Python的数据可视化工具PyViz

在大数据时代,很多数据科学家或分析师的活动都依赖于数据可视化。作为首选的开发语言Python,除了Matplotlib和Bokeh,还有很多可视化工具。每个工具各有优缺点,使用哪一个则让人犯难。

PyViz的出现解决了这个问题。PyViz是一套专注于Web浏览器中的交互式绘图的开源Python库,它简化了在Web浏览器中处理小型和大型数据集的过程,从几点到几十亿点。无论是进行探索性分析,还是制作小部件简单工具,或者构建功能齐全的仪表板,PyViz都能搞定。下面是PyViz里面的库。


Image credit: 1024.com

PyViz自己维护的核心库:
Panel,利用坐标绘图库制作应用程序和仪表板。
https://panel.pyviz.org/
hvPlot,可以快速生成数据的交互式坐标图形。
http://hvplot.pyviz.org/
HoloViews,可使数据立即可视化。
http://holoviews.org/
GeoViews,使HoloViews扩展应用于地理数据。
http://geoviews.org/

PyViz支持的可视化库:
Bokeh,用于Web浏览器的交互式可视化Python库。
http://bokeh.pydata.org/
Matplotlib,Python中最常用的可视化库。
http://matplotlib.org/
Datashader,基于Bokeh、使用了numba套件的图形绘制Pipeline,绘制效率高、支持大数据集的渲染。
http://datashader.org/
Plotly,图形库,fork自PIL(Python Imaging Library)。
https://plot.ly/
seaborn,基于matplotlib的Python可视化库。
http://seaborn.pydata.org/
Altair,基于Vega-Lite的声明式可视化库。
https://altair-viz.github.io/
Vega,可在JSON中描述和使用HTML5 Canvas或SVG生成交互式视图。
https://vega.github.io/
plotnine,基于ggplot2,通过将数据显式映射到构成绘图的可视对象来组合绘图。
https://plotnine.readthedocs.io/
Graphviz,一个绘图工具软件。
https://graphviz.org/
ggplot2,一个人性化的绘图工具软件。
https://ggplot2.tidyverse.org/

PyViz支持的数据和计算库,用于处理Python数据类型(列表、字典等):
Pandas,
http://pandas.pydata.org/
NumPy,
http://numpy.org/
Xarray,
http://xarray.pydata.org/
Intake,
https://intake.readthedocs.io/
Dask,
http://dask.pydata.org/
Numba,
http://numba.pydata.org/
SciPy,
https://docs.scipy.org/doc/scipy/reference/

PyViz使用和支持的其它库:
Param,
http://param.pyviz.org/
Colorcet,
http://colorcet.pyviz.org/
NetworkX,
http://networkx.github.io/
GeoPandas,
http://geopandas.org/
Cartopy,
http://scitools.org.uk/cartopy
Iris,
https://scitools.org.uk/iris
yt,
https://yt-project.org/
SymPy,
https://sympy.org/
Jupyter,
http://jupyter.org/
Pillow,
https://python-pillow.org

PyViz网站:
http://pyviz.org/

PyViz的开源代码:
https://github.com/pyviz/pyviz

登录注册后才能评论。