數據可視化是任何探索性數據分析或報告的關鍵步驟，它可以讓我們一眼就能洞察數據集。目前有許多非常好的商業智能工具，比如Tableau、googledatastudio和PowerBI，它們可以讓我們輕松地創建圖形。

然而，數據分析師或數據科學家還是習慣使用 Python 在 Jupyter notebook 上創建可視化效果。目前最流行的用于數據可視化的 Python 庫：Matplotlib、Seaborn、plotlyexpress和Altair。每個可視化庫都有自己的特點，沒有完美的可視化庫，我們應該知道每種數據可視化的優缺點，找到適合自己的才是關鍵。

準備

首先，讓我們導入所有重要的庫。很可能你的計算機上已經安裝了 Matplotlib 和 Seaborn 。但是，你可能沒有Plotly Express 和 Altair。現在可以使用 pip install plotly==4.14.3和pip install altair 數據集輕松安裝它們。

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import altair as alt
import plotly.express as px

現在我們將導入數據集。出于演示的目的，我們只創建一個數據框架，其中包含美國人口最多的15個城市。我還將修正城市名稱的大寫。當我們創建可視化效果時，它將促進編輯過程。

df = pd.read_csv('worldcitiespop.csv')
us = df[df['Country'] == 'us']
us['City'] = us['City'].str.title()
cities = us[['City', 'Population']].nlargest(15, ['Population'], keep='first')

現在我們應該準備好分析每個庫。你準備好了嗎？

設置難度和初始結果

獲勝者：Plotly Express
失敗者：Matplotlib、Altair和Seaborn

在這一類中，所有的庫都表現良好。它們都很容易設置，基本編輯的結果對大多數分析都足夠好，但我們需要有贏家和輸家，對嗎？

Matplotlib 很容易設置和記住代碼。然而，這個圖表看起來并不好。它可能會完成數據分析的工作，但在商務會議上的結果并不理想。

Seaborn 創造了一個更好的圖表。它會自動添加 x 軸和 y 軸標簽。x 記號看起來更好，但對于基本圖表來說，這比 Matplotlib 要好得多。

Plotly Expres，表現得非常出色。可以用很少的代碼創建一個好看的、專業的條形圖。不需要設置圖形或字體大小。它甚至可以旋轉 x 軸標簽。所有這些都只需要一行代碼。非常令人印象深刻！

Altair 圖表表現良好。它提供了一個好看的圖形，但它需要更多的代碼，它按字母順序，這并不可怕，而且在很多情況下都會有幫助，但我覺得這應該是用戶應該決定的。

編輯和自定義

優勝者：Plotly Express、Seaborn、Matplotlib
失敗者：Altair

我相信這四個庫都有可能成為贏家。自定義圖表在每一個上的表現卻是不同的，但我認為，如果你學習足夠，你會學會如何創造美麗的可視化。然而，我正在考慮如何容易地編輯和自定義，把自己想象成一個新用戶。

Matplotlib 和 Seaborn 非常容易定制，而且它們的文檔非常棒。即使你沒有在他們的文檔中找到要查找的信息，你也很容易在 Stack Overflow 中找到它。他們還有合作的優勢。Seaborn 基于 Matplotlib。因此，如果你知道如何編輯一個，你就會知道如何編輯另一個，這是非常方便的。如果你使用

sns.set_style('darkgrid')

設置 Seaborn 主題，它將影響 Matplotlib，這可能就是為什么 Matplotlib 和 Seaborn 是兩個更流行的數據可視化庫。

plotly express 從一開始就提供了漂亮的圖表，例如，與Matplotlib相比，只需要較少的編輯就可以獲得非常不錯的可視化效果。它的文檔很容易理解，他們通過Shift+Tab提供文檔，這非常方便。在我嘗試的所有庫中，它還提供了最多的定制選項。你可以編輯任何東西，包括字體，標簽顏色等，最好的部分是它的毫不費力。它的文檔中充滿了例子。

我發現 Altair 的文件非常混亂。與其他庫不同，Altair沒有Shift+Tab快捷鍵。對于初學者來說，這是非常有問題和困惑的。我能夠做一些編輯，但找到有關它的信息是有壓力的。在編輯方面與我花在 Matplotlib 和 plotly express 上的時間相比，對于初學者來說，Altair 并不是一個很好的選擇。

附加功能

獲獎者：Plotly Express 和 Altair
失敗者：Matplolib 和 Seaborn

對于這一類，我將考慮除了那些我們可以通過代碼實現的功能之外的其他功能。Matplotlib 和 Seaborn 在這一類中是非常基本的。除了代碼之外，它們不提供任何額外的編輯或交互選項。然而，Plotly Express 在這一類中大放異彩。首先，圖表是互動的。您只需將鼠標懸停在圖形上，就可以看到有關它的信息。

Altair 提供了一些選項來保存文件或通過Vega編輯器打開JSON文件。

文檔和網站

獲獎者：Plotly Express、Altair、Seaborn、Matplotlib

所有這些庫的文檔都很好。Plotly Express 有一個漂亮的網站，帶有代碼和可視化演示。很容易閱讀和找到有關它的信息。我喜歡他們的網站是多么的精致和精心設計，你甚至可以與圖表互動。

Altair 的網站上做得很好。他們的定制文檔不是最好的，但是網站看起來不錯，很容易找到代碼示例。我不會說這是驚人的，但它確實起到了作用。

Seaborn 的網站還可以。有人說他們有最好的文件，包含代碼示例。如果你正在尋找定制選項，它可能會變得很棘手，但除此之外，它是一個干凈的網站，其文檔也相當完整。

Matplotlib有一個完整的網站。在我看來，它有太多的文字，找到一些信息可能有點棘手。然而，信息就在那里。他們還提供PDF格式的文檔。

總結

我在本文中分析的四個目前都非常棒的庫。所有的可視化庫都有優缺點，找好合適自己的才是關鍵。我最喜歡的是 Plotly Express ，因為它在所有類別中都表現出色。不過，Matplotlib 和 Seaborn 更受歡迎，大多數人都會在電腦上安裝它們。Altair 是我最不喜歡之間。你最喜歡的數據可視化庫是什么呢？

到此這篇關于淺談哪個Python庫才最適合做數據可視化的文章就介紹到這了,更多相關Python 數據可視化內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！