简单了解python的数据可视化的库

1. 基础2D及3D可视化

• Matplotlib: 是一个最基础的Python可视化库，作图风格接近MATLAB，所以称为matplotlib。一般都是从matplotlib上手Python数据可视化，然后开始做纵向与横向拓展。

Seaborn:是一个基于matplotlib的高级可视化效果库，针对的点主要是数据挖掘和机器学习中的变量特征选取，seaborn可以用短小的代码去绘制描述更多维度数据的可视化效果图。

2.交互信息可视化

数据分析的一个业务场景就是用数据讲故事，交互信息可视化的工具就在此凸显出了优势。

• Bokeh: 是一个用于做浏览器端交互可视化的库，实现分析师与数据的交互。

Plotly: 同样也是做交互可视化的一把利器。Plotly同时支持Python和R语言，并且实现了在线导入数据做可视化并保存内容在云端server的功能。做演示的时候，只需要在本地的jupyter notebook与plotly server建立通信，即可调用已经做好的可视化内容做展示。Plotly同时有freemium和premium两种账户，免费账户已经可以满足基本需要。

此外，作为数据分析师，一个重要的工作场景就是为业务团队建立dashboard，plotly强大的交互功能得到了淋漓尽致的体现。

Pyecharts 是基于百度echarts的一个开源项目，相比bokeh和plotly，pyecharts的语法更简单，实现效果更佳出众。

3. 地图可视化

地理信息数据也会是部分数据分析师的业务场景。对于这类数据，可能传统的matplotlib/seaborn，交互属性的bokeh/plotly无法很好地对这类数据进行处理。我们需要使用处理地理数据引擎更强的可视化工具库。

• Mapbox

• Geoplotlib

简要总结：

基础的2D,3D可视化

主要包括了matplotlib和seaborn,其中seaborn又是基于matplotlib的高级可视化效果库。 
matplotlib是最基础的可视化库 
seaborn针对的点主要是数据挖掘和机器学习中的变量特征选取，seaborn可以用短小的代码去绘制描述更多维度数据的可视化效果图。（比如可以通过seaborn.heatmap画出各特征之间的相关度图，找出冗余特征）

交互信息可视化

数据分析的一个业务场景就是用数据讲故事，交互信息可视化的工具就在此凸显出了优势。 
plotly实现了在线导入数据做可视化并保存内容在云端server的功能。做演示的时候，只需要在本地的jupyter notebook与plotly server建立通信，即可调用已经做好的可视化内容做展示。Plotly同时有freemium和premium两种账户，免费账户已经可以满足基本需要。 
此外，作为数据分析师，一个重要的工作场景就是为业务团队建立dashboard，plotly强大的交互功能得到了淋漓尽致的体现。 
另外的交互可视化库有Bokeh,Pyecharts

地图可视化库

处理地理信息数据，一般用于机器学习的可能性小，主要有Geoplotlib和Mapbox

 可视化网站推荐：

• datatables  (http://www.datatables.club/)  Datatables是一款jquery表格插件。它是一个高度灵活的工具，可以将任何HTML表格添加高级的交互功能。
• layui (https://www.layui.com/)  经典模块化前端框架