Python数据可视化库汇总整理

最近整理了一些比较优秀的Python数据可视化库（来自过去从各种推荐中收藏的内容以及在github中的搜索），比较全面，供朋友们参考。

数据绘图

• Lux：数据框自动可视化发现
  自动化可视化数据框、辅助数据探索。在 Jupyter 中打印数据框，Lux会推荐一组可视化图表，以展示数据（交互式显示）。
  链接：https://github.com/lux-org/lux
  案例：https://notebooks.gesis.org/binder/jupyter/user/lux-org-lux-binder-23o8wej4/lab/tree/demo/hpi_covid_demo.ipynb
• cufflinks：plotly的进一步封装
  将plotly的强大功能与pandas的灵活相结合，通过一个绘图命令（dataFrame.iplot）绘制几乎所有类型的交互式可视化图表。
  链接：https://github.com/santosjorge/cufflinks
• Altair：简洁高效的统计可视化库
  建立在 Vega-Lite基础上，低代码生成美观可视化效果的统计可视化库。
  链接：https://github.com/altair-viz/altair
  案例：https://nbviewer.org/gist/santosjorge/b278ce0ae2448f47c31d
• Pandas_Alive：低代码绘制动态图
  快速为Pandas数据框创建动态图，例如很火的动态变化条形图。
  链接：https://github.com/JackMcKew/pandas_alive
• pyecharts：基于百度ECharts的交互可视化库
  链接：https://github.com/pyecharts/pyecharts
  教程：https://gallery.pyecharts.org/#/README
• Plotly_express：交互式可视化库plotly的简化接口
  链接：https://github.com/plotly/plotly_express
  教程：https://plotly.com/python/plotly-express
• FuncAnimation：绘制动态图表，Matplotlib的扩展
  import matplotlib.animation as ani 即可
• plotly：交互可视化
  教程：https://plotly.com/python/getting-started/
• bokeh：交互式可视化库，支持现代化 Web 浏览器
  教程：http://docs.bokeh.org/en/latest/
• Lightning
  交互式数据可视化框架，提供在线版本、服务器版本（软件）支持命令行操作、python版本（有一定局限性）、R版本（社区用户构建）等。
  链接：https://github.com/lightning-viz/lightning-example-notebooks
• HoloViews
  低代码绘图库，旨在使数据分析和可视化无缝且简单。
  链接：https://github.com/holoviz/holoviews
• sweetviz
  两行代码深入EDA
  链接：https://github.com/fbdesignpro/sweetviz
• plotnine:
  使用方式与R语言很相似，做出来的图也很好看
  链接：https://github.com/has2k1/plotnine-examples
• Pygal
  python可视化库，基于XML（Extensible Markup Language），可以生成多个输出格式的高分辨率Web图形页面。
  链接：http://www.pygal.org/en/stable/
• scikit-plot
  机器学习绘图库
  链接：https://github.com/reiinakano/scikit-plot
• Highcharts： pip install python-highcharts
  似乎很多年没更新了，不推荐。
  链接：https://github.com/kyper-data/python-highcharts
• pandas自带 df.plot 快速绘图，可以一行代码快速可视化表格数据
  链接：https://pandas.pydata.org/pandas-docs/version/0.23.4/generated/pandas.DataFrame.plot.bar.html
• bqplot
  为Jupyter Notebook开发的交互插件，丰富了交互图层，可满足丰富的交互式可视化需求。
  链接：https://github.com/bqplot/bqplot
• PyG2Plot
  基于蚂蚁金服开源图形语法G2的交互式和响应式图表库。可以通过几行代码轻松制作优质的统计图表。
  链接：https://github.com/hustcc/PyG2Plot
• PyCatFlow：类别特征可视化工具
  对类别特征随着时间变化进行绘制，基于分类数据表示时间发展。
• Chartify
  Bokeh包装，使数据科学家更容易创建图表。
  链接：https://github.com/spotify/chartify
• Glumpy：高效美观的科学可视化（ Python+Numpy+OpenGL ）
  链接：https://glumpy.readthedocs.io/en/latest/
• Pyvista：三维可视化、绘制3维图形
  链接：https://docs.pyvista.org/
• VisPy
  交互式 2D/3D 的数据可视化库。利用图形处理器 GPU 通过 OpenGL 库来显示非常大的数据。
  链接：https://vispy.org/
• python-ternary
  一个绘图库，与matplotlib一起使用，可以在二维单纯形中绘制三元绘图，并将其投影到二维平面上。
  链接：https://github.com/marcharper/python-ternary
• matplotx
  Matplotlib的优质扩展，可辅助Matplotlib轻松实现理想图形。
  链接：https://github.com/nschloe/matplotx
• mpld3
  Python的Matplotlib可视化库与JavaScript的D3.js强交互可视化库结合，弥补Matplotlib的弱交互能力，可将Matplotlib图像导出为HTML代码，进而运用于浏览器网页、博客等中。
  链接：https://mpld3.github.io/
• pandasgui：数据框可视化GUI
  图形化界面进行数据框可视化
  链接：https://github.com/adamerose/PandasGUI
• ipyvizzu : 动态图表制作
  链接：https://github.com/vizzuhq/ipyvizzu/tree/main
  教程：https://vizzuhq.github.io/ipyvizzu/examples/examples.html

绘图风格库

• mplcyberpunk：为matplotlib绘图添加赛博朋克风格
  两个主要功能：make_lines_glow(线条发光)、add_underglow(线条面积图)
  链接：https://github.com/dhaitz/mplcyberpunk
• SciencePlots：Matplotlib补充包
  一键调用符合IEEE等不同期刊要求的图表格式。
  链接：https://github.com/garrettj403/SciencePlots
• 设置主题
  import seaborn as sns
  sns.set_palette(“magma”, 8)
• haishoku
  提取图片中的配色，获得可轻松使用的结果
  链接：https://github.com/LanceGin/haishoku

Web交互式可视化展示

（这里记录的是可以用于快速搭建可视化Web服务的库，即用于快速制作简易可视化网站的库）

• Gleam
  Gleam 用 Python 构建数据的交互式 Web 可视化：无需 HTML 、JS （灵感来自R 中的Shiny包）
  链接：https://github.com/dgrtwo/gleam
• Dash
  编写在 Plotly.js 和 React.js 基础上，适合构建和部署具有自定义用户界面的数据应用程序,是构建数据可视化app的理想选择。
  链接：https://dash.plotly.com/introduction
• Streamlit
  用于创建交互式，美观的可视化应用程序（例如机器学习app）
  链接：https://github.com/streamlit/streamlit
• Gradio
  比Streamlit轻量的UI设计库，快速搭建机器学习app。
  链接：https://gradio.app/

实现特定功能的可视化库

• ann-visualizer
  一键导出keras神经网络结构可视化图
  https://github.com/RedaOps/ann-visualizer
• 3b1b：制作动态3d数学（主要）
  https://github.com/3b1b/manim
• dash-bio：基于dash构建的的生物信息学可视化库
  项目地址：https://github.com/plotly/dash-bio
• hiplot
  高维数据（例如例如深度学习的调参结果）可视化库
  https://github.com/facebookresearch/hiplot
• Diagrams：绘制云系统架构
  https://diagrams.mingrammer.com
• missingno
  快速高效可视化评估数据缺失的情况。
  https://github.com/ResidentMario/missingno
• VisualDL
  深度学习（指标等）可视化分析。
  https://github.com/PaddlePaddle/VisualDL
• Model Log
  基于 Python的深度学习模型训练评估指标可视化工具，与 TensorFlow、Pytorch、PaddlePaddle结合使用，可以记录模型训练过程当中的超参数、Loss、Accuracy、Precision、F1值等，并以曲线图的形式进行展现对比，轻松三步即可实现。
  https://github.com/NLP-LOVE/Model_Log
• import pandas_profiling ；pandas_profiling.ProfileReport(df)
  一键数据分析（数据概况、缺失、相关性、异常值等等），方便结合数据分析报告做特征生成。
• Aim：https://github.com/Aimhubio/Aim
  号称搜索速度比TensorBoard快几倍的机器学习可视化工具包（加州伯克利）
• nn_vis：https://github.com/julrog/nn_vis
  神经网络3D可视化
  （其他神经网络可视化库：NNSVG、Conx、ENNUI、Neataptic）
• Autoviz
  一行代码搞定数据集探索并可视化
  https://github.com/AutoViML/AutoViz
• yellowbrick
  Scikit-Learn的强力扩展，几行代码可视化「特征值」、「模型」、「模型评估」等，帮助“调参侠”们「更便捷的的选择机器学习模型和调参」，依赖Matplotlib和Scikit-Learn。
  https://github.com/DistrictDataLabs/yellowbrick
• napari
  图像查看和分析软件
  https://napari.org/
• itkwidgets
  Jupyter的一个交互式小部件，主要运用于可视化图像、点集和mesh。 https://github.com/InsightSoftwareConsortium/itkwidgets
• vedo
  三维可视化
  https://github.com/marcomusy/vedo
• ipyvolume
  三维可视化
  可在Jupyter Notebook中渲染3D图，基于WebGL，功能较少。
• mayavi
  三维可视化
  http://docs.enthought.com/mayavi/mayavi/index.html

案例代码

• matplotlib案例代码 https://github.com/liuhuanshuo/zaoqi-data
• 用Python制作的数百个图表的集合，带有相关的可复制代码。https://www.python-graph-gallery.com