不用第三方库，也能用 Python 作图，效果还不错

一提到用 Python 作图，很多人第一个想到的库肯定是 Matplotlib ，功能强大，但是相应地安装所需要的依赖就多。有些开发者在自己的工作流中有简单作图的需求，但是又不希望引入依赖关系复杂的 Matplotlib，所以就有了 Chart。

Chart 是一个非常新的类库，上线 Github 仅有 10 多天的时间，Star 数也不多。不过我觉得比较有意思，大家可以阅读项目的源代码，学习如何自己开发绘图功能。

基本功能

Chart 目前仅支持三种图表类型：柱形图、散点图和直方图，图表数据点可以使用自定义的标记。该库的一个特点，在开头我们也提到了，就是没有任何的第三方依赖，完全是使用标准库中的库实现的。

柱形图

柱形图的创建，非常地简单，传入标签和具体的值等数据，即可快速实现。下面是作者给出的示例：

from chart import bar
x = [500, 200, 900, 400]
y = ['marc', 'mummify', 'chart', 'sausagelink']
bar(x, y)

柱形图默认的数据点标记图形，是 ▇，但是也支持自定义。

       marc: ▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇    
    mummify: ▇▇▇▇▇▇▇      
      chart: ▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇
sausagelink: ▇▇▇▇▇▇▇▇▇▇▇▇▇

比如说，可以改成：?

from chart import bar
import pandas as pd

df = pd.DataFrame({
	'artist': ['Tame Impala', 'Childish Gambino', 'The Knocks'],
    'listens': [8_456_831, 18_185_245, 2_556_448]
})
bar(df.listens, df.artist, width=20, label_width=11, mark='?')
----------------------------------------
Tame Impala: ?????????
Childish Ga: ???????????????????? 
 The Knocks: ???

从上面的示例，还可以看出， bar 函数还接受 pandas 数据框的列数据

直方图

直方图也很简单，提供了 histogram 快捷函数。

from chart import histogram
x = [1, 2, 4, 3, 3, 1, 7, 9, 9, 1, 3, 2, 1, 2]
histogram(x)
-----------------------
▇
▇
▇
▇
▇ ▇
▇ ▇
▇ ▇
▇ ▇     ▇
▇ ▇     ▇
▇ ▇   ▇ ▇

散点图

from chart import scatter
x = range(0, 20)
y = range(0, 20)
scatter(x, y)
                                       •                                 
                                     • •                               
                                     •  
                                   • •
                                  • • 
                                   •  
                                •  •
                                •   
                              • • 
                             • •
                              •  
                            • •
                           •

RangeScaler

以 bar 图形为例，我们看到 x 轴的值相差可能会非常大：[500,200,900,400]，示例中最大有 700 的差值。在显示图表的时候，我们知道屏幕的范围是有限的，因此必须要限制柱形的最大高度。

给定数值范围后，就需要对 x 轴的值进行预处理，将所有的数据统一到同一个范围内，这也是整个库最为重要、最为核心的部分了。

from chart.preprocessing import RangeScaler

rs = RangeScaler(out_range=(0, 10), round=False)
x = range(50, 59)
rs.fit_transform(x)
# output[0.0, 1.25, 2.5, 3.75, 5.0, 6.25, 7.5, 8.75, 10.0]

结语

开头提到，这个库的功能简单，没有任何依赖，因此代码量很少，非常适合大家阅读它的源代码。