你要的Python可视化工具都在这里

声明：本文是对这篇文章的总结，所有的例子都在本地实际运行过，并修复了原文中一些在python 3下运行时的bug。

本人微博：珞珈学渣，本人博客：博客原文
简介
python的第三方包有多个选项来可视化数据，这给了我们更多的选择空间，但也正是由于这种多样性，确定使用哪一个可视化工具来完成任务时有挑战性。本文包含一些更受欢迎的示例，并说明如何使用它们来创建一个简单的条形图。本文使用到的数据，可以通过这个链接下载。我将分别使用下边的工具创建统计图形：

1. Pandas
2. Seaborn
3. ggplot
4. Bokeh
5. pygal
6. Plotly

Matplotlib的讨论
Matplotlib是python可视化包的祖父，它是非常强大的，你通常可以使用matplotlib做出任何你想要的统计图形,这在前一篇文章中已经有描述，但是使用起来也最为复杂。本文不打算给出纯Matplotlib例子，因为许多工具（特别是Pandas和Seaborn）在matplotlib上进行了一些封装，使得matplotlib使用起来更为简单明了。
一点经验
统计制图过程中所面临的最大的挑战是给定一些大的标签，格式化x和y轴，使数据看起来合理，另外也需要花一些时间将数据格式化为每个工具想要的格式。
Pandas
我使用一个pandas DataFrame作为所有各种绘图的起点。幸运的是，pandas确实为我们提供了一个内置的绘图能力，这是matplotlib的一个层。
首先，import我们的模块，并读入数据到一个budget的DataFrame,然后对数据进行排序，并选取前10行。

import pandas as pd
budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]
budget
                                      category                                         detail     amount
46                              ADMINISTRATION   Capitol Renovation and Restoration Continued  126300000
1                      UNIVERSITY OF MINNESOTA        Minneapolis; Tate Laboratory Renovation   56700000
78                              HUMAN SERVICES        Minnesota Security Hospital - St. Peter   56317000
0                      UNIVERSITY OF MINNESOTA  Higher Education Asset Preservation (HEAPR) 1   42500000
5    MINNESOTA STATE COLLEGES AND UNIVERSITIES  Higher Education Asset Preservation (HEAPR) 2   42500000
6    MINNESOTA STATE COLLEGES AND UNIVERSITIES                  Metropolitan State University   35865000
13   MINNESOTA STATE COLLEGES AND UNIVERSITIES           Minnesota State University - Mankato   25818000
59                              TRANSPORTATION             Local Road Improvement Fund Grants   24356000
105        EMPLOYMENT AND ECONOMIC DEVELOPMENT                    Minneapolis - Nicollet Mall   21500000
121           MINNESOTA HOUSING FINANCE AGENCY                      MN Housing Finance Agency   20000000

现在，设置pandas的显示以使用更好的默认值，并创建条形图：

pd.options.display.mpl_style = 'default'
budget_plot = budget.plot(kind="bar",x=budget["detail"], title="MN Capital Budget - 2014",legend=False)

得到的图形如下:

可以通过下面的代码将图像保存为png文件。

fig = budget_plot.get_figure()
fig.savefig("2014-mn-capital-budget.png")

Seaborn
Seaborn是一个基于matplotlib的可视化库,它试图使默认数据可视化在视觉上更吸引人,另外它和pandas能够很好的集成，使更复杂的统计图形更加容易的被创建。
首先载入数据到pandas：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
 
budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]

然后使用seaborn进行统计制图:

sns.set_style("darkgrid")
bar_plot = sns.barplot(x=budget["detail"],y=budget["amount"], palette="muted",x_order=budget["detail"].tolist())
plt.xticks(rotation=90)
plt.show()

得到统计图形如下

需要注意的是在上面的代码里使用了matplotlib对X轴的标签进行了垂直化处理，从而使得它们不会重叠在一起。

ggplot
ggplot类似于Seaborn，它建立在matplotlib之上，旨在以一种简单的方式提高matplotlib可视化的视觉吸引力。它和seaborn不同之处在于它是一个R统计图形包ggplot2移植到python的版本.所以一些API看起来不是那么符合python的规范，但是它的功能非常强大。
继续导入并读取我们的数据：

import pandas as pd
from ggplot import *
 
budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]

然后使用ggplot命令创建统计图形

p = ggplot(budget, aes(x="detail",y="amount")) + \
    geom_bar(stat="bar", labels=budget["detail"].tolist()) +\
    ggtitle("MN Capital Budget - 2014") + \
    xlab("Spending Detail") +  \
    ylab("Amount") + scale_y_continuous(labels='millions') + \
    theme(axis_text_x=element_text(angle=90))
print(p)

得到的统计图形如下

然后可以使用下面的命令将图形存储为png文件。

ggsave(p, "mn-budget-capital-ggplot.png")

   Bokeh
Bokeh不同于之前的3个库，因为它不依赖于matplotlib并且适合于在现代web浏览器中生成可视化。
首先载入数据到pandas:

import pandas as pd
from bokeh.charts import Bar, show
 
budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]
details = budget["detail"].values.tolist()
amount = list(budget["amount"].astype(float).values)
bar = Bar(budget, 'detail', values='amount', title="MN Capital Budget - 2014", )
show(bar)

运行上面的命令浏览器会自动被打开，并得到统计图形如下：

Pygal
Pygal用于创建svg图表,svg文件对于制作交互式图表非常有用, 使用此工具创建独特的外观和视觉吸引力的图表是很容易的。

import pandas as pd
import pygal
from pygal.style import LightStyle
 
budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]
bar_chart = pygal.Bar(style=LightStyle, width=800, height=600, legend_at_bottom=True, human_readable=True, title='MN Capital Budget - 2014')
for index, row in budget.iterrows():
    bar_chart.add(row["detail"], row["amount"])
bar_chart.render_to_file('budget.svg')

得到统计图形如下：

Plot.ly
Plot.ly是一个用于做分析和可视化的在线工具,Plotly与pandas可以无缝地集成，可以做出很多非常丰富，互动的图表，并且文档非常健全，创建条形图相对简单，另外申请了API密钥后，可以一键将统计图形同步到云端。

import plotly.plotly as py
import pandas as pd
from plotly.graph_objs import *
from plotly.offline import plot
 
budget=pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]
data = Data([
    Bar(
        x=budget["detail"],
        y=budget["amount"]
    )
])
layout = Layout(
    title='2014 MN Capital Budget',
    font=Font(
        family='Raleway, sans-serif'
    ),
    showlegend=False,
    xaxis=XAxis(
        tickangle=-45
    ),
    bargap=0.05
)
fig = Figure(data=data, layout=layout)

运行上面的命令浏览器会自动打开，并得到统计图形如下：

做出的统计图形很漂亮，交互程度很高，还可以一键同步到云端，或者分享给别人。

在python生态系统中绘制数据是一个好消息/坏消息。好消息是，有很多选择,坏消息是，有很多选择, 试图找出哪些适用于你将取决于你想要完成什么。
这里是我的一些想法：
a.Pandas是方便的简单的地块，但你需要愿意学习matplotlib自定义。
b.Seaborn可以支持一些更复杂的可视化方法，但仍然需要matplotlib知识来调整。
c.ggplot还不太稳定，在迅速发张中。
d.bokeh是一个强大的工具，如果你想设置自己的可视化服务器。
e.pygal独自通过能够生成交互式svg图形和png文件，单它不像基于matplotlib的解决方案那么灵活。
f.Plotly生成最互动的图表，您可以离线保存它们，并创建非常丰富的基于Web的可视化。