概述

• 前言

• 推荐

• plotly

• bokeh

• pyecharts

• 后记

前言

更新：上一篇文章《python 数据可视化利器》中，我写了 bokeh、pyecharts 的用法，但是有一个挺强大的库 plotly 没写，主要是我看到它的教程都是在 jupyter notebooks 中使用，说来也奇怪，硬是找不到如何本地使用（就是本地输出 html 文件），所以不敢写出来。现在已经找到方法了，这里我就在原文的基础上增加了 plotly 的部分教程。

前段时间有读者向我反映，想看看数据可视化方面的文章，这不？现在就开始写了，如果你想看哪些方面的文章，可以通过留言或者后台告诉我。数据可视化的第三方库挺多的，这里我主要推荐两个，分别是 bokeh、pyecharts。如果我的文章对你有帮助，欢迎关注、点赞、转发，这样我会更有动力做原创分享。

推荐

数据可视化的库有挺多的，这里推荐几个比较常用的：

• Matplotlib

• Plotly

• Seaborn

• Ggplot

• Bokeh

• Pyechart

• Pygal

Plotly

plotly 文档地址（https://plot.ly/python/#financial-charts）

使用方式：

plotly 有 online 和 offline 两种方式，这里只介绍 offline 的。

这是 plotly 官方教程的一部分

import plotly.plotly as pyimport numpy as npdata = [dict(    visible=False,    line=dict(color='#00CED1', width=6), # 配置线宽和颜色    name='? = ' + str(step),    x=np.arange(0, 10, 0.01), # x 轴参数    y=np.sin(step * np.arange(0, 10, 0.01))) for step in np.arange(0, 5, 0.1)] # y 轴参数data[10]['visible'] = Truepy.iplot(data, filename='Single Sine Wave')

只要将最后一行中的

py.iplot

替换为下面代码

py.offline.plot

便可以运行。

漏斗图

这个图代码太长了，就不 po 出来了。

Basic Box Plot

好吧，不知道怎么翻译，直接用原名。

import plotly.plotlyimport plotly.graph_objs as goimport numpy as npy0 = np.random.randn(50)-1y1 = np.random.randn(50)+1trace0 = go.Box(    y=y0)trace1 = go.Box(    y=y1)data = [trace0, trace1]plotly.offline.plot(data)

Wind Rose Chart

好吧，不知道怎么翻译，直接用原名。

import plotly.graph_objs as gotrace1 = go.Barpolar(    r=[77.5, 72.5, 70.0, 45.0, 22.5, 42.5, 40.0, 62.5],    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],    name='11-14 m/s',    marker=dict(        color='rgb(106,81,163)'    ))trace2 = go.Barpolar(    r=[57.49999999999999, 50.0, 45.0, 35.0, 20.0, 22.5, 37.5, 55.00000000000001],    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'], # 鼠标浮动标签文字描述    name='8-11 m/s',    marker=dict(        color='rgb(158,154,200)'    ))trace3 = go.Barpolar(    r=[40.0, 30.0, 30.0, 35.0, 7.5, 7.5, 32.5, 40.0],    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],    name='5-8 m/s',    marker=dict(        color='rgb(203,201,226)'    ))trace4 = go.Barpolar(    r=[20.0, 7.5, 15.0, 22.5, 2.5, 2.5, 12.5, 22.5],    text=['North', 'N-E', 'East', 'S-E', 'South', 'S-W', 'West', 'N-W'],    name='< 5 m/s',    marker=dict(        color='rgb(242,240,247)'    ))data = [trace1, trace2, trace3, trace4]layout = go.Layout(    title='Wind Speed Distribution in Laurel, NE',    font=dict(        size=16    ),    legend=dict(        font=dict(            size=16        )    ),    radialaxis=dict(        ticksuffix='%'    ),    orientation=270)fig = go.Figure(data=data, layout=layout)plotly.offline.plot(fig, filename='polar-area-chart')

Basic Ternary Plot with Markers

篇幅有点长，这里就不 po 代码了。

其他两个库的内容在上一篇文章中已经有了

后记

大概介绍就是这样了，三个库的功能都挺强大的，bokeh 的中文资料会少一点，如果阅读英文有点难度，还是建议使用 pyecharts 就好。总体也不是很难，按照文档来修改数据都能够直接上手使用。主要是多练习。

本文完

本文转自公众号「zone7」

原著是一个有趣的人,若有侵权,请通知删除