单元十一Python可视化与可视化工具;;数据可视化是以图形或图表的形式展示数据。数据可视化后，可以更加直观地帮助人们快速地理解数据，发现数据的关键点。

数据可视化技术是关于数据视觉表现形式的科学技术研究。主要指的是较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。Python语言有丰富的、功能强大的、第三方库的支持，在数据可视化方面具有较强的功能。;数据可视化对于数据描述以及探索性分析至关重要，恰当的统计图表可以更有效的传递数据信息。在Python中已经有很多数据可视化方面的第三方库，例如：Matplotlib、pandas、Seaborn、ggplot、Bokeh、pygal、geoplotlib等。

matplotlib是一个Python绘图库，已经成为Python中公认的数据可视化工具，通过matplotlib可以很轻松地画一些或简单或复杂地图形，几行代码即可生成折线图、直方图、条形图、散点图等，使用方便简单。

pandas库的应变得更加普及，它的身影经常见于市场分析、金融分析以及科学计算中。作为数据分析工具的集大成者，pandas作者曾说，pandas中的可视化功能比matplotlib的子库pyplot更加简便和功能强大。通常情况下pandas就足够应付全部的可视化工作了。

Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝链接，使初学者更容易上手。相对于matplotlib，Seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系。?

HoloViews是一个开源的Python库，可以用非常少的代码行完成数据分析和可视化，除了默认的matplotlib后端外，还添加了一个Bokeh后端。Bokeh提供了一个强大的平台，通过结合Bokeh提供的交互式小部件，可以使用HTML5canvas和WebGL快速生成交互性和高维可视化，非常适合于数据的交互式探索。

Altair是Python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。AltairAPI不包含实际的可视化呈现代码，而是按照vega-lite规范发出JSON数据结构。由此产生的数据可以在用户界面中呈现，这种优雅的简单性产生了漂亮且有效的可视化效果，且只需很少的代码。

;PyQtGraph是在PyQt4/PySide和numpy上构建的纯Python的GUI图形库。它主要用于数学、科学、工程领域。尽管PyQtGraph完全是在Python中编写的，但它本身就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。?

ggplot是基于R的ggplot2和图形语法的Python绘图系统，实现了更少的代码绘制更专业的图形。它使用一个高级且富有表现力的API来实现线、点等元素的添加，颜色的更改等不同类型可视化组件的组合或添加，而不需要重复使用相同的代码，然而这对那些试图进行高度定制的用户来说，ggplot并不是最好的选择，尽管它也可以制作一些非常复杂、好看的图形。ggplot与pandas紧密联系。如果你打算使用ggplot，最好将数据保存在DataFrames中。?

Bokeh是一个Python交互式可视化库，支持现代化web浏览器展示（图表可以输出为JSON对象、HTML文档或者可交互的网络应用）。它提供风格优雅、简洁的D3.js的图形化样式，并将此功能扩展到高性能交互的数据集、数据流上。使用Bokeh可以快速便捷地创建交互式绘图、仪表板和数据应用程序等。?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。

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。用户可以直接用代码来描绘图像，可以用任何文字处理工具打开SVG图像，通过改变部分代码来使图像具有交互功能，并且可以插入到HTML中通过浏览器来观看。?

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2D/3D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。

NetworkX是一个Python包，用于创建、操纵和研究复杂网络的