10 款常用 Python 数据可视化工具推荐

4、Bokeh

简介 Bokeh 完全基于 Python，不依赖 R。擅长制作可交互、可直接用于网络的图表，支持 JSON、HTML 或 Web 应用输出。

特点

• 支持实时数据流和流式处理
• 提供三种控制水平（快速制图、元素控制、开发级定制）
• 适合构建 Dashboard 和 Web 应用

基本用法

from bokeh.plotting import figure, show
p = figure(title="Simple line example")
p.line([1, 2, 3], [4, 5, 6])
show(p)

5、Pygal

简介 Pygal 提供可直接嵌入浏览器的可交互图像，主要区别在于将图表输出为 SVG 格式。

特点

• 封装成方法，默认风格漂亮
• 小数据量下渲染快，大数据量可能较慢
• 适合生成矢量图分享

基本用法

import pygal
chart = pygal.Bar()
chart.add('Series', [1, 2, 3])
chart.render_to_file('bar_chart.svg')

6、Plotly

简介 Plotly 致力于交互图表制作，提供其他库中难找的图表类型，如等高线图、树形图和三维图表。

特点

• 在线制图工具 Plotly 的 Python 接口
• 支持丰富的图表类型
• 适合需要复杂交互场景

基本用法

import plotly.graph_objects as go
fig = go.Figure(data=go.Scatter(y=[1, 2, 3]))
fig.show()

7、Geoplotlib

简介 Geoplotlib 是专门用于制作地图和地理相关数据的工具箱。

特点

• 支持等值区域图、热度图、点密度图
• 需安装 Pyglet 作为后端
• 适合地理空间数据分析

基本用法

from geoplotlib.utils import read_csv
from geoplotlib.map import Map
# 具体实现需结合地理数据加载

8、Gleam

简介 Gleam 借鉴 R 中 Shiny 的灵感，允许仅用 Python 程序将分析变成可交互网络应用，无需 HTML/CSS/JavaScript。

特点

• 可集成任何 Python 可视化库
• 支持添加域进行数据排序和过滤
• 适合快速构建分析应用原型

基本用法

from gleam import Application
app = Application()
# 定义交互逻辑

9、Missingno

简介 Missingno 用图像方式快速评估数据缺失情况，避免在数据表中手动检查。

特点

• 根据完整度排序或过滤数据
• 支持热力图或树状图展示缺失模式
• 适合数据清洗阶段

基本用法

import missingno as msno
msno.matrix(df)

10、Leather

简介 Leather 适用于需要快速生成图表且不追求完美细节的场景。生成 SVG 图像，调整大小时不失真。

特点

• 极简 API，几行代码即可出图
• 适用于所有数据类型
• 适合快速原型验证

基本用法

from leather import BarChart
BarChart(['A', 'B'], [10, 20]).render_to_file('output.svg')

总结

选择可视化工具时，若需精细控制选 Matplotlib；追求美观统计图选 Seaborn；做交互 Web 应用选 Bokeh 或 Plotly；处理地理数据选 Geoplotlib；快速检查缺失值选 Missingno。根据项目需求灵活组合使用效果更佳。