在 Python 中，将数据可视化有多种选择，正是因为这种多样性，何时选用何种方案才变得极具挑战性。今天为大家整理分享一些较为流行的工具。

• Pandas
• Seaborn
• ggplot
• Bokeh
• pygal
• Plotly

Pandas

首先，导入模块并将数据读入 budget DataFrame，将数据排序并取前10条。

我们将在所有示例中使用相同的 budget 数据，下面是其中5条：

现在，调整展示风格为更美观的默认设置，并创建图表：

上述代码使用 detail 列的数据完成了创建图表的主要工作，同时展示了 title并移除了 legend 。

下面是将图表存为 png 格式的代码：

基础图表看起来不错，理想情况下，我想对 y 轴再做一些格式化，但是这样做需要使用 matplotlib 的一些功能。虽然现在的图表已是完美可用的可视化图表了，但是仅仅通过 pandas 是不可能完成更多定制的。

Seaborn

Seaborn 是一个基于 matplotlib 的可视化库。它旨在使默认的数据可视化更加悦目。它还旨在简化复杂图表的创建，可以与 pandas 很好地集成。

标准导包及读取数据：

正如你所看到的，必须使用 matplotlib 旋转 x 轴的标题以便可以正常地阅读。从外观上看，图表看起来不错。理想情况下，我想格式化 y 轴上的刻度，但我不知道在不使用 matplotlib 中的 plt.yticks 的情况下，如何实现格式化。

ggplot

ggplot 与 Seaborn 类似，也是基于 matplotlib 并旨在以简单的方式提高 matplotlib 可视化的视觉感染力。它不同于 seaborn 是因为它是 ggplot2 为 R 语言准备的一个端口。基于这个目标，一些 API 的接口虽然不是很 pythonic 但是功能很强大。

继续导包并读取数据：

现在让我们通过连接几条 ggplot 命令来构造图表：

这似乎看起来有些奇怪 – 尤其是使用 print p 来显示图表。但是，这样相对简单明了。

要弄清楚如何将文本旋转 90 度以及如何将 x 轴上的标签排序，确实要做些深入的挖掘。

最酷的功能是 scale_y_continous， 它可以使标签更美观。

如果你想将图表保存为图片，使用 ggsave可以很轻松地办到：

灰色可能有点多，你可以给它添些色彩。

Bokeh

Bokeh 不同于之前的3个库，它不依赖于 matplotlib 并且实现的是面向现代浏览器的可视化。它的目标是实现交互式的 web 可视化，所以下面的例子非常简单。

导包并读入数据：

bokeh 不同的一方面是我需要明确列出我绘图需要的值。

现在我们可以绘图了。下面的代码将会实现在浏览器中展示包含图表的 HTML 页面，如果想用作其他展示，可以保存其 png 格式的副本。

没找到一种更简单的方式来格式化 y 轴。Bokeh 有很多功能，你可以自己去慢慢发现。

Pygal

Pygal 用于创建 svg 格式的图表，如果安装了正确的依赖，也可以保存为 png 格式。svg 文件在创建交互式图表时非常有用，同时，使用此工具可以非常容易地创建独特而又极具视觉感染力的图表。

导包及读取数据：

我们需要创建图表类型并做一些基础设置：

有趣的一点是 human_readable ，它可以很好地格式化数据，所以大多数情况下，这个功能“很管用”。

现在我们需要向图表中添加数据，这是与 pandas 集成地不是很紧凑的地方，但是就本次的小数据集来说，可以直接添加数据。数据量很大时，性能可能会是一个问题。

接下来，将文件渲染为 svg 和 png 格式：

大家可以下载 svg 文件，并在浏览器中感受图表的互动效果。

· Pandas 对于简单的图表绘制时非常方便的，但是你需要学习 matplotlib 来实现定制。

· Seaborn 可以支持一些更复杂的可视化方法，但仍需要 matplotlib 的知识来调整。颜色方案是一个不错的功能。

· ggplot 很有前景，但它仍在努力成长中。

· 如果你想建立自己的可视化服务器，bokeh 将是一个强大的工具。但是对于一些简单的脚本，使用 bokeh 就像杀鸡用牛刀一样。

· pygal 在创建互动使 SVG 图表和 PNG 文件方面是独一无二的。它不如基于matplotlib 的解决方案灵活。