Python의 7개의 우수한 그림 라이브러리 - 비교 (라이브러리마다 안내서가 있음)
37860 단어 datasciencewebdevpython
어떻게 Python으로 그림을 그립니까?
이 질문에는 과거에 간단한 답이 있었다. Matplotlib이 유일한 방법이었다.현재 파이톤은 데이터 과학의 언어로 선택의 여지가 많다.당신은 어떤 것을 써야 합니까?
이 지침은 네가 결정하는 것을 도울 것이다.7개의 Python 그림 라이브러리를 사용하는 방법을 보여 드리며, 라이브러리마다 추가 깊이 가이드를 제공합니다.
나는 또한 모든 라이브러리의 예시를 하나의 응용 프로그램으로 포장하여 파이톤을 사용하여 웹 기반 데이터 응용 프로그램을 구축하는 방법을 보여 주었다.이 모든 라이브러리는 Anvil의 서버 모듈에서 사용할 수 있고, Plotly도 Anvil에서 직접 사용할 수 있습니다!예시 코드의 깊이 있는 안내서를 클릭하십시오.
가장 유행하는 파이썬 그래픽 라이브러리는 Matplotlib, Plotly, Seaborn, Bokeh입니다.나는 또 네가 절대로 고려해야 할 과소평가된 보물들을 소개했다. Altair와 Pygal, Altair는 풍부한 API를 가지고 있고 Pygal은 아름다운 SVG 출력을 가지고 있다.또한 Pandas에서 제공하는 매우 편리한 드로잉 API도 살펴봅니다.
우리의 예시적인 줄거리
이 창고들 중 하나는 모두 약간 다른 방법을 채택했다.그것들을 비교하기 위해서, 나는 모든 라이브러리에 대해 같은 그림을 그리고, 원본 코드를 보여 드리겠습니다.나는 1966년 이후 영국 선거 결과의 조별 그래프를 선택했다.이것은 다음과 같습니다.
나는 영국 선거 역사 데이터집from Wikipedia을 수집했다. 1966년부터 2019년까지 보수당, 노동당과 자유당이 매번 선거에서 이긴 영국 의회 의석수에'기타'가 이긴 의석수를 더했다.CSV 파일here로 다운로드할 수 있습니다.
1.Matplotlib
가장 오래된 파이톤 갤러리이자 가장 유행하는 갤러리입니다.2003년에 만들어진 이 라이브러리는 SciPy Stack 의 일부이며, 이것은 Matlab과 유사한 소스 과학 계산 라이브러리이다.
Matplotlib은 그림에 대한 정확한 제어를 제공합니다. 예를 들어, 줄무늬 그림에서 각각의 줄무늬 그림의 단독 x 위치를 정의할 수 있습니다.나는 이미 더 자세한 Matplotlib 안내서를 썼으니, 너는 그것을 찾을 수 있다.
import matplotlib.pyplot as plt
import numpy as np
from votes import wide as df
# Initialise a figure. subplots() with no args gives one plot.
fig, ax = plt.subplots()
# A little data preparation
years = df['year']
x = np.arange(len(years))
# Plot each bar plot. Note: manually calculating the 'dodges' of the bars
ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative', color='#0343df')
ax.bar(x - width/2, df['labour'], width, label='Labour', color='#e50000')
ax.bar(x + width/2, df['liberal'], width, label='Liberal', color='#ffff14')
ax.bar(x + 3*width/2, df['others'], width, label='Others', color='#929591')
# Customise some display properties
ax.set_ylabel('Seats')
ax.set_title('UK election results')
ax.set_xticks(x) # This ensures we have one tick per year, otherwise we get fewer
ax.set_xticklabels(years.astype(str).values, rotation='vertical')
ax.legend()
# Ask Matplotlib to show the plot
plt.show()
헤베인
Matplotlib 위에 있는 추상적인 층입니다. 이것은 여러 가지 유용한 그림 형식을 쉽게 생성할 수 있는 아주 간결한 인터페이스를 제공합니다.
그러나 그것은 권력에 타협하지 않을 것이다!Seaborn에서는 기본 Matplotlib 객체에 액세스할 수 있으므로 완전한 제어권을 갖고 있습니다.너는 더욱 상세한 Seaborn 안내서를 볼 수 있다.
이것은 우리가 Seaborn에서 선거한 결과다.코드가 원래 Matplotlib보다 훨씬 간단합니다.
import seaborn as sns
from votes import long as df
# Some boilerplate to initialise things
sns.set()
plt.figure()
# This is where the actual plot gets made
ax = sns.barplot(data=df, x="year", y="seats", hue="party", palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6)
# Customise some display properties
ax.set_title('UK election results')
ax.grid(color='#cccccc')
ax.set_ylabel('Seats')
ax.set_xlabel(None)
ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical')
# Ask Matplotlib to show it
plt.show()
음모해
파이썬 갤러리를 포함한 드로잉 생태계입니다.세 개의 인터페이스가 있습니다.
이 창고들 중 하나는 모두 약간 다른 방법을 채택했다.그것들을 비교하기 위해서, 나는 모든 라이브러리에 대해 같은 그림을 그리고, 원본 코드를 보여 드리겠습니다.나는 1966년 이후 영국 선거 결과의 조별 그래프를 선택했다.이것은 다음과 같습니다.
나는 영국 선거 역사 데이터집from Wikipedia을 수집했다. 1966년부터 2019년까지 보수당, 노동당과 자유당이 매번 선거에서 이긴 영국 의회 의석수에'기타'가 이긴 의석수를 더했다.CSV 파일here로 다운로드할 수 있습니다.
1.Matplotlib
가장 오래된 파이톤 갤러리이자 가장 유행하는 갤러리입니다.2003년에 만들어진 이 라이브러리는 SciPy Stack 의 일부이며, 이것은 Matlab과 유사한 소스 과학 계산 라이브러리이다.
Matplotlib은 그림에 대한 정확한 제어를 제공합니다. 예를 들어, 줄무늬 그림에서 각각의 줄무늬 그림의 단독 x 위치를 정의할 수 있습니다.나는 이미 더 자세한 Matplotlib 안내서를 썼으니, 너는 그것을 찾을 수 있다.
import matplotlib.pyplot as plt
import numpy as np
from votes import wide as df
# Initialise a figure. subplots() with no args gives one plot.
fig, ax = plt.subplots()
# A little data preparation
years = df['year']
x = np.arange(len(years))
# Plot each bar plot. Note: manually calculating the 'dodges' of the bars
ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative', color='#0343df')
ax.bar(x - width/2, df['labour'], width, label='Labour', color='#e50000')
ax.bar(x + width/2, df['liberal'], width, label='Liberal', color='#ffff14')
ax.bar(x + 3*width/2, df['others'], width, label='Others', color='#929591')
# Customise some display properties
ax.set_ylabel('Seats')
ax.set_title('UK election results')
ax.set_xticks(x) # This ensures we have one tick per year, otherwise we get fewer
ax.set_xticklabels(years.astype(str).values, rotation='vertical')
ax.legend()
# Ask Matplotlib to show the plot
plt.show()
헤베인
Matplotlib 위에 있는 추상적인 층입니다. 이것은 여러 가지 유용한 그림 형식을 쉽게 생성할 수 있는 아주 간결한 인터페이스를 제공합니다.
그러나 그것은 권력에 타협하지 않을 것이다!Seaborn에서는 기본 Matplotlib 객체에 액세스할 수 있으므로 완전한 제어권을 갖고 있습니다.너는 더욱 상세한 Seaborn 안내서를 볼 수 있다.
이것은 우리가 Seaborn에서 선거한 결과다.코드가 원래 Matplotlib보다 훨씬 간단합니다.
import seaborn as sns
from votes import long as df
# Some boilerplate to initialise things
sns.set()
plt.figure()
# This is where the actual plot gets made
ax = sns.barplot(data=df, x="year", y="seats", hue="party", palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6)
# Customise some display properties
ax.set_title('UK election results')
ax.grid(color='#cccccc')
ax.set_ylabel('Seats')
ax.set_xlabel(None)
ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical')
# Ask Matplotlib to show it
plt.show()
음모해
파이썬 갤러리를 포함한 드로잉 생태계입니다.세 개의 인터페이스가 있습니다.
import matplotlib.pyplot as plt
import numpy as np
from votes import wide as df
# Initialise a figure. subplots() with no args gives one plot.
fig, ax = plt.subplots()
# A little data preparation
years = df['year']
x = np.arange(len(years))
# Plot each bar plot. Note: manually calculating the 'dodges' of the bars
ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative', color='#0343df')
ax.bar(x - width/2, df['labour'], width, label='Labour', color='#e50000')
ax.bar(x + width/2, df['liberal'], width, label='Liberal', color='#ffff14')
ax.bar(x + 3*width/2, df['others'], width, label='Others', color='#929591')
# Customise some display properties
ax.set_ylabel('Seats')
ax.set_title('UK election results')
ax.set_xticks(x) # This ensures we have one tick per year, otherwise we get fewer
ax.set_xticklabels(years.astype(str).values, rotation='vertical')
ax.legend()
# Ask Matplotlib to show the plot
plt.show()
Matplotlib 위에 있는 추상적인 층입니다. 이것은 여러 가지 유용한 그림 형식을 쉽게 생성할 수 있는 아주 간결한 인터페이스를 제공합니다.
그러나 그것은 권력에 타협하지 않을 것이다!Seaborn에서는 기본 Matplotlib 객체에 액세스할 수 있으므로 완전한 제어권을 갖고 있습니다.너는 더욱 상세한 Seaborn 안내서를 볼 수 있다.
이것은 우리가 Seaborn에서 선거한 결과다.코드가 원래 Matplotlib보다 훨씬 간단합니다.
import seaborn as sns
from votes import long as df
# Some boilerplate to initialise things
sns.set()
plt.figure()
# This is where the actual plot gets made
ax = sns.barplot(data=df, x="year", y="seats", hue="party", palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6)
# Customise some display properties
ax.set_title('UK election results')
ax.grid(color='#cccccc')
ax.set_ylabel('Seats')
ax.set_xlabel(None)
ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical')
# Ask Matplotlib to show it
plt.show()
음모해
파이썬 갤러리를 포함한 드로잉 생태계입니다.세 개의 인터페이스가 있습니다.
JSON을 JavaScript 라이브러리에 전달하여 다른 언어로 Plotly 라이브러리를 구축할 수 있습니다.공식 파이톤과 R 라이브러리는 이렇게 하는 겁니다.Anvil에서는 Python Plotly API를 에 마이그레이션합니다.
다음은 선거 결과의 줄거리다.
import plotly.graph_objects as go
from votes import wide as df
# Get a convenient list of x-values
years = df['year']
x = list(range(len(years)))
# Specify the plots
bar_plots = [
go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),
go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),
go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),
go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),
]
# Customise some display properties
layout = go.Layout(
title=go.layout.Title(text="Election results", x=0.5),
yaxis_title="Seats",
xaxis_tickmode="array",
xaxis_tickvals=list(range(27)),
xaxis_ticktext=tuple(df['year'].values),
)
# Make the multi-bar plot
fig = go.Figure(data=bar_plots, layout=layout)
# Tell Plotly to render it
fig.show()
보크
Bokeh(BOE-kay로 발음)는 상호작용 줄거리를 구축하는 데 뛰어나기 때문에 이 예는 그것을 충분히 보여주지 못했다.봐봐, 우리가 사용자 정의 도구 알림을 추가했어!Plotly와 마찬가지로, Bokeh의 그림은 웹 프로그램에 삽입되어 있으며, 그림을 HTML 파일로 출력합니다.
다음은 버크에서 그린 선거 결과입니다.
from bokeh.io import show, output_file
from bokeh.models import ColumnDataSource, FactorRange, HoverTool
from bokeh.plotting import figure
from bokeh.transform import factor_cmap
from votes import long as df
# Specify a file to write the plot to
output_file("elections.html")
# Tuples of groups (year, party)
x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
y = df['seats']
# Bokeh wraps your data in its own objects to support interactivity
source = ColumnDataSource(data=dict(x=x, y=y))
# Create a colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)
# Make the plot
p = figure(x_range=FactorRange(*x), width=1200, title="Election results")
p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)
# Customise some display properties
p.y_range.start = 0
p.x_range.range_padding = 0.1
p.yaxis.axis_label = 'Seats'
p.xaxis.major_label_orientation = 1
p.xgrid.grid_line_color = None
견우성
Altair는 Vega라는 선언적 드로잉 언어(또는 시각적 구문)를 기반으로 합니다.이것은 복잡한 그림을 확장할 수 있도록 심사숙고한 API를 의미합니다. 포괄 순환 지옥에서 방향을 잃지 않도록 합니다.
Altair는 Bokeh와 마찬가지로 드로잉을 HTML 파일로 내보냅니다.견우성 연장 안내서 보기.
다음은 우리의 선거 결과가 견우성에 대한 이야기다.실제 드로잉은 6줄 Python만으로 표현할 수 있습니다.
import altair as alt
from votes import long as df
# Set up the colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
# Cast years to strings
df['year'] = df['year'].astype(str)
# Here's where we make the plot
chart = alt.Chart(df).mark_bar().encode(
x=alt.X('party', title=None),
y='seats',
column=alt.Column('year', sort=list(df['year']), title=None),
color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
)
# Save it as an HTML file.
chart.save('altair-elections.html')
피갈
시각적 외관에 주목하다.기본적으로 SVG 드로잉이 생성되므로 영원히 배율을 조정하거나 픽셀화하지 않고 플롯할 수 있습니다.Pygal plots에는 웹 응용 프로그램에 plots를 삽입하고 싶다면 Pygal은 또 다른 과소평가된 후보가 될 수 있는 좋은 상호작용 기능도 내장되어 있다.
다음은 Pygal의 선거 결과도입니다.
import pygal
from pygal.style import Style
from votes import wide as df
# Define the style
custom_style = Style(
colors=('#0343df', '#e50000', '#ffff14', '#929591')
font_family='Roboto,Helvetica,Arial,sans-serif',
background='transparent',
label_font_size=14,
)
# Set up the bar plot, ready for data
c = pygal.Bar(
title="UK Election Results",
style=custom_style,
y_title='Seats',
width=1200,
x_label_rotation=270,
)
# Add four data sets to the bar plot
c.add('Conservative', df['conservative'])
c.add('Labour', df['labour'])
c.add('Liberal', df['liberal'])
c.add('Others', df['others'])
# Define the X-labels
c.x_labels = df['year']
# Write this to an SVG file
c.render_to_file('pygal.svg')
팬더
매우 유행하는 파이톤 데이터 과학 라이브러리입니다.다양한 데이터 작업을 확장할 수 있지만 드로잉 API도 편리합니다.데이터 프레임에서 직접 실행되기 때문에, 우리의 판다 예시는 본고에서 가장 간결한 코드 세션입니다. 심지어는 Seaborn 예시보다 더 짧습니다.
Pandas API는 Matplotlib의 패키지이므로 기본 Matplotlib API를 사용하여 드로잉을 세분화할 수도 있습니다.
이것은 판다의 이야기 줄거리다.코드가 아주 간결해요!
from matplotlib.colors import ListedColormap
from votes import wide as df
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)
ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')
plt.show()
모루로 그림을 그리다
Anvil은 Python만 사용하여 전체 웹 응용 프로그램을 구축하는 시스템입니다. 자바스크립트가 필요 없습니다.
이 문서에서 언급한 모든 라이브러리를 사용하여 Anvil에 그림을 그리고 웹 브라우저에 표시할 수 있습니다.이것은 다음과 같은 측면에 매우 좋다.
,,, 및 의 모든 깊이 있는 안내서에서 Anvil에서 열고 편집할 수 있는 예시 웹 프로그램을 찾을 수 있으며, 이 Python 그림 라이브러리를 어떻게 사용하는지 보여 줍니다.
당신은 또한 에서 모루의 구체적인 건의를 찾을 수 있습니다.이것은 Anvil 프로그램에서 본문에서 언급한 모든 라이브러리에 있는 그림을 사용하는 방법을 알려 줍니다. Plotly의 전체 전단 Python 버전을 포함합니다.
Reference
이 문제에 관하여(Python의 7개의 우수한 그림 라이브러리 - 비교 (라이브러리마다 안내서가 있음)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://dev.to/meredydd/7-great-plotting-libraries-for-python-compared-with-guides-for-each-3047
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
from bokeh.io import show, output_file
from bokeh.models import ColumnDataSource, FactorRange, HoverTool
from bokeh.plotting import figure
from bokeh.transform import factor_cmap
from votes import long as df
# Specify a file to write the plot to
output_file("elections.html")
# Tuples of groups (year, party)
x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
y = df['seats']
# Bokeh wraps your data in its own objects to support interactivity
source = ColumnDataSource(data=dict(x=x, y=y))
# Create a colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)
# Make the plot
p = figure(x_range=FactorRange(*x), width=1200, title="Election results")
p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)
# Customise some display properties
p.y_range.start = 0
p.x_range.range_padding = 0.1
p.yaxis.axis_label = 'Seats'
p.xaxis.major_label_orientation = 1
p.xgrid.grid_line_color = None
Altair는 Vega라는 선언적 드로잉 언어(또는 시각적 구문)를 기반으로 합니다.이것은 복잡한 그림을 확장할 수 있도록 심사숙고한 API를 의미합니다. 포괄 순환 지옥에서 방향을 잃지 않도록 합니다.
Altair는 Bokeh와 마찬가지로 드로잉을 HTML 파일로 내보냅니다.견우성 연장 안내서 보기.
다음은 우리의 선거 결과가 견우성에 대한 이야기다.실제 드로잉은 6줄 Python만으로 표현할 수 있습니다.
import altair as alt
from votes import long as df
# Set up the colourmap
cmap = {
'Conservative': '#0343df',
'Labour': '#e50000',
'Liberal': '#ffff14',
'Others': '#929591',
}
# Cast years to strings
df['year'] = df['year'].astype(str)
# Here's where we make the plot
chart = alt.Chart(df).mark_bar().encode(
x=alt.X('party', title=None),
y='seats',
column=alt.Column('year', sort=list(df['year']), title=None),
color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
)
# Save it as an HTML file.
chart.save('altair-elections.html')
피갈
시각적 외관에 주목하다.기본적으로 SVG 드로잉이 생성되므로 영원히 배율을 조정하거나 픽셀화하지 않고 플롯할 수 있습니다.Pygal plots에는 웹 응용 프로그램에 plots를 삽입하고 싶다면 Pygal은 또 다른 과소평가된 후보가 될 수 있는 좋은 상호작용 기능도 내장되어 있다.
다음은 Pygal의 선거 결과도입니다.
import pygal
from pygal.style import Style
from votes import wide as df
# Define the style
custom_style = Style(
colors=('#0343df', '#e50000', '#ffff14', '#929591')
font_family='Roboto,Helvetica,Arial,sans-serif',
background='transparent',
label_font_size=14,
)
# Set up the bar plot, ready for data
c = pygal.Bar(
title="UK Election Results",
style=custom_style,
y_title='Seats',
width=1200,
x_label_rotation=270,
)
# Add four data sets to the bar plot
c.add('Conservative', df['conservative'])
c.add('Labour', df['labour'])
c.add('Liberal', df['liberal'])
c.add('Others', df['others'])
# Define the X-labels
c.x_labels = df['year']
# Write this to an SVG file
c.render_to_file('pygal.svg')
팬더
매우 유행하는 파이톤 데이터 과학 라이브러리입니다.다양한 데이터 작업을 확장할 수 있지만 드로잉 API도 편리합니다.데이터 프레임에서 직접 실행되기 때문에, 우리의 판다 예시는 본고에서 가장 간결한 코드 세션입니다. 심지어는 Seaborn 예시보다 더 짧습니다.
Pandas API는 Matplotlib의 패키지이므로 기본 Matplotlib API를 사용하여 드로잉을 세분화할 수도 있습니다.
이것은 판다의 이야기 줄거리다.코드가 아주 간결해요!
from matplotlib.colors import ListedColormap
from votes import wide as df
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)
ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')
plt.show()
모루로 그림을 그리다
Anvil은 Python만 사용하여 전체 웹 응용 프로그램을 구축하는 시스템입니다. 자바스크립트가 필요 없습니다.
이 문서에서 언급한 모든 라이브러리를 사용하여 Anvil에 그림을 그리고 웹 브라우저에 표시할 수 있습니다.이것은 다음과 같은 측면에 매우 좋다.
,,, 및 의 모든 깊이 있는 안내서에서 Anvil에서 열고 편집할 수 있는 예시 웹 프로그램을 찾을 수 있으며, 이 Python 그림 라이브러리를 어떻게 사용하는지 보여 줍니다.
당신은 또한 에서 모루의 구체적인 건의를 찾을 수 있습니다.이것은 Anvil 프로그램에서 본문에서 언급한 모든 라이브러리에 있는 그림을 사용하는 방법을 알려 줍니다. Plotly의 전체 전단 Python 버전을 포함합니다.
Reference
이 문제에 관하여(Python의 7개의 우수한 그림 라이브러리 - 비교 (라이브러리마다 안내서가 있음)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://dev.to/meredydd/7-great-plotting-libraries-for-python-compared-with-guides-for-each-3047
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
import pygal
from pygal.style import Style
from votes import wide as df
# Define the style
custom_style = Style(
colors=('#0343df', '#e50000', '#ffff14', '#929591')
font_family='Roboto,Helvetica,Arial,sans-serif',
background='transparent',
label_font_size=14,
)
# Set up the bar plot, ready for data
c = pygal.Bar(
title="UK Election Results",
style=custom_style,
y_title='Seats',
width=1200,
x_label_rotation=270,
)
# Add four data sets to the bar plot
c.add('Conservative', df['conservative'])
c.add('Labour', df['labour'])
c.add('Liberal', df['liberal'])
c.add('Others', df['others'])
# Define the X-labels
c.x_labels = df['year']
# Write this to an SVG file
c.render_to_file('pygal.svg')
매우 유행하는 파이톤 데이터 과학 라이브러리입니다.다양한 데이터 작업을 확장할 수 있지만 드로잉 API도 편리합니다.데이터 프레임에서 직접 실행되기 때문에, 우리의 판다 예시는 본고에서 가장 간결한 코드 세션입니다. 심지어는 Seaborn 예시보다 더 짧습니다.
Pandas API는 Matplotlib의 패키지이므로 기본 Matplotlib API를 사용하여 드로잉을 세분화할 수도 있습니다.
이것은 판다의 이야기 줄거리다.코드가 아주 간결해요!
from matplotlib.colors import ListedColormap
from votes import wide as df
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)
ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')
plt.show()
모루로 그림을 그리다
Anvil은 Python만 사용하여 전체 웹 응용 프로그램을 구축하는 시스템입니다. 자바스크립트가 필요 없습니다.
이 문서에서 언급한 모든 라이브러리를 사용하여 Anvil에 그림을 그리고 웹 브라우저에 표시할 수 있습니다.이것은 다음과 같은 측면에 매우 좋다.
,,, 및 의 모든 깊이 있는 안내서에서 Anvil에서 열고 편집할 수 있는 예시 웹 프로그램을 찾을 수 있으며, 이 Python 그림 라이브러리를 어떻게 사용하는지 보여 줍니다.
당신은 또한 에서 모루의 구체적인 건의를 찾을 수 있습니다.이것은 Anvil 프로그램에서 본문에서 언급한 모든 라이브러리에 있는 그림을 사용하는 방법을 알려 줍니다. Plotly의 전체 전단 Python 버전을 포함합니다.
Reference
이 문제에 관하여(Python의 7개의 우수한 그림 라이브러리 - 비교 (라이브러리마다 안내서가 있음)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://dev.to/meredydd/7-great-plotting-libraries-for-python-compared-with-guides-for-each-3047
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(Python의 7개의 우수한 그림 라이브러리 - 비교 (라이브러리마다 안내서가 있음)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://dev.to/meredydd/7-great-plotting-libraries-for-python-compared-with-guides-for-each-3047텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)