选择适合你的Python可视化工具

Python 可视化工具全景图

R的可视化工具包ggplot2为R的流行起到了很好的推动作用。常有人拿这个与Python作比较，认为可视化是Python相对于Ｒ的短板。

其实我以为，恰恰是Python的可视化生态过于“丰富”，丰富到有点让人无所适从：

• 这些库各有长短、各有侧重，常常不知如何选择；
• 似乎又都有一些不如人意的地方，让初学习者常换工具，浪费了太多的时间和精力。

所以，本篇将：

1. 系统地分析一下Python可视化工具的生态；
2. 对一些重要的工具进行一些简单地介绍；
3. 最后给出一些如何根据自己的情况选择合适的一两个Python可视化工具的建议。

Python工具知多少？

根据PyViz的登记，目前共有 68 个Python可视化工具（库、包）。其中有11个的作者已不再开发或认可。仍在开发维护的工具有57个之多。前面的图展示了其中目前仍在维护的主要工具。

这么多可视化工具，初看起来确实令人生畏。

对这些工具进行一下归类比较，有助于我们做出合适的选择。

计算机绘图世界的等级制度

**注意：**这是一个草根为自己总结的！

一级，硬件级

计算机绘图世界有两个接近硬件级的底层库，或者叫规范、标准：

• OpenGL，通用的
• Direct3，windows系统上的

一般的显卡制造商基于它们编写显卡（图形）驱动程序。

二级，程序开发语言级

程序开发语言，在底层调用相对低级的图形库，提供一套高级一点的API供程序员使用。如，Python中的PyQtGraph，2D图形使用Qt的GraphicsView框架，3D图形使用OpenGL。

一般情况下，程序开发人员才会直接使用它们。

三级，绘图软件（库、包）级

绘图时直接使用的库和包，如matplotlib，调用Python的PyQtGraph。但一般使用人员都是直接使用matplotlib提供的API接口（函数，对象等）。

需要绘图、可视化的人员使用；做二次开发的人员使用。

四级，二次开发和封装

在三级库包的基础上再开发、封装，如基于matplotlib做二次开发、封装的plotnine、seaborn等。实际上matplotlib的pyplot模块也就是mpl核心对象的封装函数集。

主要用于快速绘图、可视化工作。

IEEE 的 SciVis 和 InfoVis 组

IEEE组织习惯于将Python可视化工具分为两个组：

一是：Scientific Visualization (SciVis) ，科学可视化。主要基于OpenGL图形标准，提供三维或四维物理过程的图形密集可视化，侧重于工程和科学环境。常见的这类Python可视化工具有VisPy, glumpy, GR, Mayavi等。

如使用 VisPy 库绘制螺旋星系图。

螺旋星系图

二是：Information Visualization (InfoVis) ，信息可视化。专注于任意空间中信息的可视化，而不一定是三维物理世界。InfoVis组的库使用打印页面或计算机屏幕的两个维度来抽象、解释空间，通常使用轴和标签。常见的Python这类库有，pandas, NetworkX, Cartopy，ggplot, plotnine, HoloViews, GeoViews，seaborn等。

InfoVis组的细分

我等草根很少需要去使用SciVis组的可视化工具，99%都在InfoVis组选择。

可以根据库的基础语言、等级、应用场景等，InfoVis组的库可以进一步细分为若干个子组：

• Matplotlib: 最古老，也是最受欢迎的InfoVis库之一，具有广泛的2D绘图类型和输出格式。使用桌面GUI工具包（如Qt和GTK）库，重点放在静态图像以及交互式图形上。也对3D提供了一定的支持，但有一些限制。
• 基于matplotlib：多年来，基于Matplotlib二次开发，构建了各种工具。目的有：用于特定类型数据的渲染引擎，用于特定领域（如Pandas中的绘图对DataFrame的支持），或提供更高级别的API以简化绘图步骤（如ggplot, plotnine），或者特定用途（如seaborn的统计绘图）等。
• JavaScript，及基于JavaScript的库。
• JSON，基于JavaScript的D3.js库。
• WebGL，基于WebGL标准的Web绘图。
• **其他，**提供一些特殊的、补充功能的库，如用于可视化网络的graphviz。

根据等级关系分类

根据库在Python可视化生态中所处的位置、领域、状态，可以将68个Python可视化工具分为以下12类：

其中休眠状态的库有11个，原则上不应选择这些库。

为了有一个合适的篇幅，将在下篇中接着讨论：

• Python重要库的介绍；
• 如何选择适合你的Python可视化工具；
• 我为什么选择Matplotlib。

(This end)