Python绘图库matplotlib、seaborn、plotly与前端Antv、Echarts、D3.js简介及绘制折线图

• Python绘图库matplotlib、seaborn、plotly与前端Antv、Echarts、D3.js简介及绘制折线图
• • D3.js
  • • 简介：
    • 折线图实现：
  • Antv
  • • 简介：
    • 折线图实现：
  • Echarts
  • • 简介：
    • 折线图实现
  • Plotly
  • • 简介：
    • 折线图实现
  • matplotlib
  • • 简介：
    • 折线图实现
  • seaborn
  • • 简介：
    • 折线图实现

D3.js

免费的 JavaScript 库，可以将任意数据连接到 HTML 的文档对象模型（DOM），然后将数据驱动的转换应用于文档，通过 DOM 编程 API 可以将文档作为对象访问。支持用于交互和动画的大型数据集和动态行为，开发时可以通过浏览器的内置元素检查器进行调试。

AntV

是蚂蚁集团研发的一个可视化控件解决方案，包括了可视化图形语法、可视化引擎、图分析工具和地理空间数据的可视化框架等。从它的官网可以了解到现在阿里系的产品（支付宝、淘宝等）里的可视化都基于 AntV 开发。

ECharts

基于 Canvas 的纯 Javascript 的图表库，提供直观、生动、可交互、可个性化定制的数据可视化图表。ECharts 提供了常规的折线图、柱状图、散点图、饼图、 K 线图，用于统计的盒形图，用于地理数据可视化的地图、热力图、线图，用于关系数据可视化的关系图、 treemap、 旭日图，多维数据可视化的平行坐标，还有用于 BI 的漏斗图，仪表盘，并且支持图与图之间的混搭。并且有深度的交互式数据探索，可以对数据进行多维度数据筛取、视图缩放、展示细节等交互操作。与 D3.js 相比，ECharts 由百度团队研发，中文文档比较清晰，相对来说上手难度更低一点。

    
    
    
    




    

        
                           
                测试折现图
        

    

plotly

用于创建图表和基于浏览器的开源 Python 图形库。可称为高级图表库，因为它是内置于 D3.js 库的顶部。可以使用该工具通过上载 CSV 文件或连接到 SQL 数据库来创建 D3.js 图表和地图。导出图片的质量较高，图形界面完全交互式。Plotly 可以提供比较少见的图表，比如等高线图、烛台图（K 线图）和 3D 图表，而大多数工具都没有这些图表。此外，Plotly 的团队还维护着增长飞快的 R、Python 以及 JavaScript 的开源可视化库。

import plotly.graph_objects as go
animals = ['2022-05-23', '2022-05-24', '2022-05-25','2022-05-26','2022-05-27','2022-05-28','2022-05-29']

fig = go.Figure(data=[
    go.Scatter(name='plotly', x=animals, y=[20, 14, 23,10,15,20,13]),
])
fig.show()  

matplotlib

Matplotlib是一个用于在Python中制作数组的2D绘图的库。尽管它起源于模拟MATLAB® [1]图形命令，但它独立于MATLAB，可以以Pythonic，面向对象的方式使用。尽管Matplotlib主要是用纯Python编写的，但它大量使用NumPy和其他扩展代码，即使对于大型数组也能提供良好的性能。

import matplotlib.pyplot as plt

#折线图
x = ['2022-05-23', '2022-05-24', '2022-05-25','2022-05-26','2022-05-27','2022-05-28','2022-05-29']#点的横坐标
k1 = [20, 14, 23,10,15,20,13]#线1的纵坐标
plt.plot(x,k1,'s-',color = 'r',label="ATT-RLSTM")#s-:方形
plt.xlabel("region length")#横坐标名字
plt.ylabel("accuracy")#纵坐标名字
plt.legend(loc = "best")#图例
plt.show()

seaborn

它简化了复杂数据集的表示，可以轻松构建复杂的可视化，简洁的控制matplotlib图形样式与几个内置主题，拥有更多的、更现代化的风格样式和艺术效果，新增了更多的基于统计的、更加简单方便的高级函数，能与 Pandas 的 DataFrame 无缝结合。

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
# 设置
pd.options.display.notebook_repr_html=False  # 表格显示
plt.rcParams['figure.dpi'] = 75  # 图形分辨率
sns.set_theme(style='darkgrid')  # 图形主题

s=pd.Series([3,15,9,12,4,10,15],name='count')
sns.lineplot(data=s)
plt.show()