“如何在 Python 中繪圖?”曾經(jīng)這個問題有一個簡單的答案：Matplotlib 是唯一的辦法。如今，Python 作為數(shù)據(jù)科學的語言，有著更多的選擇。你應該用什么呢?

本指南將幫助你決定。

它將向你展示如何使用四個最流行的 Python 繪圖庫：Matplotlib、Seaborn、Plotly 和 Bokeh，再加上兩個值得考慮的優(yōu)秀的后起之秀：Altair，擁有豐富的 API;Pygal，擁有漂亮的 SVG 輸出。我還會看看 Pandas 提供的非常方便的繪圖 API。

對于每一個庫，我都包含了源代碼片段，以及一個使用 Anvil 的完整的基于 Web 的例子。Anvil 是我們的平臺，除了 Python 之外，什么都不用做就可以構建網(wǎng)絡應用。讓我們一起來看看。

示例繪圖

每個庫都采取了稍微不同的方法來繪制數(shù)據(jù)。為了比較它們，我將用每個庫繪制同樣的圖，并給你展示源代碼。對于示例數(shù)據(jù)，我選擇了這張 1966 年以來英國大選結果的分組柱狀圖。

Bar chart of British election data我從維基百科上整理了英國選舉史的數(shù)據(jù)集：從 1966 年到 2019 年，保守黨、工黨和自由黨(廣義)在每次選舉中贏得的英國議會席位數(shù)，加上“其他”贏得的席位數(shù)。你可以以 CSV 文件格式下載它。

Matplotlib

Matplotlib 是最古老的 Python 繪圖庫，現(xiàn)在仍然是最流行的。它創(chuàng)建于 2003 年，是 SciPy Stack 的一部分，SciPy Stack 是一個類似于 Matlab 的開源科學計算庫。

Matplotlib 為你提供了對繪制的精確控制。例如，你可以在你的條形圖中定義每個條形圖的單獨的 X 位置。下面是繪制這個圖表的代碼(你可以在這里運行)：

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() 

這是用 Matplotlib 繪制的選舉結果：

Matplotlib plot of British election data

Seaborn

Seaborn 是 Matplotlib 之上的一個抽象層;它提供了一個非常整潔的界面，讓你可以非常容易地制作出各種類型的有用繪圖。

不過，它并沒有在能力上有所妥協(xié)!Seaborn 提供了訪問底層 Matplotlib 對象的逃生艙口，所以你仍然可以進行完全控制。

Seaborn 的代碼比原始的 Matplotlib 更簡單(可在此處運行)：

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() 

并生成這樣的圖表：

Seaborn plot of British election data

Plotly

Plotly 是一個繪圖生態(tài)系統(tǒng)，它包括一個 Python 繪圖庫。它有三個不同的接口：

• 一個面向對象的接口。
• 一個命令式接口，允許你使用類似 JSON 的數(shù)據(jù)結構來指定你的繪圖。
• 類似于 Seaborn 的高級接口，稱為 Plotly Express。

Plotly 繪圖被設計成嵌入到 Web 應用程序中。Plotly 的核心其實是一個 JavaScript 庫!它使用 D3 和 stack.gl 來繪制圖表。

你可以通過向該 JavaScript 庫傳遞 JSON 來構建其他語言的 Plotly 庫。官方的 Python 和 R 庫就是這樣做的。在 Anvil，我們將 Python Plotly API 移植到了 Web 瀏覽器中運行。

這是使用 Plotly 的源代碼(你可以在這里運行)：

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(xx=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')), 
        go.Bar(xx=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')), 
        go.Bar(xx=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')), 
        go.Bar(xx=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, layoutlayout=layout) 
    # Tell Plotly to render it 
    fig.show() 

Bokeh

Bokeh(發(fā)音為 “BOE-kay”)擅長構建交互式繪圖，所以這個標準的例子并沒有將其展現(xiàn)其最好的一面。和 Plotly 一樣，Bokeh 的繪圖也是為了嵌入到 Web 應用中，它以 HTML 文件的形式輸出繪圖。

下面是使用 Bokeh 的代碼(你可以在這里運行)：

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(xx=x, yy=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, sourcesource=source, fill_colorfill_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 

圖表如下：

Bokeh plot of British election data

Altair

Altair 是基于一種名為 Vega 的聲明式繪圖語言(或“可視化語法”)。這意味著它具有經(jīng)過深思熟慮的 API，可以很好地擴展復雜的繪圖，使你不至于在嵌套循環(huán)的地獄中迷失方向。

與 Bokeh 一樣，Altair 將其圖形輸出為 HTML 文件。這是代碼(你可以在這里運行)：

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') 

結果圖表：

Altair plot of British election dataPygal

Pygal

專注于視覺外觀。它默認生成 SVG 圖，所以你可以無限放大它們或打印出來，而不會被像素化。Pygal 繪圖還內置了一些很好的交互性功能，如果你想在 Web 應用中嵌入繪圖，Pygal 是另一個被低估了的候選者。

代碼是這樣的(你可以在這里運行它)：

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') 

繪制結果：

Pygal plot of British election data

Pandas

Pandas 是 Python 的一個極其流行的數(shù)據(jù)科學庫。它允許你做各種可擴展的數(shù)據(jù)處理，但它也有一個方便的繪圖 API。因為它直接在數(shù)據(jù)幀上操作，所以 Pandas 的例子是本文中最簡潔的代碼片段，甚至比 Seaborn 的代碼還要短!

Pandas API 是 Matplotlib 的一個封裝器，所以你也可以使用底層的 Matplotlib API 來對你的繪圖進行精細的控制。

這是 Pandas 中的選舉結果圖表。代碼精美簡潔!

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() 

繪圖結果：

Pandas plot of British election data要運行這個例子，請看這里。

以你的方式繪制

Python 提供了許多繪制數(shù)據(jù)的方法，無需太多的代碼。雖然你可以通過這些方法快速開始創(chuàng)建你的繪圖，但它們確實需要一些本地配置。如果需要，Anvil 為 Python 開發(fā)提供了精美的 Web 體驗。祝你繪制愉快!