6种python数据可视化工具,python数据可视化工具包

大家好，小编来为大家解答以下问题，python数据可视化工具有哪些，python数据可视化优秀案例，今天让我们一起来看看吧！

Source code download: 本文相关源码

Python 的科学栈相当成熟，各种应用场景都有相关的模块，包括机器学习和数据分析。数据可视化是发现数据和展示结果的重要一环，只不过过去以来，相对于 R 这样的工具，发展还是落后一些pythonturtle绘制树。

幸运的是，过去几年出现了很多新的Python数据可视化库，弥补了一些这方面的差距。matplotlib 已经成为事实上的数据可视化方面最主要的库，此外还有很多其他库，例如vispy，bokeh， seaborn， pyga， folium 和 networkx，这些库有些是构建在 matplotlib 之上，还有些有其他一些功能。

本文会基于一份真实的数据，使用这些库来对数据进行可视化。通过这些对比，我们期望了解每个库所适用的范围，以及如何更好的利用整个 Python 的数据可视化的生态系统。
探索数据集
在我们探讨数据的可视化之前，让我们先来快速的浏览一下我们将要处理的数据集。我们将要使用的数据来自 openlights。我们将要使用航线数据集、机场数据集、航空公司数据集。其中，路径数据的每一行对应的是两个机场之间的飞行路径；机场数据的每一行 对应的是世界上的某一个机场，并且给出了相关信息；航空公司的数据的每一行给出的是每一个航空公司。
首先我们先读取数据：

# Import the pandas library. 
import pandas 
# Read in the airports data. 
airports = pandas.read_csv("airports.csv", header=None, dtype=str) 
airports.columns = ["id", "name", "city", "country", "code", "icao", "latitude", "longitude", "altitude", "offset", "dst", "timezone"] 
# Read in the airlines data. 
airlines = pandas.read_csv("airlines.csv", header=None, dtype=str) 
airlines.columns = ["id", "name", "alias", "iata", "icao", "callsign", "country", "active"] 
# Read in the routes data. 
routes = pandas.read_csv("routes.csv", header=None, dtype=str) 
routes.columns = ["airline", "airline_id", "source", "source_id", "dest", "dest_id", "codeshare", "stops", "equipment"] 

这些数据没有列的首选项，因此我们通过赋值 column 属性来添加列的首选项。我们想要将每一列作为字符串进行读取，因为这样做可以简化后续以行 id 为匹配，对不同的数据框架进行比较的步骤。我们在读取数据时设置了 dtype 属性值达到这一目的。

我们可以快速浏览一下每一个数据集的数据框架。

airports.head()

airlines.head()

routes.head()

我们可以分别对每一个单独的数据集做许多不同有趣的探索，但是只要将它们结合起来分析才能取得最大的收获。Pandas 将会帮助我们分析数据，因为它能够有效的过滤权值或者通过它来应用一些函数。我们将会深入几个有趣的权值因子，比如分析航空公司和航线。

那么在此之前我们需要做一些数据清洗的工作。

routes = routes[routes[“airline_id”] != “//N”]

这一行命令就确保了我们在 airline_id 这一列只含有数值型数据。

制作柱状图

现在我们理解了数据的结构，我们可