1.Matplotlib
Matplotlib是Python中众多数据可视化库的鼻祖，其设计风格与20世纪80年代设计的商业化程序语言MATLAB十分接近，具有很多强大且复杂的可视化功能。它提供了一个面向对象的API，有助于使用PythonGUI工具包(如PyQt，WxPythonotTkinter)在应用程序中嵌入绘图。它也可以用于Python和IPythonshell，Jupyter笔记本和Web应用程序服务器。
2.Seaborn
Seaborn是基于Matplotlib进行高级封装的可视化库，它支持交互式界面，使绘制图标的功能变得更简单，且图表的色彩更具吸引力，可以画出丰富多样的统计图表。相对于Matplotlib，Seaborn语法更简洁，两者的关系类似于NumPy和Pandas之间的关系。
3.ggplot
ggplot是基于Matplotlib并旨在以简单方式提高Matplotlib可视化感染力的库，它采用叠加图层的形式绘制图形。例如先绘制坐标轴所在的图层，再绘制点所在的图层，最后绘制线所在的图层，但其并不适用于个性化定制图形。此外，ggplot2为R语言准备了一个接口，其中的API虽然不适用于Python，但适用于R语言并且功能十分强大。
4.Bokeh
Bokeh是一款Python交互数据可视化。与Matplotlib和Seaborn不同，Bokeh使用HTML和JavaScript渲染其地块。它以现代网络浏览器为呈现目标，提供优雅、简洁的新颖图形结构和高性能交互性。
5.Pygal
Pygal是一个开源的Python数据可视化库。它是最好的Python库之一，可以为不同的数据集创建高度互动的图和图表。同时，它允许你以SVG（可扩展矢量图）或PNG（可移植图形格式）下载你的可视化资料，用于多种应用并进行相应的定制。
6.Echarts
百度的Echarts项目（30Kstars）是用于浏览器的交互式图表和可视化库。它是用纯JavaScript编写的，基于zrendercanvas库。它支持Canvas，SVG（4.0+）和VML形式的渲染图。除了PC和移动浏览器之外，ECharts还可以与节点上的节点画布一起使用，以实现高效的服务器端渲染（SSR）。这是指向完整示例的场景链接，每个示例都可以在交互式场景上播放。
7.ChartJS
ChartJS是一个非常流行的（40kstars）开源HTML5图表库，用于使用canvas元素的响应式Web应用程序。V.2提供了混合的图表类型，新增了图表轴类型和动画。界面设计简单优雅，具有8种基本图表类型，你可以将库与moment.js组合为时间轴。你也可以在cdnjs上签出库。
8.MetricsGraphics.js
MetricsGraphics.js（7kstars）是一个优化的库，用于可视化和布局时间序列数据。它相对较小（最小80kb），并且提供折线图，散点图，直方图，条形图和数据表的狭窄而优雅的选择，以及地毯图和基本线性回归等功能。这是一个交互式示例库的链接。
9.C3js
C3js是一个用于Web应用程序的基于D3的可重用图表库。该库为每个元素提供类，因此您可以通过该类定义自定义样式，并通过D3直接扩展结构。它还提供了各种API和回调来访问图表状态。通过使用它们，你甚至可以在绘制图表后对其进行更新。
免责声明：文章内容不代表本站立场，本站不对其内容的真实性、完整性、准确性给予任何担保、暗示和承诺，仅供读者参考；文章版权归原作者所有！本站作为信息内容发布平台，页面展示内容的目的在于传播更多信息；本站不提供任何相关服务，阁下应知本站所提供的内容不能做为操作依据。市场有风险，投资需谨慎！如本文内容影响到您的合法权益（含文章中内容、图片等），请及时联系本站，我们会及时删除处理。
