前面的文章中用到的图片实例，这里就不 po 具体数据了。
词云 from pyecharts import WordCloud
name = ['Sam S Club'] # 词条
value = [10000] # 权重
wordcloud = WordCloud(width=1300, height=620)
wordcloud.add( "", name, value, word_size_range=[20, 100])
wordcloud.render()
树图
这个是我在前面的文章中用到的图片实例，这里就不 po 具体数据了。
树图 frompyecharts import TreeMap
data = [ # 键值对数据结构
{
value: 1212, # 数值
# 子节点
children: [
{
# 子节点数值
value: 2323,
# 子节点名
name: 'deion of this node',
children: [...],
},
{
value: 4545,
name: 'deion of this node',
children: [
{
value: 5656,
name: 'deion of this node',
children: [...]
},
...
]
}
]
},
...
]
treemap = TreeMap(title, width= 1200, height= 600) # 设置标题与宽高
treemap. add( "深圳", data, is_label_show=True, label_pos= 'inside', label_text_size= 19)
treemap.render()
地图
地图 from pyecharts import Map
value = [155, 10, 66, 78, 33, 80, 190, 53, 49.6]
attr = [
"福建", "山东", "北京", "上海", "甘肃", "新疆", "河南", "广西", "西藏"
]
map = Map( "Map 结合 VisualMap 示例", width=1200, height=600)
map.add(
"",
attr,
value,
maptype= "china",
is_visualmap=True,
visual_text_color= "#000",
)
map.render()
3D 散点图frompyecharts import Scatter3D
import random
data = [
[ random.randint(0, 100),
random.randint(0, 100),
random.randint(0, 100)] for_ inrange(80)
]
range_color = [
'#313695', '#4575b4', '#74add1', '#abd9e9', '#e0f3f8', '#ffffbf',
'#fee090', '#fdae61', '#f46d43', '#d73027', '#a50026']
scatter3D = Scatter3D( "3D 散点图示例", width= 1200, height= 600) # 配置宽高
scatter3D. add( "", data, is_visualmap=True, visual_range_color=range_color) # 设置颜色等
scatter3D.render() # 渲染
后记
大概介绍就是这样了，三个库的功能都挺强大的，bokeh 的中文资料会少一点，如果阅读英文有点难度，还是建议使用 pyecharts 就好。总体也不是很难，按照文档来修改数据都能够直接上手使用。主要是多练习。
【本文作者】
Zone：一只爱折腾的后端攻城狮，喜欢写文分享。个人公众号：zone7
觉得本文对你有帮助？请分享给更多人
关注「Python开发者」加星标，提升Python技能返回搜狐，查看更多
责任编辑：
962
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
