深度盘点 | 史上最全python数据可视化库
官网：
https://matplotlib.org
优点：绘图质量高，可绘制出版物质量级别的图形。代码够简单，易于理解和扩展，使绘图变得轻松，通过Matplotlib可以很轻松地画一些或简单或复杂的图形，几行代码即可生成直方图、条形图、散点图、密度图等等，最重要的是免费和开源。
▌02 Pandas
官网：
https://pandas.pydata.org/ 👉
优点：Pandas是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观的处理关系型、标记型数据。
▌03 Seaborn
官网：
https://seaborn.pydata.org/
优点：Seaborn利用matplotlib的强大功能，几行代码就能创建漂亮的图表。其与matplotlib主要的区别是Seaborn的默认样式以及更美观、更现代的调色板设计。
▌04 Scikit-plot
官网：
https://pypi.org/project/scikit-plot/
优点：Scikit-Plot是由ReiichiroNakano创建的用在机器学习的可视化工具，能最快速简洁的画出用Matplotlib要写很多行语句才能画出的图。
▌05 Yellowbrick
官网：
https://www.scikit-yb.org/en/latest/
优点：这是一款基于sklearn+matplotlib模块构建的更加高级的可视化工具，能够更加方便地完成很多数据探索、分词与展示工作。
▌06 Networkx
官网 ：
https://networkx.github.io/documentation/stable/tutorial.html
优点：NetworkX是一个Python包，用于创建、操纵和研究复杂网络的结构、以及学习复杂网络的结构、功能及其动力学。
▌07 Vega
官网：
https://vega.github.io/vega
优点：Vega是一种可视化语法，用于创建、保存和共享交互式可视化设计的声明式语言。使用Vega，我们能够以jsON格式描述可视化的视觉外观和交互行为，并使用Canvas或SVG生成基于Web的视图。
▌08 D3js
官网：
https://d3js.org
优点：D3.js是目前市场上最好的数据可视化库之一，既可以将它与python一起使用，也可以与R一起使用。最初，它可以与JavaScript一起使用，根据数据操作文档。您可以使用HTML，SVG和CSS将数据变成活灵活现的图表。
▌09 Mpld3
官网：
https://mpld3.github.io/
优点：mpld3基于python的graphinglibrary和D3js，汇集了Matplotlib流行的项目的JavaScript库，用于创建web交互式数据可视化。
▌010 Vincent
官 网：
https://vincent.readthedocs.io/en/lates/
优点：Vincent是一个很酷的可视化工具，它以Python数据结构作为数据源，然后把它翻译成Vega可视化语法，并且能够在d3.js上运行。这让你可以使用Python脚本来创建漂亮的3D图形来展示你的数据。Vincent底层使用Pandas和DataFrames数据，并且支持大量的图表—-条形图、线图、散点图、热力图、堆条图、分组条形图、饼图、圈图、地图等等。
▌011 Altair
官网：
https://altair-viz.github.io/
优点：Altair是Python的一个公认的统计可视化库。它的API简单、友好、一致，并建立在强大的vega-lite（交互式图形语法）之上。
▌012 OpenGL
官网：
https://www.opengl.org/
优点：OpenGL是一个开放的三维图形软件包，它独立于窗口系统和操作系统，以它为基础开发 的应用程序可以十分方便地在各种平台间移植。
▌013 Vispy
官网：
https://vispy.org/index.html
优点：VisPy是一个用于交互式科学可视化的Python库，快速、可伸缩、且易于使用，是一个高性能的交互式2维，3维数据可视化库，利用了现代图形处理单元(gpu)的计算能力，通过OpenGL库来显示非常大的数据集。
▌014 Glumpy
官网：
http://glumpy.github.io/
优点：Glumpy使用OpenGL纹理（textures）来表示阵列，因为这恐怕是在现代图形硬件上最快的可视化方法了。
▌015 Vaex
官网：
https://vaex.readthedocs.io/en/latest/
优点：Vaex是一个开源的DataFrame库，它可以对表格数据集进行可视化、探索、分析，可视化使用直方图、使用直方图、密度图和3D立体渲染进行可视化。
▌016 Datashader
官网：
https://datashader.org/
优点：Datashader是一个图形管道系统，用于快速，灵活地创建大型数据集的有意义的表示形式。
▌017 Ipyvolume
官 网 ：
https://github.com/maartenbreddels/ipyvolume
优点：IPyvolume是对3维数据的可视化，matplotlib是对2维数据的可视化。
▌018 Ipyleaflet
官 网 ：
https://github.com/doclements/ipyleaflet
优点：ipyleaflet是基于leaflet的地图显示模块，提供了jupyterlab支持。ipyleaflet可进行地图动态显示，图形添加等。
▌019 Pythreejs
官 网 ：
https://pypi.org/project/pythreejs/0.2.0/
优点：Pythreejs是基于Jupyter，连接python和threejs的一个3d可视化图形库。
▌020 Bokeh
官网：
https://bokeh.pydata.org/en/latest/
优点：Bokeh是一个专门针对Web浏览器的呈现功能的交互式可视化Python库,支持现代化web浏览器展示，Bokeh能与NumPy，Pandas，Blaze等大部分数组或表格式的数据结构完美结合。
▌021 Toyplot
官 网 ：
https://toyplot.readthedocs.io/en/stable/
优点：Toyplot是一个Python的交互式绘图库，可用于数据可视化、绘图、文字，用各种形式展示。
▌022 Cufflinks
官 网 ：
https://github.com/santosjorge/cufflinks
优点：Cufflinks将Plotly直接绑定到pandas数据帧。这种组合非常惊人，结合了Pandas的灵活性，比Plotly更有效，语法甚至比plotly简单。
▌023 Plotly
官网：
https://plot.ly/python/
优点：Plotly是一个开源，交互式和基于浏览器的Python图形库，可以创建能在仪表板或网站中使用的交互式图表（可以将它们保存为html文件或静态图像）。
▌024 Pygal
官网：
https://www.pygal.org/en/stable
优点：pygal是一种开放标准的矢量图形语言，它基于XML（ExtensibleMarkupLanguage），可以生成多个输出格式的高分辨率Web图形页面，还支持给定数据的html表导出。
▌025 Chaco
官网：
https://pypi.org/project/chaco
优点：Chaco 和 Matplotlib 是很优秀的 2D 绘图库， Chaco 库和 Traits 库紧密相连，方便制作动态交互式的图表功能。
▌026 pyQTgraph
官网：
https://www.pyqtgraph.org/
优点：PyQtGraph是在PyQt4/PySide和numpy上构建的纯python的GUI图形库。PyQtGraph完全是在python中编写的，是一个非常有能力的图形系统，可以进行大量的数据处理，数字运算；使用了Qt的GraphicsView框架优化和简化了工作流程，实现以最少的工作量完成数据可视化，且速度也非常快。
▌027 Pyecharts
官 网 ：
https://github.com/pyecharts/pyecharts/
优点：pyecharts是基于Echarts开发的，是一个用于生成Echarts图表的类库。Echarts是百度开源的一个数据可视化JS库，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。
▌028 Wordcloud
官网：
https://amueller.github.io/word_cloud/
优点：wordcloud基于Python的词云生成类库。词云图，也叫文字云，是对文本中出现频率较高的“关键词”予以视觉化的展现，词云图过滤掉大量的低频低质的文本信息，使得浏览者只要一眼扫过文本就可领略文本的主旨。
▌029 Ggplot
官网：
https://ggplot.yhathq.com/
优点：ggplot是基于R的ggplot2和图形语法的Python的绘图系统，实现了更少的代码绘制更专业的图形。
▌030 Geoplotlib
官 网 ：
https://residentmario.github.io/geoplot/index.html
优点：geoplotlib是python的一个用于地理数据可视化和绘制地图的工具箱，你可以用它来创建各种各样的地图类型，比如等值线图、热图和点密度地图。
▌031 Folium
官 网 ：
https://github.com/python-visualization/folium
优点：Folium是一个建立在Python系统之上的js库，集Python生态系统的数据优势和Leaflet.js库的映射优势之上。既可以在python中操作数据，然后通过folium在Leaflet地图中将其可视化，还可自定义箭头，网格等HTML格式的地图标记。
▌032 Missingno
官 网 ：
https://www.github.com/ResidentMario/missingno
优点：missingno 是基于matplotlib建造的一个模块，出图速度很快，并且能够灵活的处理pandas数据，它允许你通过直观的总结快速衡量数据集的完整性，而不是艰难地浏览表格。你可以根据热图或树形图中的完成度或点相关来过滤和排序数据。
▌033 Leather
官网：
https://leather.rtfd.io
优点：Leather一种可读且用户界面友好的API，新手也能快速掌握。图像成品非常基础，适用于所有的数据类型，针对探索性图表进行了优化，产生与比例无关的SVG图，这样在你调整图像大小的时候就不会损失图像质量。
▌034 HoloViews
官网：
https://holoviews.org/
优点：HoloViews是一个开源的Python库，可以用非常少的代码行中完成数据分析和可视化，它将matplotlib和Bokeh结合了起来。
▌035 Mayavi2
官 网 ：
https://docs.enthought.com/mayavi/mayavi
优点：Mayavi2是一个通用的、跨平台的三维科学数据可视化工具。可以在二维和三维空间中显示标量、向量和张量数据。可通过自定义源、模块和数据过滤器轻松扩展。
▌036 python-igraph
官网：
https://igraph.org/python/
优点：Python界面的igraph高性能图形库，主要针对复杂的网络研究和分析。这个主要是用于绘制关系图的。
▌037 gleam
官网：
https://gleam.io/
优点：Gleam允许只利用Python构建数据的交互式，生成可视化的网络应用。无需具备HTMLCSS或JaveScript知识，就能使用任一种Python可视化库控制输入。
▌038 YT
官网：
https://github.com/yt-project/yt
优点：yt是一个开源的、许可的python包，用于分析和可视化体积数据。
整理 | 小熊
排版 | 九尾
校对 | 兆锋
End