文丨Chris Moffitt
編譯丨姜瑞琪
觸脈諮詢數據分析師
用過python的人都會面臨一個問題，尤其是初學者：我應該選哪個來實現數據可視化？
面對眾多的選項，要弄清楚什麼時候使用哪個的問題沒那麼容易。
這就是今天分享這篇文章的初衷，通過列舉一些使用頻率較高的工具，以及使用它們創建簡單的條形圖的方法，幫助各位進行簡單的梳理。
以下就是將要用來創建繪製數據的示例：
·Pandas
·Seaborn
·Ggplot
在示例中，我將使用pandas進行數據處理並使用它來完成可視化的效果。其實，在大多數情況下，可視化工具可以在沒有pandas的情況下使用，但pandas+可視化工具的組合很常見，這是一個很好的起始點。
pandas
我通常會用pandas DataFrame開始製作各種繪圖的工作。這樣有一個優勢，就是pandas提供內置的繪圖功能，它是matplotlib之上的一層。
首先，導入我們的模塊並將數據放入DataFrame中，此外，還將對數據進行排序並讓其限制在前10行中。
所有的示例中使用的預算行都相同，以下是導入DataFrame後前5個項目的樣子：
我們可以手動設置外觀並創建一個條形圖：
如果想保存生成的圖像，則需要以下的代碼：
製作成功後會如下所示：
如果想對Y軸進行更多格式化，則需要一些matplotlib的操作，而不能僅僅通過pandas來實現。
Seaborn
Seaborn是基於matplotlib的可視化庫，它能讓數據可視化在視覺上更具有吸引力，並且能夠很好的與pandas一起使用。
我喜歡用Seaborn的一點就在於它能夠快速更改調色板以使其外觀更好看。
標準導入並讀取數據：
在使用的時候，我發現一件事情就是必須使用x_order明確設置x_axis上項目的順序。
對這節代碼設置順序，並設置繪圖和條形圖顏色的樣式：
示例中，我們使用matplotlib旋轉x軸標題，以便在實際場景中可以閱讀。視覺上，顯示看起來不錯。理想情況下，可以使用matplotlib中的plt.yticks在y軸上設置刻度線的格式。
ggplot
ggplot與Seaborn相似，都是建立在matplotlib之上，並以一種簡單的方式優化提升matplotlib可視化的視覺吸引力。但有一點與seaborn不同，它是R的ggplot2埠，因此，某些API是非Python的，但功能非常強大。
繼續導入並讀取我們的數據：
現在，我們可以通過將幾個ggplot命令連接在一起來構建繪圖：
通過使用print p可以顯示圖形。
實操中，確實需要花一些時間才能弄清楚如何將文本旋轉90度，以及如何在x軸上排列標籤。
我發現scale_y_continous是一個很酷的功能，它能使標籤的使用變得更簡單。
如果要保存圖像，可以使用ggsave輕鬆進行：
最終生成的圖像。
總結：
使用Python繪製數據圖表時，選擇太多是好事兒也是壞事兒。這意味著我們需要根據要完成的工作找出適合的方法，去確定這些工具能否有用。
這沒辦法給出一個明確的定義，以此為基準進行選擇。以下是我總結的一些想法：
·pandas對於簡單的繪製圖表很方便，但通常需要搭配matplotlib進行使用。
·seaborn可以支持複雜的可視化方法，在配色方案上也有一定優勢。但是，仍需要用matplotlib進行調整。
·ggplot仍然在不斷優化。
希望對各位有所幫助~
原文連結：https://pbpython.com/visualization-tools-1.html，有所刪減及修改