本文盘点了12款常用的Python数据可视化库，挑选适合自己业务的那一款吧！Python有很多数据可视化库，这些数据可视化库主要分为交互式可视化库和探索式可视化库。
交互式可视化库
数据可视化可以是静态的也可以是交互的，交互式的数据可视化是指人们使用计算机和移动设备深入图表和图形的具体细节，然后用交互的方式改变他们看到的数据。Python交互式可视化库主要包括如下几个。
1
Bokeh
Bokeh基于JavaScript实现交互式可视化，它是原生Python语法，它可以在Web浏览器中实现美观的视觉效果。它的优势在于能够创建交互式的网站图，可以很容易地将数据输出为JSON对象、HTML文档或交互式Web应用程序。Bokeh还支持流媒体和实时数据。
2
HoloViews
HoloViews是一个开源的Python库，结合Bokeh提供的交互式小部件，可以使用HTML5和WebGL快速生成交互式视图，以及进行高维数据的可视化探索。
3
Plotly
Plotly是一个数据可视化的在线平台，提供了一些在大多数库中没有的图表，如等高线图、树状图和3D图表。可以在线绘制条形图、散点图、饼图、直方图等多种图形，可以画出很多媲美Tableau的高质量图。Plotly支持在线编辑图形，支持Python、JavaScript、MATLAB和R等多种语言的API。它是一个高级的声明性图表库，提供了20多种图表类型，包含3D图表、统计图和SVG地图等。
4
pygal
与Bokeh和Plotly一样，pygal提供了可以嵌入Web浏览器的交互式视图。区别在于，它能够将图表输出为SVG格式。Pygal绘制线图的方法很简单，可以将图表渲染为一个SVG文件，用户使用浏览器打开SVG文件就可以查看生成的图表。
5
plotnine
plotnine是Python中图形语法的一种实现，它基于ggplot2包，语法绘图功能强大，可以轻松将数据映射到构成图的可视对象，然后创建自定义的图形。plotnine的优点为代码简洁，易学；绘制出的图流畅大方；不需要很多的代码就可以绘制出很不错的图。在使用plotnine绘图之前，首先需要理解绘图的基本概念。
6
Altair
Altair是一个专为Python编写，它可以让数据科学家更多地关注数据本身和其内在的联系。因为是基于Vega-Lite（交互式图形语法）的声明性统计可视化库，Altair API具有简单、友好、一致等特点。
7
ggplot
ggplot是基于R语言的ggplot2包和Python的绘图系统。ggplot的运行方式与Matplotlib不同，它允许用户对组件进行分层以创建完整的绘图。
8
Gleam
Gleam的灵感来自R语言的Shiny包。它允许用户仅使用Python脚本就可将分析结果转换为交互式Web应用程序，因此用户不必了解任何其他语言，如HTML、CSS或JavaScript。
探索式可视化库
探索式分析最大的优势在于，可以让业务人员在海量数据中“自由发挥”，不受数据模型的限制。Python探索式可视化库主要包括如下几个。
1
Matplotlib
Matplotlib是Python数据可视化库的元老，尽管它已有十多年的历史，但仍然是Python社区中使用最广泛的绘图库，编写几行代码即可生成线图、直方图、功率谱密度图、条形图、错误图、散点图等。Matplotlib是一个非常基础的Python可视化库，如果需要学习Python数据可视化，那么Matplotlib是非学不可的，之后再学习其他库就比较简单了。
2
Seaborn
Seaborn利用Matplotlib的强大功能，只用几行代码就能创建出漂亮的图表。它们的关键区别在于，Seaborn的默认款式和调色板设计更加美观和现代。由于Seaborn是在Matplotlib基础上构建的，因此用户还需要了解Matplotlib以便调整Seaborn的默认值。相对于Matplotlib，Seaborn语法更简洁，两者的关系类似于Numpy和Pandas的关系。但是需要注意的是，应该把Seaborn视为Matplotlib的补充，而不是替代物。
3
Pyecharts
Pyecharts是我国开发人员开发的，相比较Matplotlib、Seaborn等可视化库，Pyecharts十分符合国内用户的使用习惯。Pyecharts的目的是实现Echarts与Python的对接，以便在Python中使用Echarts生成图表。
Echarts是百度开源的一个数据可视化JavaScript库，生成的图的可视化效果非常好，其凭借良好的交互性，精巧的图表设计，得到了众多开发者的认可
4
Missingno
处理缺失的数据是一件让人痛苦的事，Missingno通过使用视觉摘要来快速评估数据集的完整性，而不是通过大篇幅的表格。它可以根据热力图或树状图的完成度或点的相关度对数据进行过滤和排序。
