可视化工具不知道怎么选？深度评测大Python数据可视化工具.docxVIP

可视化工具不晓得怎样选？深度评测5大Python数据可视化工具 为了更清楚的了解这几款用于可视化的Python在作图时的异同，本文将使用同一组数据分别制造多系列条形图来对比，次要将通过以下几个目标来进行评测： 数听说明 本文使用的数据为Pyecharts中的faker数据 from?pyecharts.faker?import?Fakerx?=?Faker.choose()y1?=?Faker.values()y2?=?Faker.values() x为一列品牌名称，y1/y2为一列相同长度的无意义数据，接下来让我们使用不同的库对这组数据进行可视化！ 01 Pyecharts Echarts是一个由百度开源的数据可视化，凭仗着良好的交互性，精致的图表设计，得到了众多开发者的认可。而Python是一门富有表达力的言语，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了，支持30+种图表。在pyecharts中制造条形图首先需要导入相关库 from?pyecharts?import?options?as?optsfrom?pyecharts.charts?import?Bar 接着是绘图并不做任何任何调整，首先创建一个Bar实例，接着添加x轴y轴数据，留意仅接收list格式数据，最终添加标题并设置在notebook中直接呈现。总体来说还是比较符合正常的作图规律，全体代码量并不多。 c?=?(????Bar()????.add_xaxis(x)????.add_yaxis(商家A,?y1)????.add_yaxis(商家B,?y2)????.set_global_opts(title_opts=opts.TitleOpts(title=Pyecharts—柱状图,?subtitle=))).render_notebook() 默认生成的两系列柱状图如下： 可以看到，该图支持交互式呈现与点击，默认生成的样式也较为美观，并且Pyecharts有具体的中文文档与demo，网上关于Pyecharts的争辩也较多，假如是刚接触的读者也能比较快的上手。当然假如对默认样式不满足的话，可以进行一些调整，由于文档格外完整，所以代码修改起来并不困难，比如可以修改主题并设置一些标记线、DataZoom，添加小组件等 总体来说，由于Pyecharts是基于Echarts制造的，因而生成图表比较美观，并且官方中文文档对相关设置讲解格外具体，有关Pyecharts的争辩也格外多，所以假如在使用过程中有相关疑问也很简约通过检索找到答案，但圆满的是不支持使用pandas中的series数据，需要转换为list才可以使用，不过全体还是让我很满足的一款可视化库。客观评分:85分 02 Matplotlib Matplotlib应当是最广泛使用的Python可视化工具，支持的图形品种格外多，使用Matplotlib制造相同效果的图需要先导入相关库，并且并不支持原生中文所以还要设置下中文显示 import?matplotlib.pyplot?as?pltimport?numpy?as?npplt.rcParams[font.sans-serif]?=?[SimHei]? 接着就是绘图，但是相比较于pyecharts大多是往写好的代码里面添加数据、配置不同，matplotlib大多数需要我们本人写代码，所以代码量可能稍多一点 width?=?0.35x1?=?np.arange(len(x))?fig,?ax?=?plt.subplots()rects1?=?ax.bar(x1?-?width/2,?y1,?width,?label=商家A)rects2?=?ax.bar(x1?+?width/2,?y2,?width,?label=商家B)ax.set_title(Matplotlib—柱状图)ax.set_xticks(x1)ax.set_xticklabels(x)ax.legend()plt.show() 最终生成的默认图像如下 默认配色不是很好看但也没有很难看，看起来更学术一点，但是不支持交互式点击查看等操作，虽然代码量更多一点，但是由于Matplotlib的火热，网上关于matplotlib的材料比Pyecharts要多很多，所以写代码于调整代码的过程也并不简单，全体客观评分77分 03 Plotly Plotly也是一款格外强大的Python可视化库，Plotly内置完整的交互力量及编辑工具，支持在线和离线模式，供应稳定的API以便与现有应用集成，既可以在web扫瞄器中呈现数据图表，也可以存入本地拷贝。但是由于官方未供应中文文档，网上关于Plotly的教程也仅限于官方的一些demo，对于