matplotlib.pyplot、pandas、seaborn之外别的绘图方式

除了常见的 matplotlib.pyplot、 pandas 和 seaborn，还有其他多种绘图库和方式可以在 Python 中进行数据可视化。以下是一些常用的绘图库：

1. Plotly

• 支持交互式图表，适合用于网页应用。
• 可以生成复杂的可视化，如3D图和地理图。

import plotly.express as px

fig = px.scatter(data_frame, x='x_column', y='y_column')
fig.show()

2. Bokeh

• 适合创建交互式和可缩放的可视化，尤其适合用于Web应用。

from bokeh.plotting import figure, show

p = figure(title="Simple Line Example")
p.line(x_data, y_data)
show(p)

3. Altair

• 基于 Vega 和 Vega-Lite 的声明性可视化库，适合快速生成图表。

import altair as alt

chart = alt.Chart(data).mark_line().encode(x='x_column', y='y_column')
chart.show()

4. ggplot

• 受 R 中 ggplot2 启发的库，使用语法类似于 ggplot2。

from plotnine import ggplot, aes, geom_line

ggplot(data) + aes(x='x_column', y='y_column') + geom_line()

5. Pillow (PIL)

• 主要用于图像处理，但也可以用于创建简单的图形和图像。

6. NetworkX

• 专门用于绘制图和网络结构。

import networkx as nx
import matplotlib.pyplot as plt

G = nx.Graph()
# 添加节点和边
nx.draw(G)
plt.show()

7. Mayavi

• 适合3D可视化，特别是在科学计算中。

8. Geopandas

• 用于地理数据的可视化，基于 pandas 和 matplotlib。

9. Dash

• 基于 Flask 和 Plotly 的框架，可以创建交互式Web应用。

10. VisPy

• 高性能的可视化库，适合处理大规模数据。

这些库提供了不同的功能和可视化风格。