09-選擇適合你的Python可視化工具（續(xù)）

星光閃亮圖書館 2019-08-30

展開全文

選擇適合你的Python可視化工具（續(xù)）

本篇將接著上篇，根據(jù)Python可視化工具等級關(guān)系分類，依次對每類做一個概述，并對每類的重點庫進(jìn)行簡要介紹。

Core，核心庫

這一類有3個庫，分別是：

matplotlib
plotly
bokeh

為什么稱它們?yōu)楹诵膸炷?？因為，有多個其它高級可視化庫是在它們的基礎(chǔ)上構(gòu)建的。

注意：這里的高級、低級是指它們語法的封裝程度，是相對的，并不是指它們的功能是否高級。

matplotlib：前面已說得很多了，基于它再開發(fā)的庫就有十幾個。

plotly：是一個可交互，基于瀏覽器的繪圖庫，主打功能是繪制在線可交互的圖表。plotly繪制的圖能直接在jupyter中查看，也能保存為離線網(wǎng)頁，或者保存在plot.ly云端服務(wù)器內(nèi)，以便在線查看。

cufflinks 庫就是基于plotly+pandas再開發(fā)的。

Bokeh：是一個專門針對Web瀏覽器呈現(xiàn)功能的交互式可視化Python庫。這是Bokeh與其它可視化庫最核心的區(qū)別。

專門針對Web瀏覽器的交互式、可視化Python繪圖庫
可以做出像D3.js簡潔漂亮的交互可視化效果，但是使用難度低于D3.js。
獨立的HTML文檔或服務(wù)端程序
可以處理大量、動態(tài)或數(shù)據(jù)流
支持Python (或Scala, R, Julia…)
基于Javascript，但不需要使用Javascript

Chartify可視化庫就是基于Bokeh創(chuàng)建。

High-Level Shared API，高級共享API

構(gòu)建在核心Python或JS庫之上，共享panda .plot() API的庫。

這一類有6個庫：

pandas
xarray
cufflinks
hvplot
Pandas-Bokeh
pdvega

它們的特點是共享panda.plot() API，提供了對pandas的DataFrame數(shù)據(jù)結(jié)構(gòu)的支持。

pandas：

通過導(dǎo)入matplotlib.pyplot，將pyplot的函數(shù)進(jìn)一步封裝為DataFrame的方法，實現(xiàn)了兩個目標(biāo)：

簡便、快速的繪圖方式；
對DaraFrame的支持。

由此可見，你如果熟練掌握了matplotlib，掌握pandas中的繪圖不需要走過10分鐘的時間。

xarray：多維數(shù)組中的繪圖。在Pandas早期版本中有一個xarray數(shù)組，后來把這一部分完全交由xarray庫處理。多維（又名N維，ND）陣列（有時稱為“張量”）是計算科學(xué)的重要組成部分。它涉及廣泛的領(lǐng)域，包括物理學(xué)，天文學(xué)，地球科學(xué)，生物信息學(xué)，工程學(xué)，金融學(xué)和深度學(xué)習(xí)。在Python中，NumPy提供了用于處理原始ND陣列的基本數(shù)據(jù)結(jié)構(gòu)和API。但是，真實世界的數(shù)據(jù)集通常不僅僅是原始數(shù)據(jù); 它們有標(biāo)簽，用于編碼有關(guān)數(shù)組值如何映射到空間，時間等位置的信息。

xarray繪圖功能是matplotlib庫的一個薄包裝器。

cufflinks：基于plotly+pandas再開發(fā)的。當(dāng)然是要結(jié)合兩個的優(yōu)勢了。提供了對pandas數(shù)據(jù)的支持，和plotly的交互式功能。

09-選擇適合你的Python可視化工具（續(xù)）

Pandas-Bokeh：顧名思義，Pandas和Bokeh的結(jié)合。

09-選擇適合你的Python可視化工具（續(xù)）

hvplot：Python數(shù)據(jù)生態(tài)系統(tǒng)有許多核心Python數(shù)據(jù)容器，允許用戶使用各種數(shù)據(jù)類型，包括：

Pandas：DataFrame，Series（柱狀/表格數(shù)據(jù)）
XArray：Dataset，DataArray（多維數(shù)組）
Dask：DataFrame，Series，Array（分布式/核心數(shù)組和列數(shù)據(jù)）
Streamz：DataFrame（s），Series（s）（流式柱狀數(shù)據(jù)）
Intake：DataSource（數(shù)據(jù)目錄）
GeoPandas：GeoDataFrame（幾何數(shù)據(jù)）
NetworkX：圖表（網(wǎng)絡(luò)圖）

其中一些庫具有高級繪圖API的概念，使用戶可以非常輕松地生成常見的繪圖類型。本機(jī)繪圖API通常基于Matplotlib構(gòu)建，它提供了堅實的基礎(chǔ)，但現(xiàn)代交互式繪圖庫（如Bokeh和HoloViews）的功能較弱。

hvPlot提供了一個基于HoloViews的高級繪圖API，它提供了一個通用且一致的API，用于繪制所有上述格式的數(shù)據(jù)。

hvPlot是PyViz計劃的一部分，旨在使基于Python的可視化工具能夠很好地協(xié)同工作。

09-選擇適合你的Python可視化工具（續(xù)）

pdvega：使用與pandas內(nèi)置可視化工具幾乎相同的API 快速基于DataFrame數(shù)據(jù)創(chuàng)建交互式圖表，可以在Jupyter notebook中輕松使用。

High-Level，高級庫

InfoVis組的5個庫，專注于數(shù)據(jù)可視化的高級操作，構(gòu)建在核心Python或JS庫之上。

seaborn，基于matplotlib，特長在繪制統(tǒng)計圖形。
altair，基于Vega-Lite JSON規(guī)范構(gòu)建，特點在統(tǒng)計、簡潔、美觀。
holoviews，基于Plotly, Matplotlib的OO接口，Bokeh的SVG導(dǎo)出，3D支持，提供了web繪圖和交互式繪圖功能；這是PyViz的發(fā)展方向--“融合”
plotly_express，顧名思義，plotly的進(jìn)一步封裝，復(fù)雜圖表的簡單語法。
chartify，從它官方宣稱的“可以讓數(shù)據(jù)科學(xué)家輕松創(chuàng)建圖表”，就兩個字進(jìn)一步的”封裝“。

Native-GUI，本機(jī)GUI

InfoVis組的5個庫，目標(biāo)是獲得用于交互式繪圖的本機(jī)桌面GUI界面。

pyqtgraph
glue:多個文件的交互式鏈接統(tǒng)計圖形，用于探索相關(guān)數(shù)據(jù)集內(nèi)部和之間的關(guān)系。
chaco：交互式二維繪圖。
veusz：一個2D和3D科學(xué)繪圖包，旨在簡單。
gr：跨平臺可視化應(yīng)用程序的通用框架。它為開發(fā)人員提供了一個緊湊，可移植且一致的圖形庫。

該類最重要的是：PyQtGraph：

PyQtGraph旨在提供工程和科學(xué)應(yīng)用程序通常所需的圖形和用戶界面功能。其主要目標(biāo)是：

提供快速，交互式圖形以顯示數(shù)據(jù)（圖表，視頻等）
提供工具以幫助快速應(yīng)用程序開發(fā)（例如，Qt Designer中使用的屬性樹）。

PyQtGraph雖然是開源項目，但版權(quán)屬于北卡羅來納大學(xué)教堂山分校。

PyQtGraph通過PyQt或PySide大量使用Qt GUI平臺來獲得高性能圖形，使用numpy來支持大量高速運算。特別是使用Qt的GraphicsView框架提供了功能強(qiáng)大的圖形系統(tǒng)。

pyqtgraph的核心功能包括：

基本數(shù)據(jù)可視化基元：圖像，線和散點圖
足夠快，可以實時更新視頻/繪圖數(shù)據(jù)
交互式縮放/平移，平均，F(xiàn)FT，SVG / PNG導(dǎo)出
用于標(biāo)記/選擇繪圖區(qū)域的小部件
用于標(biāo)記/選擇圖像感興趣區(qū)域并自動切片多維圖像數(shù)據(jù)的小部件
用于構(gòu)建定制圖像感興趣區(qū)域小部件的框架
取代/補(bǔ)充Qt的對接系統(tǒng)，以允許更復(fù)雜（和更可預(yù)測）的對接安排
ParameterTree小部件，用于動態(tài)接口的快速原型設(shè)計（類似于Qt Designer和許多其他應(yīng)用程序中的屬性樹）

09-選擇適合你的Python可視化工具（續(xù)）

pyqtgraph-3d

Other InfoVis，其它信息可視化庫

InfoVis繪制不適合上述其他類別的庫。

pygal，一個用python編寫的動態(tài)SVG（Scalable Vector Graphics）圖表庫。 SVG意為可縮放的矢量圖形，它是基于XML（Extensible Markup Language）。
plotnine，是Python 中對ggplot2圖形語法的一種實現(xiàn)，允許用戶通過將數(shù)據(jù)顯式映射到構(gòu)成繪圖的可視對象來組合繪圖。是一位德國學(xué)者完成的，它幾乎是對R ggplot2繪圖包的移植。
bqplot：使用pythonic API為二維可視化提供統(tǒng)一的框架，為添加用戶交互提供合理的API（平移，縮放，選擇等）
toyplot：toy，玩具，這是Python版的一款適合兒童的繪圖工具包。
biggles：一個Python模塊，用于創(chuàng)建出版品質(zhì)的2D科學(xué)圖，看不出有什么特點。

SciVis

用于可視化真實坐標(biāo)（地理空間、物理空間）中的科學(xué)數(shù)據(jù)的庫，通常使用OpenGL或WebGL。物理、環(huán)境科學(xué)人士關(guān)注的類，與我等草根的距離太遠(yuǎn)了。

VTK：VTK 包括許多高級算法（例如，表面重建，隱式建模）和渲染技術(shù)，被院士級人士用于教學(xué)和研究。
vispy：Python中的交互式科學(xué)可視化，特點：3D, 立體，交互，大量數(shù)據(jù)。
pyvista
mayavi
ipyvolume
glumpy
itk-jupyter-widgets

Geospatial，地理空間

處理地理坐標(biāo)數(shù)據(jù)的工具。GIS緊密相關(guān)。

geopandas：GeoPandas是一個向pandas對象添加地理數(shù)據(jù)支持的項目。
folium：folium基于Python生態(tài)系統(tǒng)的數(shù)據(jù)處理優(yōu)勢和leaf .js庫的映射優(yōu)勢。使用Python操作數(shù)據(jù)，然后通過folium在單張地圖中可視化數(shù)據(jù)。
cartopy：旨在使數(shù)據(jù)分析和可視化的繪制地圖變得容易。
gmplot：Cartopy是一個Python包，旨在使數(shù)據(jù)分析和可視化的繪圖地圖變得容易。
ipyleaflet：Jupyter / Leaflet 之間的橋梁，可在Jupyter筆記本中實現(xiàn)交互式地圖。
geoviews：......
geoplotlib：......
geoplot：......

Other domain-specific，其它特定領(lǐng)域的包

專注于特定的研究或應(yīng)用領(lǐng)域繪圖、圖像處理工具包。

networkx：繪制網(wǎng)絡(luò)圖。
scikit-image：用于圖像處理
missingno：提供了一個靈活且易于使用的缺失數(shù)據(jù)可視化和實用程序的小工具集，使您可以快速直觀地總結(jié)數(shù)據(jù)集的完整性（或缺少）。
yellowbrick：可視化分析和診斷工具，方便機(jī)器學(xué)習(xí)模型選擇。
yt：yt支持結(jié)構(gòu)化，可變分辨率網(wǎng)格，非結(jié)構(gòu)化網(wǎng)格以及離散或采樣數(shù)據(jù)（如粒子）。專注于推動物理上有意義的探究，已經(jīng)應(yīng)用于諸如天體物理學(xué)，地震學(xué)，核工程，分子動力學(xué)和海洋學(xué)等領(lǐng)域。
hypertools：HyperTools旨在促進(jìn)降維 -基于高維數(shù)據(jù)的視覺探索?；韭窂绞禽斎敫呔S數(shù)據(jù)集（或一系列高維數(shù)據(jù)集），并在單個函數(shù)調(diào)用中，減少數(shù)據(jù)集的維度并創(chuàng)建繪圖。
scikit-plot：機(jī)器學(xué)習(xí)領(lǐng)域。
clustergrammer2：構(gòu)建交互式熱圖的Jupyter小部件。
arviz：一個用于貝葉斯模型探索性分析的Python軟件包。包括后驗分析，模型檢查，比較和診斷功能。

根據(jù)你研究的領(lǐng)域去進(jìn)一步地了解吧！

Large-data rendering，大數(shù)據(jù)集渲染

用于在可視化之前對服務(wù)器端數(shù)據(jù)進(jìn)行柵格化/聚合的工具。

datashader：Datashader是一個數(shù)據(jù)柵格化管道，用于創(chuàng)建大量數(shù)據(jù)的有意義表達(dá)。
vaex ：Vaex是一個用于可視化和探索大表格數(shù)據(jù)集。它可以在N維網(wǎng)格上計算每秒超過十億個對象/行的統(tǒng)計數(shù)據(jù)，例如平均值，總和，計數(shù)，標(biāo)準(zhǔn)偏差等。可視化使用直方圖，密度圖和3d體積渲染完成，允許交互式探索大數(shù)據(jù)。