“如何在 Python 中绘图？” 曾经有一个简单的答案：Matplotlib 是唯一的方法。如今，Python 是 数据科学 的语言，并且有更多选择。您应该使用什么？
本指南将帮助您做出决定。它将向您展示如何使用四个最流行的 Python 绘图库——Matplotlib、Seaborn、Plotly 和 Bokeh——以及另外几个值得考虑的后起之秀：Altair，及其富有表现力的 API，以及 Pygal，及其精美的 SVG 输出。我还将介绍 pandas 提供的非常方便的绘图 API。
对于每个库，我都包含了源代码片段，以及使用 Anvil（我们仅使用 Python 构建 Web 应用程序的平台）的完整基于 Web 的示例。让我们来看看。
示例图
每个库都采用略有不同的方法来绘制数据。为了比较它们，我将使用每个库制作相同的图表，并向您展示源代码。对于我的示例数据，我选择了自 1966 年以来英国选举结果的分组条形图
我从维基百科汇编了 英国选举历史数据集：从 1966 年到 2019 年的每次选举中，保守党、工党和自由党（广义上定义）赢得的英国议会席位数，以及“其他”党派赢得的席位数。您可以 将其下载为 CSV 文件。
Matplotlib
Matplotlib 是最古老的 Python 绘图库，并且仍然是最流行的。它于 2003 年创建，是 SciPy Stack（类似于 Matlab 的开源科学计算库）的一部分。
Matplotlib 使您可以精确控制绘图——例如，您可以定义条形图中每个条形的单独 x 位置。这是绘制此图的代码（您可以在 此处 运行）
import matplotlib.pyplot as plt
import numpy as np
from votes import wide as df
# Initialise a figure. subplots() with no args gives one plot.
fig, ax = plt.subplots()
# A little data preparation
years = df['year']
x = np.arange(len(years))
# Plot each bar plot. Note: manually calculating the 'dodges' of the bars
ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative', color='#0343df')
ax.bar(x - width/2, df['labour'], width, label='Labour', color='#e50000')
ax.bar(x + width/2, df['liberal'], width, label='Liberal', color='#ffff14')
ax.bar(x + 3*width/2, df['others'], width, label='Others', color='#929591')
# Customise some display properties
ax.set_ylabel('Seats')
ax.set_title('UK election results')
ax.set_xticks(x) # This ensures we have one tick per year, otherwise we get fewer
ax.set_xticklabels(years.astype(str).values, rotation='vertical')
ax.legend()
# Ask Matplotlib to show the plot
plt.show()这是在 Matplotlib 中绘制的选举结果
Seaborn
Seaborn 是 Matplotlib 之上的一个抽象层；它为您提供了一个非常简洁的界面，可以非常轻松地制作各种有用的绘图类型。
但这并没有牺牲功能！Seaborn 提供了 逃生舱口 来访问底层的 Matplotlib 对象，因此您仍然拥有完全的控制权。
Seaborn 的代码比原始 Matplotlib 更简单（可在 此处 运行）
import seaborn as sns
from votes import long as df
# Some boilerplate to initialise things
sns.set()
plt.figure()
# This is where the actual plot gets made
ax = sns.barplot(data=df, x="year", y="seats", hue="party", palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6)
# Customise some display properties
ax.set_title('UK election results')
ax.grid(color='#cccccc')
ax.set_ylabel('Seats')
ax.set_xlabel(None)
ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical')
# Ask Matplotlib to show it
plt.show()并生成此图表
Plotly
Plotly 是一个绘图生态系统，其中包括一个 Python 绘图库。它有三个不同的界面
- 面向对象的界面
- 允许您使用类似 JSON 的数据结构指定绘图的命令式界面
- 类似于 Seaborn 的高级界面，称为 Plotly Express
Plotly 图表旨在嵌入到 Web 应用程序中。Plotly 的核心实际上是一个 JavaScript 库！它使用 D3 和 stack.gl 绘制图表。
您可以通过将 JSON 传递给 JavaScript 库来构建其他语言的 Plotly 库。官方的 Python 和 R 库就是这样做的。在 Anvil，我们将 Python Plotly API 移植到 在 Web 浏览器中运行。
这是 Plotly 中的源代码（您可以在 此处 运行）
import plotly.graph_objects as go
from votes import wide as df
# Get a convenient list of x-values
years = df['year']
x = list(range(len(years)))
# Specify the plots
bar_plots = [
go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),
go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),
go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),
go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),
]
# Customise some display properties
layout = go.Layout(
title=go.layout.Title(text="Election results", x=0.5),
yaxis_title="Seats",
xaxis_tickmode="array",
xaxis_tickvals=list(range(27)),
xaxis_ticktext=tuple(df['year'].values),
)
# Make the multi-bar plot
fig = go.Figure(data=bar_plots, layout=layout)
# Tell Plotly to render it
fig.show()以及选举结果图
Bokeh
Bokeh（发音为“BOE-kay”）专门构建交互式图表，因此这个标准示例并没有充分展示其优势。与 Plotly 类似，Bokeh 的图表旨在嵌入到 Web 应用程序中；它将其图表输出为 HTML 文件。
这是 Bokeh 中的代码（您可以在 此处 运行）
from bokeh.io import show, output_file
from bokeh.models import ColumnDataSource, FactorRange, HoverTool
from bokeh.plotting import figure
from bokeh.transform import factor_cmap
from votes import long as df
# Specify a file to write the plot to
output_file("elections.html")
# Tuples of groups (year, party)
x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
y = df['seats']
# Bokeh wraps your data in its own objects to support interactivity
source = ColumnDataSource(data=dict(x=x, y=y))
# Create a colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)
# Make the plot
p = figure(x_range=FactorRange(*x), width=1200, title="Election results")
p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)
# Customise some display properties
p.y_range.start = 0
p.x_range.range_padding = 0.1
p.yaxis.axis_label = 'Seats'
p.xaxis.major_label_orientation = 1
p.xgrid.grid_line_color = None以及图表
Altair
Altair 基于一种声明式绘图语言（或“可视化语法”），称为 Vega。这意味着它是一个经过深思熟虑的 API，可以很好地扩展到复杂的绘图，使您免于迷失在嵌套循环的炼狱中。
与 Bokeh 一样，Altair 将其图表输出为 HTML 文件。这是代码（您可以在 此处 运行）
import altair as alt
from votes import long as df
# Set up the colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
# Cast years to strings
df['year'] = df['year'].astype(str)
# Here's where we make the plot
chart = alt.Chart(df).mark_bar().encode(
x=alt.X('party', title=None),
y='seats',
column=alt.Column('year', sort=list(df['year']), title=None),
color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
)
# Save it as an HTML file.
chart.save('altair-elections.html')以及生成的图表
Pygal
Pygal 专注于视觉外观。默认情况下，它生成 SVG 图表，因此您可以永久缩放它们或打印它们而不会使它们像素化。Pygal 图表还带有一些内置的良好交互功能，如果您希望将图表嵌入到 Web 应用程序中，Pygal 是另一个被低估的候选者。
源代码如下所示（您可以在 此处 运行它）
import pygal
from pygal.style import Style
from votes import wide as df
# Define the style
custom_style = Style(
colors=('#0343df', '#e50000', '#ffff14', '#929591')
font_family='Roboto,Helvetica,Arial,sans-serif',
background='transparent',
label_font_size=14,
)
# Set up the bar plot, ready for data
c = pygal.Bar(
title="UK Election Results",
style=custom_style,
y_title='Seats',
width=1200,
x_label_rotation=270,
)
# Add four data sets to the bar plot
c.add('Conservative', df['conservative'])
c.add('Labour', df['labour'])
c.add('Liberal', df['liberal'])
c.add('Others', df['others'])
# Define the X-labels
c.x_labels = df['year']
# Write this to an SVG file
c.render_to_file('pygal.svg')以及图表
Pandas
Pandas 是一个非常流行的 Python 数据科学库。它允许您可扩展地进行各种数据操作，但它也具有方便的绘图 API。由于它直接在数据帧上运行，因此 pandas 示例是本文中最简洁的代码片段——甚至比 Seaborn 代码还要短！
pandas API 是 Matplotlib 的包装器，因此您也可以使用底层的 Matplotlib API 来精细控制您的绘图。
这是 pandas 中的选举结果图。代码非常简洁！
from matplotlib.colors import ListedColormap
from votes import wide as df
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)
ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')
plt.show()以及生成的图表
要运行此示例，请查看 此处。
绘制您的方式
Python 提供了许多方法来绘制相同的数据，而无需太多代码。虽然您可以使用这些方法中的任何一种快速开始创建图表，但它们确实需要一些本地配置。Anvil 为需要 Python 开发的您提供精美的基于 Web 的体验。祝您绘图愉快！
本文基于 Anvil 博客上的 Python 绘图：比较各种选项，并经许可重复使用。
5 条评论