Biblioteca de visualización de datos de Python
En el análisis de datos, la mejor manera de mostrar datos es dibujar visualmente las imágenes correspondientes para que las personas puedan comprender mejor los datos. Existen ciertas regulaciones sobre qué tipo de datos y qué tipo de gráficos deben usarse en qué tipo de escenarios. Aquí compartimos principalmente algunas de las bibliotecas de visualización de Python más utilizadas.
matplotlib
Matplotlib es la biblioteca de visualización más utilizada. Puede dibujar fácilmente algunos gráficos simples o complejos. Con unas pocas líneas de código, puede generar gráficos de líneas, histogramas, espectros de potencia, gráficos de barras, gráficos de error, diagramas de dispersión, etc.
Método de instalación del sitio web oficial de matplotlib
:pip install matplotlib
nacido en el mar
Si solo usa matplotlib, la visualización será muy simple y no lo suficientemente hermosa. Seaborn es un módulo basado en matplotlib. Se especializa en visualización estadística y se puede vincular perfectamente con pandas. Es fácil de comenzar para los principiantes. En comparación con matplotlib, la sintaxis de Seaborn es más concisa y la relación entre los dos es similar a la relación entre numpy y pandas. Puede enriquecer el estilo de dibujar imágenes.
Método de instalación del sitio web oficial de Seabom
:pip install seaborn
PyEcharts
Echarts es una visualización de datos de código abierto de Baidu y ha sido reconocida por muchos desarrolladores por su buena interactividad y su exquisito diseño de gráficos. Python es un lenguaje expresivo y muy adecuado para el procesamiento de datos. Cuando el análisis de datos se encuentra con la visualización de datos, nació Pyecharts. Éste también es muy poderoso, es uno de mis favoritos y me interesa presenciar juntos su encanto. Método de instalación
del documento de aprendizaje de chino pyecharts : ¡Este documento es muy amigable! muy recomendable.pip install pyecharts
bokeh
Bokeh es una biblioteca de visualización interactiva de Python que admite la visualización de navegadores web modernos (los gráficos se pueden generar como objetos JSON, documentos HTML o aplicaciones web interactivas). Proporciona un estilo gráfico elegante y conciso de D3.js y extiende esta función a conjuntos de datos y flujos de datos interactivos de alto rendimiento. Utilice Bokeh para crear rápida y fácilmente gráficos interactivos, paneles, aplicaciones de datos y más. Bokeh se puede integrar perfectamente con la mayoría de estructuras de datos de tablas o matrices como NumPy, Pandas, Blaze, etc.
Método de instalación del sitio web oficial de Bokeh
:pip install bokeh
HoloVistas
HoloViews es una biblioteca Python de código abierto que puede completar el análisis y la visualización de datos con muy pocas líneas de código y combina matplotlib y Bokeh.
Método de instalación del sitio web oficial de HoloViews
:pip install HoloViews
Altaír
Altair es una reconocida biblioteca de visualización estadística para Python. Su API es simple, amigable, consistente y está basada en la poderosa Vega-Lite (Gramática de gráficos interactivos). La API de Altair no contiene código de representación de visualización real, sino que emite estructuras de datos JSON siguiendo la especificación Vega-Lite. Los datos resultantes se pueden presentar en una interfaz de usuario y esta elegante simplicidad produce visualizaciones hermosas y efectivas con muy poco código.
La fuente de datos es un DataFrame, que consta de columnas de diferentes tipos de datos. Un DataFrame es un formato ordenado donde las filas corresponden a muestras y las columnas corresponden a variables observadas. Los datos se asignan mediante transformaciones de datos a los atributos visuales (posición, color, tamaño, forma, panel, etc.) del grupo de consumidores.
Método de instalación de la documentación de Altair
:pip install Altair
PyQtGraph
PyQtGraph es una biblioteca de gráficos GUI de Python pura construida sobre PyQt4/PySide y numpy. PyQtGraph está completamente escrito en Python y es un sistema de gráficos muy capaz que puede realizar una gran cantidad de procesamiento de datos y cálculos numéricos; utiliza el marco GraphicsView de Qt para optimizar y simplificar el flujo de trabajo y lograr la visualización de datos con la menor cantidad de trabajo. la velocidad también es muy rápida.
Método de instalación del sitio web oficial de PyQtGraph
:pip install PyQtGraph
ggplot
ggplot es un sistema de dibujo de Python basado en ggplot2 y la sintaxis de gráficos de R, que permite dibujar gráficos más profesionales con menos código.
Utiliza una API expresiva y de alto nivel para lograr la adición de líneas, puntos y otros elementos, el cambio de colores y la combinación o adición de diferentes tipos de componentes visuales sin necesidad de reutilizar el mismo código, sin embargo, esto es altamente Útil para quienes intentan personalizar, ggplot no es la mejor opción, aunque también puede producir algunos gráficos muy complejos y hermosos.
ggplot está estrechamente relacionado con los pandas. Si planea utilizar ggplot, es mejor guardar los datos en DataFrames.
Debido a que se basa en el lenguaje R, el lenguaje R también tiene esta biblioteca.
Método de instalación de la documentación de ggplot
:pip install ggplot‑0.11.5‑py2.py3‑none‑any.whl
pygal
Pygal es un lenguaje de gráficos vectoriales estándar abierto basado en XML (lenguaje de marcado extensible) que puede generar páginas de gráficos web de alta resolución en múltiples formatos de salida y también admite la exportación de tablas HTML de datos determinados. Los usuarios pueden dibujar imágenes directamente con código, abrir imágenes SVG con cualquier herramienta de procesamiento de textos, hacer que las imágenes sean interactivas cambiando parte del código e insertarlas en HTML para verlas a través de un navegador.
Método de instalación del sitio web oficial de pygal
:python -m pip install --user pygal==1.7
vispy
VisPy es una biblioteca Python para visualización científica interactiva que es rápida, escalable y fácil de usar. Es una biblioteca interactiva de visualización de datos 2D y 3D de alto rendimiento que aprovecha la potencia informática de las unidades de procesamiento de gráficos (GPU) modernas. a través de la biblioteca OpenGL para mostrar conjuntos de datos muy grandes. Método de instalación
del sitio web oficial de VisPy :pip install VisPy
RedX
NetworkX es un paquete de Python para crear, manipular y estudiar la estructura de redes complejas y para aprender la estructura, función y dinámica de redes complejas.
NetworkX proporciona gráficos, dígrafos y multigráficos adecuados para diversas estructuras de datos, así como una gran cantidad de algoritmos de gráficos estándar, estructuras de redes y métodos de análisis. Puede generar redes aleatorias, redes sintéticas o redes clásicas, y los nodos pueden ser texto, imágenes, Registros XML, etc., y proporciona algunos datos de muestra (como pesos, series de tiempo).
La tasa de cobertura de código de las pruebas de NetworkX supera el 90%. Es una plataforma Python que es diversa, fácil de enseñar y puede generar gráficos rápidamente.
Método de instalación manual chino de NetworkX
:pip install networkx
trama
La biblioteca de gráficos Python de Plotly proporciona conjuntos de gráficos interactivos, públicos y de alta calidad en línea y se puede conectar con R, Python, Matlab y otro software. Tiene varios tipos de gráficos que son difíciles de encontrar en otras bibliotecas, como gráficos de contorno, gráficos de árbol y gráficos tridimensionales. Los tipos de íconos también son muy ricos. Después de solicitar una clave API, puede sincronizar gráficos estadísticos con uno haga clic en la nube. Pero el problema es que abrir sitios web extranjeros llevará más tiempo y una cuenta sólo puede crear 25 gráficos, a menos que actualice o elimine algunos gráficos. Método de instalación
del sitio web oficial de Plotly :pip install plotly
mpld3
Basado en la biblioteca de gráficos de Python y D3js, mpld3 reúne la biblioteca JavaScript del popular proyecto Matplotlib para crear visualizaciones de datos interactivas para la web. A través de una API simple, los gráficos matplotlib se exportan como código HTML que se puede usar en el navegador.
Método de instalación del sitio web oficial de mpld3
:pip install mpld3
python-igraph
La biblioteca de gráficos de alto rendimiento igraph con interfaz Python está dirigida principalmente a la investigación y el análisis de redes complejas. Se utiliza principalmente para dibujar diagramas de relaciones.
Método de instalación de la documentación de python-igraph
:pip install python-igraph
desaparecidono
Al realizar algoritmos de aprendizaje supervisado, inevitablemente encontrará conjuntos de datos caóticos y valores faltantes. Cuando la proporción faltante es muy pequeña, puede descartar directamente los registros faltantes o procesarlos manualmente. Missingno proporciona una solución pequeña, flexible y fácil de usar. data Un conjunto de herramientas prácticas y de visualización para evaluar rápidamente los datos faltantes a través de imágenes en lugar de leer tablas de datos. Los datos se pueden ordenar o filtrar en función de su integridad, y también se puede considerar la corrección de datos en función de mapas de calor o diagramas de árbol.
Missingno es un módulo creado en base a matplotlib, por lo que puede producir gráficos muy rápidamente y procesar datos de pandas de manera flexible.
metodo de instalacion:pip install missingno
Mayavi2
Mayavi2 es una herramienta de visualización de datos científicos 3D universal y multiplataforma. Los datos escalares, vectoriales y tensoriales se pueden mostrar en dos y tres dimensiones. Fácilmente extensible con fuentes, módulos y filtros de datos personalizados. Mayavi2 también se puede utilizar como motor de dibujo para generar scripts matplotlib o gnuplot, o como biblioteca de visualización interactiva para otras aplicaciones, incrustando las imágenes generadas en otras aplicaciones.
Método de instalación del sitio web oficial de Mayavi2
:pip install mayavi
Cuero
Leather es una API legible y fácil de usar que incluso los principiantes pueden dominar rápidamente. La imagen terminada es muy básica, funciona con todo tipo de datos, está optimizada para diagramas exploratorios y produce diagramas SVG de escala independiente para que no pierda calidad de imagen al cambiar el tamaño de la imagen. Método de instalación de la documentación de
cuero
:pip install leather
Destello
Gleam le permite crear aplicaciones web visuales e interactivas utilizando únicamente Python. No se requieren conocimientos de HTML CSS o JavaScript para controlar la entrada utilizando cualquiera de las bibliotecas de visualización de Python. Cuando crea un gráfico, puede agregarle un campo, lo que permite que cualquiera juegue con sus datos en tiempo real, lo que hace que sus datos sean más fáciles de entender.
Método de instalación de la documentación de Gleam
:pip install Gleam
Clase de mapa
Hay algunas bibliotecas que son fáciles de dibujar mapas, puntos de coordenadas de latitud y longitud, etc.
geoplotlib
Los paquetes Basemap y Cartopy admiten múltiples proyecciones geográficas y proporcionan una serie de visualizaciones, incluidos gráficos de puntos, mapas de calor, gráficos de contorno y archivos de formas. PySAL es una biblioteca de código abierto de funciones de análisis espacial escrita en Python que proporciona muchas herramientas básicas, principalmente para usar con archivos de formas. Sin embargo, estas bibliotecas no permiten a los usuarios dibujar texturas de mapas y tienen soporte limitado para visualizaciones personalizadas, interactividad y animaciones.
Geoplotlib es una caja de herramientas para visualización y mapeo de datos geográficos en Python, y proporciona una interfaz básica entre datos sin procesar y todas las visualizaciones, admite el desarrollo de visualizaciones interactivas aceleradas por hardware en Python puro y proporciona mapeo de puntos, implementaciones de estimación de densidad del núcleo, espacial. gráficos, gráficos de polígonos de Thiessen, archivos de formas y muchas visualizaciones espaciales más comunes. Además de proporcionar capacidades de visualización integradas para visualizaciones de datos geográficos de uso común, geoplotlib también permite la creación de animaciones mediante la definición de capas personalizadas para definir visualizaciones de datos complejas (dibujando OpenGL como fracciones, filas y polígonos con alto rendimiento).
Método de instalación de la documentación de geoplotlib
:pip install geoplotlib
hoja
folium es una biblioteca js construida en el sistema Python. Puede visualizar fácilmente datos operados en Python en un único mapa interactivo, y conectará estrechamente los datos y el mapa, con flechas personalizables. Marcadores de mapa en formato HTML, como cuadrículas. La biblioteca también viene con algunos datos del terreno integrados. Lo encontré en una competencia de minería de datos usando latitud y longitud, y me sentí bastante bien.
Método de instalación de la documentación en folio
:pip install folium
Vicente
Vincent es una excelente herramienta de visualización que utiliza estructuras de datos de Python como fuentes de datos, luego las traduce a la gramática de visualización de Vega y puede ejecutarse en d3js. Esto le permite utilizar scripts de Python para crear hermosos gráficos 3D para mostrar sus datos. La capa inferior de Vincent utiliza datos de Pandas y DataFrames y admite una gran cantidad de gráficos: gráficos de barras, gráficos de líneas, gráficos de dispersión, mapas de calor, gráficos de barras apiladas, gráficos de barras agrupadas, gráficos circulares, gráficos circulares, mapas, etc.
Método de instalación de la documentación de Vincent
:pip install Vincent