5?款实用Python数据可视化工具你都了解嘛？

本文插图
来源：早起Python
本文约3100字，建议阅读9分钟本文通过真实绘图，为你深度测评Python五大数据可视化库。
[ 导读 ]相信很多读者学习Python就是希望做出各种酷炫的可视化图表，当然你一定会听说过Matplotlib、Pyecharts、seaborn、Plotly、Bokeh这五大工具，本文就将通过真实绘图来深度评测这五个Python数据可视化的库，看看到底这几种工具各有什么优缺点，在制作图表时该如何选择。

本文插图

指标说明

为了更清晰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作多系列条形图来对比，主要将通过以下几个指标来进行评测：

本文插图

数据说明

本文使用的数据为Pyecharts中的Faker数据：
from pyecharts.faker import Faker x = Faker.choose() y1 = Faker.values() y2 = Faker.values()

本文插图
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，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而Python是一门富有表达力的语言，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中制作条形图首先需要导入相关库：
from pyecharts import options as opts from 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，注意仅接收list格式数据，最后添加标题并设置在notebook中直接展示。总体来说还是比较符合正常的作图逻辑，整体代码量并不多。
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：

本文插图
可以看到，该图支持交互式展示与点击，默认生成的样式也较为美观，并且Pyecharts有详细的中文文档与demo ，网上关于Pyecharts的讨论也较多，如果是刚接触的读者也能比较快的上手。
当然如果对默认样式不满意的话，可以进行一些调整，由于文档十分完整，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：

本文插图
总体来说，由于Pyecharts是基于Echarts制作的，因此生成图表比较美观，并且官方中文文档对相关设置讲解非常详细，有关Pyecharts的讨论也非常多，所以如果在使用过程中有相关疑问也很容易通过检索找到答案，但遗憾的是不支持使用pandas中的series数据，需要转换为list才可以使用，不过整体还是让我很满意的一款可视化库。