数据可视化是Python的核心应用方向之一，凭借丰富的可视化类库，能轻松将枯燥数据转化为直观图表。本文为大家介绍常用的5个Python可视化库，快来看看吧。
1. Matplotlib
Matplotlib不必多说，它是最流行的Python可视化库，可以绘制二维、三维、动态、交互等任何图表，也是Seaborn等众多可视化库的底层依赖。
Matplotlib的特点是图表功能齐全，可定制化强，一般专业的新闻图表、科研图表、出版图表、企业图表都可以用Matplotlib绘制。
2. Seaborn
Seaborn是在Matplotlib基础上经过高级封装的可视化库，一般用于统计分析，是数据科学领域的核心可视化库，类似于kaggle这种数据比赛大部分都用Seaborn。
解释下高级封装，所谓封装就是把很多图表的功能模块化，拿来即用，不需要你写很多代码实现。
另外Seaborn与Pandas、Numpy集成的非常好，可以轻松使用Series、DataFrame、array数据类型进行图表开发，相较于Matplotlib节省了很多数据处理的时间，让你更加专注于制图。
3. Altair
Altair也是Python中一个主打统计分析的可视化库，它和Seaborn不同的是，语法会更加简洁，让你在可视化的过程中去分析梳理数据。
Altair基于Vega-Lite语法规则，将可视化描述为从数据到图形标记和属性的编码映射过程，使用Json格式规范图表外观，使用起来非常简单。
4. Bokeh
Bokeh主打web交互式可视化，图表不再是冷冰冰的图片，而是可以随意去调整的可视化交互工具，比如创建看板、应用、网页，都可以轻松实现，你也可以在jupyter notebook上去展示Bokeh图表。
Bokeh有很多的交互工具，比如缩放、平移、框选、悬停、重置、编辑、图像导出等等，使用起来非常方便。
5. plotly
plotly.js是非常出名的交互式可视化工具，它有Python的第三方接口，也就是plotly库。
plotly图表类型比较丰富，比如折线图、散点图、面积图、条形图、误差条、方框图、直方图、热图、子图、多轴图、极坐标图、气泡图、地图等等，这些都集成好固定的函数用法，可以拿来即用。
plotly绘制的图表相对比较美观，适合商用展示，且它的图表可以基于web，能进行多元化的交互操作。
