= pygal.()
#繪圖
.add('', [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55])
.add('', [1, 1, 1, 2, 2, 3, 4, 5, 7, 9, 12])
#保存圖片
.('bar1.png')
運行結果:
9.VisPy
VisPy是一個用于交互式科學可視化的庫，快速、可伸縮、且易于使用，是一個高性能的交互式2維， 3維數據可視化庫，利用了現代圖形處理單元(gpu)的計算能力，通過庫來顯示非常大的數據集。
安裝
pip VisPy
快速入門
from vispy.plot Fig
#調用類（Fig）
fig = Fig()
#創建
= fig[0, 0]
= fig[0, 1]
#繪圖
numpy as np
data = np..randn(2, 3)
.plot(data)
.(data[1])
運行結果
10.
是一個包，用于創建、操縱和研究復雜網絡的結構、以及學習復雜網絡的結構、功能及其動力學。
提供了適合各種數據結構的圖表、二合字母和多重圖，還有大量標準的圖算法，網絡結構和分析措施，可以產生隨機網絡、合成網絡或經典網絡，且節點可以是文本、圖像、XML記錄等，并提供了一些示例數據(如權重，時間序列)。
測試的代碼覆蓋率超過90%，是一個多樣化，易于教學，能快速生成圖形的平臺。
安裝
方法一：
pip
方法二：
下載安裝（）
快速入門
. as plt
as nx
numpy.
#生成隨機數
n = 1000
m = 5000
G = nx.(n, m)
#定義數據分布特征
L = nx.(G)
e = numpy..(L.A)
#繪圖并顯示
plt.hist(e, bins=100)
plt.xlim(0, 2)
plt.show()
運行結果
11.
的 在網上提供了交互式的、公開的，高質量的圖表集，可與R、、等軟件對接。它擁有在別的庫中很難找到的幾種圖表類型，如等值線圖，樹形圖和三維圖表等，圖標類型也十分豐富，申請了API密鑰后，可以一鍵將統計圖形同步到云端。但美中不足的是，打開國外網站會比較費時，且一個賬號只能創建25個圖表，除非你升級或刪除一些圖表。
安裝：
pip
簡單入門
. as py
. as go
= go.(
x=[0, 1, 2, 3, 4, 5],
y=[1.5, 1, 1.3, 0.7, 0.8, 0.9]
)
= go.Bar(
x=[0, 1, 2, 3, 4, 5],
y=[1, 0.5, 0.7, -1.2, 0.3, 0.4]
)
data = [, ]
py.iplot(data, ='bar-line')
運行結果
12.
和包支持多個地理投影，并提供一些可視化效果，包括點圖、熱圖、等高線圖和形狀文件。PySAL是一個由編寫的空間分析函數的開源庫，它提供了許多基本的工具，主要用于形狀文件。但是，這些庫不允許用戶繪制地圖貼圖，并且對自定義可視化、交互性和動畫的支持有限。
是的一個用于地理數據可視化和繪制地圖的工具箱，并提供了一個原始數據和所有可視化之間的基本接口，支持在純中開發硬件加速的交互式可視化，并提供點映射、內核密度估計、空間圖、泰森多邊形圖、形狀文件和許多更常見的空間可視化的實現。除了為常用的地理數據可視化提供內置的可視化功能外，還允許通過定義定制層來定義復雜的數據可視化（繪制，如分數、行和具有高性能的多邊形），創建動畫。
安裝：
pip
快速入門
from .
from .utils ,
data = ('data/bus.csv')
.(data, cmap='hot_r')
.(.DK)
.(True)
.show()
運行結果
13.
是一個建立在系統之上的js庫，可以很輕松地將在中操作的數據可視化為交互式的單張地圖，且將緊密地將數據與地圖聯系在一起，可自定義箭頭，網格等HTML格式的地圖標記。該庫還附有一些內置的地形數據。
安裝
方法一：
pip
方法二：
conda
方法三：
下載安裝（）
快速入門
#確定經緯度
m = .Map(=[45.5236, -122.6750])
m
運行結果
14.Gleam
Gleam允許你只利用構建數據的交互式，生成可視化的網絡應用。無需具備HTML CSS或知識，就能使用任一種可視化庫控制輸入。當你創建一個圖表的時候，你可以在上面加上一個域，讓任何人都可以實時地玩轉你的數據，讓你的數據更通俗易懂。
安裝：
pip Gleam
快速入門
from
from *
from gleam Page,
#定義繪圖函數
class (.):
title = .(label="Title of plot:")
yvar = .(label="Y axis",
=[("beef", "Beef"),
("pork", "Pork")])
= .(label=" Curve")
class (.):
name = ""
def plot(self, ):
p = (meat, aes(x='date', y=.yvar))
if .:
p = p + (color="blue")
p = p + () + (.title)
p
class (Page):
input = ()
= ()
#運行
.run()
運行結果
15.
是一個很酷的可視化工具，它以數據結構作為數據源，然后把它翻譯成Vega可視化語法，并且能夠在d3js上運行。這讓你可以使用腳本來創建漂亮的3D圖形來展示你的數據。底層使用和數據，并且支持大量的圖表—-條形圖、線圖、散點圖、熱力圖、堆條圖、分組條形圖、餅圖、圈圖、地圖等等。
安裝
pip
快速入門
bar = .Bar(['y1'])
bar.(x='Index', y='Value')
bar.('vega.json')
運行結果
16.mpld3
mpld3基于的 和D3js，匯集了流行的項目的庫，用于創建web交互式數據可視化。通過一個簡單的API，將圖形導出為HTML代碼，這些HTML代碼可以在瀏覽器內使用。
安裝
方法一：
pip mpld3
方法二：
下載安裝（）
快速入門
. as plt
numpy as np
mpld3
from mpld3
fig, ax = plt.()
x = np.(-2, 2, 20)
y = x[:, None]
X = np.zeros((20, 20, 4))
X[:, :, 0] = np.exp(- (x - 1) ** 2 - (y) ** 2)
X[:, :, 1] = np.exp(- (x + 0.71) ** 2 - (y - 0.71) ** 2)
X[:, :, 2] = np.exp(- (x + 0.71) ** 2 - (y + 0.71) ** 2)
X[:, :, 3] = np.exp(-0.25 * (x ** 2 + y ** 2))
im = ax.(X, =(10, 20, 10, 20),
='lower', =1, ='')
fig.(im, ax=ax)
ax.('An Image', size=20)
.(fig, .(=14))
mpld3.show()
運行結果
17.-
界面的高性能圖形庫，主要針對復雜的網絡研究和分析。
安裝
方法一：
pip -
方法二：
下載安裝（）
快速入門
from *
= g.("kk")
plot(g, = )
運行結果
18.
沒有高質量的數據，就沒有高質量的數據挖掘結果，當我們做監督學習算法，難免會碰到混亂的數據集，缺失的值，當缺失比例很小時，可直接對缺失記錄進行舍棄或進行手工處理，提供了一個小型的靈活的、易于使用的數據可視化和實用工具集，用圖像的方式讓你能夠快速評估數據缺失的情況，而不是在數據表里面步履維艱。你可以根據數據的完整度對數據進行排序或過濾，或者根據熱度圖或樹狀圖來考慮對數據進行修正。
是基于建造的一個模塊，所以它出圖速度很快，并且能夠靈活的處理數據。
安裝：
方法一：
pip
方法二：
下載安裝（）
快速入門
as msno
as pd
.data as web
numpy as np
p=print
= '/YOUR///'
= '/YOUR///'
# get index and fed data
f1 = 'USREC' # data from FRED
start = pd.('1999-01-01')
end = pd..today()
mkt = '^GSPC'
MKT = (web.([mkt,'^VIX'], 'yahoo', start, end)['Adj Close']
.('MS') # month start b/c FED data is month start
.mean()
.(={mkt:'SPX','^VIX':'VIX'})
.(= x: np.log(x['SPX']/x['SPX'].shift(1)))
.(= x: np.log(x['VIX']/x['VIX'].shift(1)))
)
data = (web.([f1], 'fred', start, end)
.join(MKT, how='outer')
.())
p(data.head())
p(())
msno.(data)
運行結果
19.
是一個通用的、跨平臺的三維科學數據可視化工具。可以在二維和三維空間中顯示標量、向量和張量數據。可通過自定義源、模塊和數據過濾器輕松擴展。也可以作為一個繪圖引擎，生成或腳本，也可以作為其他應用程序的交互式可視化的庫，將生成的圖片嵌入到其他應用程序中。
安裝
pip
快速入門
numpy
from mlab
def (x, y, z, s=10., r=28., b=8. / 3.):
"""The ."""
u = s * (y - x)
v = r * x - y - x * z
w = x * y - b * z
u, v, w
# 取樣.
x, y, z = numpy.mgrid[-50:50:100j, -50:50:100j, -10:60:70j]
u, v, w = (x, y, z)
fig = mlab.(size=(400, 300), =(0, 0, 0))
# 用合適的參數畫出軌跡的流動.
f = mlab.flow(x, y, z, u, v, w, =3, ='')
f... = True
f..n = 'both'
f.. = 200
# 提取特征并繪制
src = f..
e = mlab..nents(src)
= 'z-'
zc = mlab..(e, =0.5, =[0, ],
color=(0.6, 1, 0.2))
# 背景設置
zc.actor.. = True
# 圖片展示
mlab.view(140, 120, 113, [0.65, 1.5, 27])
mlab.show()
運行結果（其實是動態的很炫，就是文件太大了)
20.
一種可讀且用戶界面友好的API，新手也能快速掌握。圖像成品非常基礎，適用于所有的數據類型，針對探索性圖表進行了優化，產生與比例無關的SVG圖，這樣在你調整圖像大小的時候就不會損失圖像質量
安裝
方法一：
pip
方法二：
下載安裝（）
快速入門
csv
with open('gii.csv') as f:
= csv.(f)
next()
data = list()[:10]
for row in data:
row[1] = float(row[1]) if row[1] is not None else None
chart = .Chart('Data from CSV ')
chart.(data, x=1, y=0)
chart.('.svg')
運行結果:
結語：
在 中，將數據可視化有多種選擇，因此何時選用何種方案才變得極具挑戰性。
如果你想做一些專業的統計圖表輸入數據就能繪制圖表的軟件，我推薦你使用，；數學輸入數據就能繪制圖表的軟件，科學，工程領域的學者就選擇，VisPy，；網絡研究和分析方面，，-會是一個不錯的選擇。
地理投影就選，；評估數據缺失就選；有了再也不用為高維圖形犯愁；如果你不喜歡花俏的修飾，那就選擇。
如果你是一名新手但有基礎，會很好上手；有R基礎的就選；如果你是新手或懶癌晚期者，將會是一大福音，它提供了大量圖表集可供你選擇與使用。
歡迎投資數據分析領域的學習，數據分析將成為人人都必備的職場技能.....
加入方式：
1：掃碼加入
2、加入方式：