常见的数据可视化库

Python 作为数据分析的重要语言，它为数据分析的每个环节都提供了很多库。常见的数据可视化库包括matplotlib、seaborn、ggplot、bokeh、pygal、pyecharts, 下面将逐一介绍。

matplotlib

matplotlib 是 Python 中众多数据可视化库的鼻祖，其设计风格与 20 世纪 80 年代设计的商业化程序语言 MATLAB 十分接近，具有很多强大且复杂的可视化功能。matplotlib 包含多种类型的API（ ApplicationProgram Interface, 应用程序接口 ）, 可以采用多种方式绘制图表并对图表进行定制。

seaborn

seaborn 是基于 matplotlib 进行高级封装的可视化库，它支持交互式界面，使绘制图表的功能变得更简单，且图表的色彩更具吸引力，可以画出丰富多样的统计图表。

ggplot

ggplot 是基于 matplotlib 并旨在以简单方式提高 matplotlib 可视化感染力的库，它米用叠加图层的形式绘制图形。例如，先绘制坐标轴所在的图层，再绘制点所在的图层，最后绘制线所在的图层，但其并不适用于个性化定制图形。此外，ggplot2 为 R 语言准备了一个接口，其中的一些 API虽然不适用于 Python, 但适用于 R 语言，并且功能十分强大。

bokeh

bokeh 是一个交互式的可视化库，它支持使用 Web 浏览器展示，可使用快速简单的方式将大型数据集转换成高性能的、可交互的、结构简单的图表。

pygal

pygal 是一个可缩放矢量图表库，用于生成可在浏览器中打开的 SVG（ Scalable Vector Graphics）格式的图表，这种图表能够在不同比例的屏幕上自动缩放，方便用户交互。

pyecharts

pyecharts 是一个生成 ECharts（ Enterprise Charts , 商业产品图表）的库，它生成的 ECharts凭借良好的交互性、精巧的设计得到了众多开发者的认可。
尽管Python在matplotlib库的基础上封装了很多轻量级的数据可视化库，但万变不离其宗，掌握基础库 matplotlib 的使用既可以使读者理解数据可视化的底层原理，也可以使读者具备快速学习其他数据可视化库的能力。本书主要详细介绍 matplotlib 库的功能，第9章会简单介绍 pyecharts 库的部分功能。