Python干货：分享几种Python可视化工具

MatplotlibMatplotlib是众多Python可视化包的鼻祖。其功能非常强大，同时也非常复杂。你可以使用Matplotlib去做任何你想做的事情，但是想要搞明白却并非易事。我不打算展示原生的Matplotlib例子，因为很多工具(特别是Pandas和Seaborn)是基于Matplotlib的轻量级封装。

我们将在所有示例中使用相同的budget数据，下面是其中5条：

上述代码使用detail列的数据完成了创建图表的主要工作，同时展示了title并移除了legend。下面是将图表存为png格式的代码：

基础图表看起来不错，理想情况下，我想对y轴再做一些格式化，但是这样做需要使用matplotlib的一些功能。虽然现在的图表已是完美可用的可视化图表了，但是仅仅通过pandas是不可能完成更多定制的。SeabornSeaborn是一个基于matplotlib的可视化库。它旨在使默认的数据可视化更加悦目。它还旨在简化复杂图表的创建，可以与pandas很好地集成。

正如你所看到的，必须使用matplotlib旋转x轴的标题以便可以正常地阅读。从外观上看，图表看起来不错。理想情况下，我想格式化y轴上的刻度，但我不知道在不使用matplotlib中的plt.yticks的情况下，如何实现格式化。ggplotggplot与Seaborn类似，也是基于matplotlib并旨在以简单的方式提高matplotlib可视化的视觉感染力。

这似乎看起来有些奇怪–尤其是使用printp来显示图表。但是，这样相对简单明了。要弄清楚如何将文本旋转90度以及如何将x轴上的标签排序，确实要做些深入的挖掘。最酷的功能是scale_y_continous，它可以使标签更美观。如果你想将图表保存为图片，使用ggsave可以很轻松地办到：

bokeh不同的一方面是我需要明确列出我绘图需要的值。现在我们可以绘图了。下面的代码将会实现在浏览器中展示包含图表的HTML页面，如果想用作其他展示，可以保存其png格式的副本。没找到一种更简单的方式来格式化y轴。Bokeh有很多功能，你可以自己去慢慢发现。PygalPygal用于创建svg格式的图表，如果安装了正确的依赖，也可以保存为png格式。

接下来，将文件渲染为svg和png格式：