数据可视化的工具

在这个信息大爆炸的时代，空有海量数据并没有很大的使用价值，数据可视化将技术与艺术完美地组合，借用图形化的手段，形象地显示海量数据的信息。数据可视化的应用十分广泛，几乎应用于金融、商业、通信等各个领域。接下来，我们来认识一些基于Python语言的可视化库，具体包括以下几种：

• Matplotlib库

Matplotlib是一个Python 2D绘图库，作图风格接近MATLAB，它已经成为Python中公认的数据可视化工具，适用于各种平台上（包括Python脚本、Python和IPython shell、Jupyter Notebook等），能够以各种硬拷贝格式和交互式环境生成出版品质图形。

Matplotlib具有以下特点：

(1) 使用极其简单。可以轻松地画一些简单或复杂的图形，仅仅用几行代码就能生成直方图、折线图、散点图等。

(2) 以渐进、交互的方式实现数据可视化。

(3) 对图形元素控制能力更强。

(4) 可输出PNG、PDF等多种格式。

• Seaborn库

Seaborn是基于Matplotlib的可视化库，专攻于统计可视化，使数据可视化更加赏心悦目。此外，Seaborn 可以和Pandas进行无缝链接，让初学者更容易上手。

Seaborn具有以下特点：

(1) 多个内置主题及颜色主题；

(2) 单变量和双变量用于比较数据集中各变量的分布情况；

(3) 对独立变量和相关变量进行回归拟合和可视化更加便捷；

(4) 对矩阵数据可视化，通过聚类算法探究矩阵间的结构；

(5) 基于时间序列的绘制和统计，更加灵活地不确定度估计；

(6) 基于网格绘制出更加复杂的图像集合。

• Bokeh 库

Bokeh是交互式可视化的绘图库，支持Web浏览器展示（图表可输出为JSON对象、HTML文档或可交互的网络应用），它提供了风格简洁、漂亮的D3.js的图形化样式，并且将此功能扩展到高性能交互的数据集上。

Bokeh能与NumPy、Pandas等大部分数组或表格样式的数据结构进行完美结合，从而快速便捷地创建交互式绘图、仪表板等。

Bokeh具有以下特点：

(1) 使用简单的指令可以快速创建复杂的统计图；

(2) 提供如HTML、Notebook文档和服务器的输出；

(3) 可以处理大量的数据流；

(4) 支持Python、Scala、R、Julia等多种语言；

(5) 可以转换使用其它库（如Matplotlib）编写的可视化程序；

(6) 能够灵活地将交互式应用、布局和不同样式选择用于可视化。

除了上述这三个库以外，Python还提供了很多用于可视化的库，它们的使用都大同小异，这里就不再一一列举了。