python交互式数据可视化_python数据可视化工具

熟知python的人都知道，python上常用的一款数据可视化工具是Matplotlib，但是Matplotlib是静态的。那么，Python中除了matplotlib外，还有哪些数据可视化工具呢？其实，在 Python 中，将数据可视化有多种选择，正是因为这种多样性，python才更能发挥出数据分析的好处。本文从从数据分析学习以及工作业务的角度，去梳理一下Python常用的数据可视化工具。

一、python数据可视化工具之finebi

从功能上看，finebi的功能全面，但不是很突出，比如支持的图表种类还是相对少一些，要想做绚丽多彩的信息图，不太适合。但finebi也有不错的特色功能，如excelview、数据地图、spa螺旋式分析、即席分析还是很实用的。

从性能上看，finebi跑1亿数据量的100分组表，时间在0.75s左右，还是可以的。

严格意义上讲，finebi是自助式的BI分析工具，因为它不仅有前端的数据分析操作功能，还有数据管理、以IT为中心的企业级管控，还有比较好的移动端支持，有原生的APP，也支持钉钉、微信企业号，体验也不错。下面是finebi的整个技术架构。finebi功能比较全面，没有明显短板，但最令人印象深刻的，还是的简单操作。

二、python数据可视化工具之Matplotlib

matplotlib是python数据可视化工具中的泰斗。尽管它已有十多年的历史，但它仍是Python使用者最广泛使用的绘画库。其设计与20世纪80年代开发的一种专有编程语言—-MATLAB非常相似。

因为matplotlib是第一个Python数据可视化库，所以很多其它的库都是以其为基础构建的，亦或者在分析期间与其协同合作的。一些python数据可视化工具，如pandas和Seaborn，都是对matplotlib的“包装器”，使我们能够用更少的代码以多种方式访问matplotlib。

三、python数据可视化工具之Seaborn

Seaborn利用matplotlib的强大功能，几行代码就能创建漂亮的图表。其与matplotlib主要的区别是Seaborn的默认样式以及更美观、更现代的调色板设计。因为Seaborn建立在matplotlib之上，所以你需要了解matplotlib来调整Seaborn 的默认值。

四、python数据可视化工具之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。

五、python数据可视化工具之Bokeh

Boken是《图形语法》中的概念，但与ggplot不同的是，它完全基于Python，不是从R语言移植过来的。其优势在于能够创建交互式的、可直接用于网络的绘图，这些绘图可以很容易地输出为JSON 对象，HTML文档或交互式web应用程序。Bokeh还支持流媒体和实时数据。

六、python数据可视化工具之Pygal

Pygal这个python数据可视化工具，提供了可以嵌入到Web浏览器中的交互式绘图。其主要区别在于能够将图表输出为SVG格式。只要你在处理较小的数据集，SVG就可以帮你做得很好。但是，如果你制作的图表中有数十万个数据点，它们将很难呈现，并且会变得迟钝。

在 Python 生态系统中绘制数据是一件好事也是一件坏事。绘制数据的工具有很多可供选择既是一件好事也是一件坏事，尽力搞清楚哪一个工具适合你取决于你要实现什么。一般的情况下，都建议选择市面上较主流的产品，比较容易达到好的效果，目前企业数据分析BI软件市场占有率前列的，就是帆软bi软件——FineBI。