摘要：其它的可视化库诸如：seaborn、pyecharts、ggplot、altair、pyqtgraph、pygal、vispy、networkx、plotly、bokeh等等，各有各的优势。

Python中有非常多好看的可视化绘图库，比如matplotlib，可定制性强、图表资源丰富、简单易用、达到出版质量级别。

其它的可视化库诸如：seaborn、pyecharts、ggplot、altair、pyqtgraph、pygal、vispy、networkx、plotly、bokeh等等，各有各的优势。

这里介绍3个我最常用的可视化库，即能满足常见的数据可视化需求，还能集成在web等应用中。

Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。

可以把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。

Plotly是Plotly.py 的高级封装，可视化能力及其强大，且图表类型丰富，它为复杂的图表提供了一个简单的语法。

受 Seaborn 和 ggplot2 的启发，它专门设计为具有简洁，一致且易于学习的 API 。只需一次导入，您就可以在一个函数调用中创建丰富的交互式绘图，包括分面绘图（faceting）、地图、动画和趋势线。

Plotly是完全免费的，凭借其宽松的开源 MIT 许可证，可以随意使用它。最重要的是，Plotly Express 与 Plotly 生态系统的其他部分完全兼容，比如 Dash 应用程序中使用它，或使用JupyterLab 图表编辑器在 GUI 中编辑它们！

Pyecharts 是一个用于生成 Echarts 图表的Python类库，而且是国内团队开发的，适合国内可视化的一些场景开发。

Echarts 是百度开源的一个数据可视化 JS 库，用 Echarts 生成的图可视化效果非常好，pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。

这几个可视化都非常适合平时的数据分析，以及部署到一些可视化的项目中，一方面它们的接口简单，另一方面图形库丰富，不需要担心不够用，也无需花费过多时间去开发。

来源：散文随风想