这里有8个流行的Python可视化工具包，你喜欢哪个？

Pygal 的名气就不那么大了，和其余常用的画图包一样，它也是用图形框架语法来构建图像的。因为画图方针较量简朴，因此这是一个相对简朴的画图包。行使 Pygal 很是简朴：

• 实例化图片;
• 用图片方针属性名目化;
• 用 figure.add() 将数据添加到图片中。

我在行使 Pygal 的进程中碰着的首要题目在于图片渲染。必必要用 render_to_file 选项，然后在 web 赏识器中打开文件，才气望见我方才构建的对象。

最终看来这是值得的，由于图片是交互式的，有令人满足并且便于自界说的美化成果。总而言之，这个包看起来不错，但在文件的建设和渲染部门较量贫困。

Networkx

固然 Networkx 是基于 matplotlib 的，但它还是图形说明和可视化的绝佳办理方案。图形和收集不是我的专业规模，但 Networkx 可以快速轻盈地用图形暗示收集之间的毗连。以下是我针对一个简朴图形构建的差异的暗示，以及一些从斯坦福 SNAP 下载的代码(关于绘制小型 Facebook 收集)。

我按编号(1~10)用颜色编码了每个节点，代码如下：

options = { 
    'node_color' : range(len(G)), 
    'node_size' : 300, 
    'width' : 1, 
    'with_labels' : False, 
    'cmap' : plt.cm.coolwarm 
} 
nx.draw(G, **options) 

用于可视化上面提到的稀少 Facebook 图形的代码如下：

import itertools 
import networkx as nx 
import matplotlib.pyplot as plt 
 
f = open('data/facebook/1684.circles', 'r') 
circles = [line.split() for line in f] 
f.close() 
 
network = [] 
for circ in circles: 
    cleaned = [int(val) for val in circ[1:]] 
    network.append(cleaned) 
 
G = nx.Graph() 
for v in network: 
    G.add_nodes_from(v) 
 
edges = [itertools.combinations(net,2) for net in network] 
 
for edge_group in edges: 
    G.add_edges_from(edge_group) 
 
options = { 
    'node_color' : 'lime', 
    'node_size' : 3, 
    'width' : 1, 
    'with_labels' : False, 
} 
nx.draw(G, **options) 

这个图形很是稀少，Networkx 通过最大化每个集群的隔断揭示了这种稀少化。

有很大都据可视化的包，但没法说哪个是最好的。但愿阅读本文后，你可以相识到在差异的情境下，该怎样行使差异的美化器材和代码。

原文链接：

https://towardsdatascience.com/reviewing-python-visualization-packages-fa7fe12e622b

【本文是51CTO专栏机构“呆板之心”的原创译文，微信公家号“呆板之心( id: almosthuman2014)”】

戳这里，看该作者更多好文

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!