这里有8个流行的Python可视化工具包，你喜欢哪个？(4)

Pygal 的名气就不那么大了，和其它常用的绘图包一样，它也是用图形框架语法来构建图像的。由于绘图目标比较简单，因此这是一个相对简单的绘图包。使用 Pygal 非常简单：

• 实例化图片;
• 用图片目标属性格式化;
• 用 figure.add() 将数据添加到图片中。

我在使用 Pygal 的过程中遇到的主要问题在于图片渲染。必须要用 render_to_file 选项，然后在 web 浏览器中打开文件，才能看见我刚刚构建的东西。

最终看来这是值得的，因为图片是交互式的，有令人满意而且便于自定义的美化功能。总而言之，这个包看起来不错，但在文件的创建和渲染部分比较麻烦。

Networkx

虽然 Networkx 是基于 matplotlib 的，但它仍是图形分析和可视化的绝佳解决方案。图形和网络不是我的专业领域，但 Networkx 可以快速简便地用图形表示网络之间的连接。以下是我针对一个简单图形构建的不同的表示，以及一些从斯坦福 SNAP 下载的代码(关于绘制小型 Facebook 网络)。

我按编号(1~10)用颜色编码了每个节点，代码如下：

options = { 
    'node_color' : range(len(G)), 
    'node_size' : 300, 
    'width' : 1, 
    'with_labels' : False, 
    'cmap' : plt.cm.coolwarm 
} 
nx.draw(G, **options) 

用于可视化上面提到的稀疏 Facebook 图形的代码如下：

import itertools 
import networkx as nx 
import matplotlib.pyplot as plt 
 
f = open('data/facebook/1684.circles', 'r') 
circles = [line.split() for line in f] 
f.close() 
 
network = [] 
for circ in circles: 
    cleaned = [int(val) for val in circ[1:]] 
    network.append(cleaned) 
 
G = nx.Graph() 
for v in network: 
    G.add_nodes_from(v) 
 
edges = [itertools.combinations(net,2) for net in network] 
 
for edge_group in edges: 
    G.add_edges_from(edge_group) 
 
options = { 
    'node_color' : 'lime', 
    'node_size' : 3, 
    'width' : 1, 
    'with_labels' : False, 
} 
nx.draw(G, **options) 

这个图形非常稀疏，Networkx 通过最大化每个集群的间隔展现了这种稀疏化。

有很多数据可视化的包，但没法说哪个是最好的。希望阅读本文后，你可以了解到在不同的情境下，该如何使用不同的美化工具和代码。

原文链接：

https://towardsdatascience.com/reviewing-python-visualization-packages-fa7fe12e622b

【本文是51CTO专栏机构“机器之心”的原创译文，微信公众号“机器之心( id: almosthuman2014)”】

戳这里，看该作者更多好文

【编辑推荐】

1. 为什么Julia比Python快？因为天生理念就更先进啊
2. 李鬼见李逵，用Python“死磕”翟天临的博士论文
3. Java帝国对Python的渗透能成功吗？
4. 为什么Python不用设计模式？
5. DeBug Python代码全靠print函数？换用这个一天2K+Star的工具吧

（编辑：ASP站长网）