fact：新一代Python数据可视化神器

添加微信号"CNFeffery"

备注"数据分析"加入技术交流群

1 简介

大家好我是费老师，Python之所以能成为「顶流编程语言」，非要重要的一点是其无比丰富的生态，譬如数据分析中非常重要的数据可视化场景，经典的Python数据可视化工具有matplotlib、seaborn、plotly、pyecharts等。

而今天要给大家介绍的新一代Python数据可视化工具fact，仅需编写简洁明了的代码，即可快捷生成风格清新美观的各种常见数据可视化图表类型，支持丰富的交互功能，并且支持一键导出图片文件，适用于各类数据可视化应用场景，下面我们就来一起学习fact的基础使用吧😉~

2 fact：新一代Python数据可视化神器

2.1 安装fact

fact的安装非常的简单，终端执行下列命令，即可在当前Python环境下完成最新版本的安装（推荐使用3.9到3.12版本的Python）：

pip install feffery-antd-charts -U

查看fact版本（本文写作时fact最新版本为0.1.5）：

2.2 fact的基础使用

完成fact的安装后，我们来学习一下其基础使用方式：

fact中图表的渲染绘制基于Python中的顶级开源应用开发框架Dash，因此可支持通过py程序独立渲染，或在jupyter单元格中进行渲染，下面我们分别做演示：

2.2.1 独立渲染

下面是基于Dash独立渲染fact图表的示例，以渐变色面积图为例：

对应chart.py代码如下，终端执行python chart.py，按照提示信息访问地址，即可查看上图所示的图表渲染结果：

import dash
import random
import feffery_antd_charts as fact

app = dash.Dash(__name__)

app.layout = fact.AntdArea(
    data=[
        {
            "date": f"2020-0{i}",
            "y": random.randint(50, 100),
        }
        for i in range(1, 10)
    ],
    xField="date",
    yField="y",
    areaStyle={"fill": "l(270) 0:#ffffff 0.5:#7ec2f3 1:#1890ff"},
)

if __name__ == "__main__":
    app.run()

2.2.2 在jupyter中渲染图表

fact也可以在jupyter的单元格中执行代码进行渲染，且无需额外安装任何插件，譬如上面示例中同样的代码，粘贴在jupyter的单元格中直接执行即可：

特别的，当在app.run()中设置jupyter_mode="tab"后，运行单元格中的代码后，会自动打开单独的浏览器标签页展示渲染结果：

对结合fact和Dash轻松实现纯Python开发各种数据应用感兴趣的朋友，可以关注玩转Dash公众号了解更多👇：

目前fact中内置了「数十种」实用的可视化图表，官网各图表文档持续补充中，目前已上线说明文档的图表类型如下，感兴趣的读者朋友们可以收藏官网地址持续关注（ https://fact.feffery.tech ）：

更多参考资料：

• fact官网：https://fact.feffery.tech
• Github仓库：https://github.com/CNFeffery/feffery-antd-charts
• 码云同步仓库：https://gitee.com/cnfeffery/feffery-antd-charts