Python中常用的数据可视化与交互式分析工具

Python中常用的数据可视化与交互式分析工具，包括Matplotlib、Seaborn、Plotly和Bokeh。

Matplotlib

最基础而神奇的Python可视化库，用于数组的2D图。这是一个多平台数据可视化库，构建在NumPy数组上，旨在与更广泛的SciPy一起工作。它是由约翰·亨特在 2002 年推出的。

• 它基于 numpy ，速度快，效率高，也更容易构建
• 从一开始就经历了开源社区的许多改进，因此有了更好的具有高级特性的库
• 良好维护的高质量图形可视化输出吸引了大量用户
• 基本图表和高级图表都可以非常容易地构建
• 从用户/开发人员的角度来看，由于它有大量的社区支持，解决问题和调试变得更加容易

Seaborn

这最初是在斯坦福大学构思和建造的，基于matplotlib。从某种意义上说，它有一些matplotlib的味道，它比matplotlib好，并且还增加了一些功能。

• 内置主题有助于更好的可视化
• 统计功能有助于更好地了解数据
• 更好的美学和内置情节
• 包含有效示例的有用文档

Plotly

它提供了各种绘图类型，如线图、散点图、条形图、箱型图、热力图等，具有交互性和可定制性。 它还提供了一个在线编辑器，可以在web上创建、分享和发布交互式图形。 使用Plotly，用户可以快速轻松地制作出漂亮、高质量的可视化图表。

Bokeh

Python 中的交互式可视化库。 Bokeh提供的最佳功能是针对现代 Web 浏览器进行演示的高度交互式图形和绘图。 Bokeh 帮助我们制作出优雅、简洁的图表，其中包含各种图表。 Bokeh 主要侧重于将数据源转换为 JSON 格式，然后用作 BokehJS 的输入。

四者的特点：

• Matplotlib 是Python中最基础的绘图库，具有高度定制化的能力，适合创建各种静态图表。
• Seaborn 是基于Matplotlib的高级接口，简化了统计图表的创建过程，并提供了更美观的默认配色方案。
• Plotly 是一个强大的交互式绘图库，支持创建复杂且交互性强的图表，适用于需要与数据交互的场景。
• Bokeh 也是一个交互式绘图库，特别适用于大数据集的可视化，并且可以嵌入到Web应用中。