最近沉迷于github，无法自拔，看到各种各样新奇又实用的第三方库。网络上有很多python库的排名、汇总，但总觉得不够具体生动。
01
数据可视化 -- pyecharts
GitHub Star ：5985
功能：
1 简洁的 API 设计，使用如丝滑般流畅，支持链式调用
2 囊括了 30 种常见图表，应有尽有
3 支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
4 可轻松集成至 Flask，Django 等主流 Web 框架
5 高度灵活的配置项，可轻松搭配出精美的图表
6 详细的文档和示例，帮助开发者更快的上手项目
7 多达 400 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持
使用方法：
代码语言：javascript复制from pyecharts.charts import Barbar = Bar()bar.add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"])bar.add_yaxis("商家A", [5, 20, 36, 10, 75, 90])# render 会生成本地 HTML 文件，默认会在当前目录生成 render.html 文件# 也可以传入路径参数，如 bar.render("mycharts.html")bar.render()
02
数据可视化 -- plotly
GitHub star ：5235
功能：
1 交互式开源可视化框架，支持超过40种独特图表类型，涵盖统计、财务、地理、学术、三维等。
2 建立在Javascript plotly库基础上，能使python用户创建基于web的可交互的可视化作品，其能在jupyter notebook上展示，而且可以导出为HTML。
3 plotly还可以在非web编辑器上（如pycharm、spyder）绘制图表
4 能导出出版级别的图片
使用方法：
代码语言：javascript复制import plotly.express as pxiris = px.data.iris()fig = px.scatter(iris, x="sepal_width", y="sepal_length")fig.show()
03
数据可视化 -- bokeh
GitHub star ：11061
功能：
1 专门针对Web浏览器的交互式、可视化Python绘图库
2 提供优雅简洁的多功能可视化展示，能快速创建图表、仪表板和可视化应用
3 可以做出像D3.js简洁漂亮的交互可视化效果，但是使用难度低于D3.js。
4 独立的HTML文档或服务端程序
5 可以处理大量、动态或数据流 支持Python (或Scala, R, Julia…)
6 不需要使用Javascript
使用方法：
代码语言：javascript复制from bokeh.plotting import figure, output_file, show# 创建图表p = figure(plot_width=300, plot_height=300, tools="pan,reset,save")# 图表中添加圆p.circle([1, 2.5, 3, 2], [2, 3, 1, 1.5], radius=0.3, alpha=0.5)# 定义输出形式output_file("foo.html")# 展示图表show(p)
