数据可视化是数据分析中极为重要的部分，而数据可视化图表（如条形图，散点图，折线图，地理图等）也是非常关键的一环。Python作为数据分析中最流行的编程语言之一，有几个库可以创建精美而复杂的数据可视化，允许分析人员和统计人员通过方便地在一处提供界面和数据可视化工具而轻松地根据其规范创建可视数据模型！

Matplotlib

Matplotlib是Python的数据可视化库和二维绘图库，它是Python社区中最流行，使用最广泛的绘图库。它带有跨多个平台的交互式环境。Matplotlib可以用于Python脚本，Python和IPython外壳，Jupyter笔记本，Web应用程序服务器等。它可以用于使用各种GUI工具箱（例如Tkinter，GTK +，wxPython，Qt等）将绘图嵌入到应用程序中。可以使用Matplotlib创建图，条形图，饼图，直方图，散点图，误差图，功率谱图，干图以及您想要的任何其他可视化图！Pyplot模块还提供类似于MATLAB的界面，该界面与MATLAB一样通用和有用，同时是免费和开源的。

Plotly

Plotly是一个免费的开源图形库，可用于形成数据可视化。Plotly（plotly.py）建立在Plotly JavaScript库（plotly.js）的基础上，可用于创建基于Web的数据可视化效果，这些可视化效果可以在Jupyter笔记本或Web应用程序中使用Dash显示或另存为单独的HTML文件。Plotly提供了40多种独特的图表类型，例如散点图，直方图，折线图，条形图，饼图，误差线，箱形图，多轴，迷你图，树状图，3-D图表等。Plotly还提供了等高线图，其中在其他数据可视化库中并不常见。除此之外，Plotly可以在没有互联网连接的情况下离线使用。

Seaborn

Seaborn是基于Matplotlib的Python数据可视化库，并与NumPy和pandas数据结构紧密集成。Seaborn具有各种面向数据集的绘图功能，可对其中具有整个数据集的数据框和数组进行操作。它在内部执行必要的统计汇总和映射功能，以创建用户所需的信息图。它是一个高级界面，用于创建美观和信息丰富的统计图形，这些图形对于探索和理解数据必不可少。Seaborn数据图形可以包括条形图，饼图，直方图，散点图，误差图等。Seaborn还具有各种工具来选择可以显示数据中图案的调色板。

GGplot

Ggplot是一个Python数据可视化库，它基于为编程语言R创建的ggplot2的实现为基础。Ggplot可以使用高级功能创建数据可视化，例如条形图，饼图，直方图，散点图，错误图等。 API。可在单个可视化中添加不同类型的数据可视化组件或层。Ggplot也与熊猫紧密相连，因此最好将数据保留在DataFrames中。

Altair

Altair是Python中的统计数据可视化库。它基于Vega和Vega-Lite，这是一种用于创建，保存和共享也具有交互性的数据可视化设计的声明性语言。Altair用最少的编码创建漂亮的图表数据可视化，例如条形图，饼图，直方图，散点图，误差图，功率谱，干图等。打开Jupyter Notebook或JupyterLab并执行任何代码以在Altair中获得该数据可视化。

Bokeh

Bokeh是一个数据可视化库，它为详细的图形提供了跨各种数据集（无论大小）的高交互性。数据可视化专家可以使用bokeh为现代Web浏览器创建各种交互式图，该bokeh可用于交互式Web应用程序，HTML文档或JSON对象。Bokeh具有3个级别可用于创建可视化。第一级专注于快速创建数据图，第二级控制图的基本构建块，而第三级则提供了完全自动的功能来创建没有预设默认值的图表。

Pygal

Pygal与Plotly或Bokeh相似，它创建的数据可视化图表可以嵌入到网页中，并可以使用Web浏览器访问，但主要区别在于它以SVG的形式输出图表或可缩放矢量图形。即使缩放比例尺也可以清晰地观察图表而不会损失任何质量。

SVG仅对较小的数据集有用，因为太多的数据点难以呈现，并且图表可能变得缓慢。

Geoplotlib

Geoplotlib为创建地图或使用地理数据提供支持，安装之前需要NumPy和pyglet，它可以使用许多不同类型的地图，例如点密度图，区域索引，符号图等。，geoplotlib是创建地理地图的唯一绝佳选择！