Python数据分析与应用：常见的数据可视化工具

　　在这个信息大爆炸的时代，掌握海量数据也很难发挥出令人满意的使用价值，而数据可视化将技术与艺术进行完美地融合，借助图形化的操作手段，将海量的数据信息形象地展示出来。数据可视化的应用可以说十分广泛，几乎应用于金融、商业、通信等各个领域。接下来，我们来认识一些基于Python语言的可视化库，常见的有如下几种：

　　1.Matplotlib库

　　Matplotlib是一个Python2D绘图库，作图风格接近Matlab，它已经成为Python中公认的数据可视化工具，适用于各种平台上(包括Python脚本、Python和IPython shell、Jupyter Notebook等)，能够以各种硬拷贝格式和交互式环境生成出版品质图形。

　　Matplotlib具有以下特点：

　　(1)使用极其简单。可以轻松地画一些简单或复杂的图形，仅仅用几行代码就能生成直方图、折线图、散点图等。

　　(2)以渐进、交互的方式实现数据可视化。

　　(3)对图形元素控制能力更强。

　　(4)可输出PNG、PDF等多种格式。

　　2.Seaborn库

　　Seaborn是基于Matplotlib的可视化库，专攻于统计可视化，使数据可视化更加赏心悦目。此外，Seaborn可以和Pandas进行无缝链接，让初学者更容易上手。

　　Seaborn具有以下特点：

　　(1)多个内置主题及主题颜色。

　　(2)单变量和双变量用于比较数据集中各变量的分布情况。

　　(3)对独立变量和相关变量进行回归拟合和可视化更加便捷。

　　(4)对矩阵数据可视化，通过聚类算法探究矩阵间的结构。

　　(5)基于网格绘制出更加复杂的图像集合。

　　3.Boken库

　　Boken是交互式可视化的绘图库，支持Web浏览器展示(图表可输出为JSON对象、HTML文档或可交互的网络应用)，它提供了风格简洁、漂亮的D3.js的图形化样式，并且将此功能扩展到高性能交互的数据集上。

　　Bokeh能与Numpy、Pandas等大部分数组或表格样式的数据结构进行完美结合，从而快速便捷地创建交互式绘图、仪表板等。

　　Bokeh具有以下特点：

　　(1)使用简单的指令可以快速创建复杂的统计图。

　　(2)提供如HTML、Notebook文档和服务器的输出。

　　(3)可以处理大量的数据流。

　　(4)支持Python、Scala、R、Julia等多种语言。

　　(5)可以转换使用其他库(如Matplotlib)编写的可视化程序。

　　(6)能够灵活地将交互式应用、布局和不同样式选择用于可视化。

　　除了上述这三个库以外，Python还提供了很多用于可视化的库，它们的使用都大同小异，这里就不再一一列举了。