1樓：育知同創教育
python很多好看的作相簿，但是都是基於matplotlib進行開發封裝的！
我用過seaborn, bokeh, ggplot這三個庫！
seaborn是偏向於統計作圖的，尤其是線性作圖，用起來比較順手，簡單。seaborn整個語法層也會簡化很多，畫出的圖不需要修飾看起來也很好看。但是繪圖方式有限，不夠靈活
bokeh是使用了js。因此主打的是互動式繪圖，你可以在ipython notebook裡使用到最佳！畫出的圖非常好看，關鍵是可以互動修改！
缺點是語法有點生澀，一點也不必matplotlib簡單
ggplot就算了吧，和r語言那個ggplot2比起來，簡直是感覺在用兩個包，似然都是同一個人開發的！ 而且原作者也在github上說了，不再會更新python的庫！ 不過話說，ggplot2真的是繪圖神器，這幾乎是我還在用r語言的唯一原因。
因此，不管你想要用哪個庫，matplotlib都是必須要學的。雖然他語法複雜，但是靈活性大，你幾乎能畫出任何你想要的圖形。
2樓：老男孩教育
python資料視覺化庫有很多，其中這幾個最常見：
第一個：matplotlib
matplotlib是python中眾多資料視覺化庫的鼻祖，其設計風格與20世紀80年代設計的商業化程式語言matlab十分接近，具有很多強大且複雜的視覺化功能。matplotlib包含多種型別的api，可以採用多種方式繪製圖表並對圖表進行定製。
第二個：seaborn
seaborn是基於matplotlib進行高階封裝的視覺化庫，它支援互動式介面，使繪製圖表的功能變得更簡單，且圖表的色彩更具吸引力，可以畫出豐富多樣的統計圖表。
第三個：bokeh
bokeh是一個互動式的視覺化庫，支援使用web瀏覽器展示，可使用快速簡單的方式將大型資料集轉換成高效能的、可互動的、結構簡單的圖表。
第四個：pygal
pygal是一個可縮放向量圖表庫，用於生成可在瀏覽器中開啟的svg格式的圖表，這種圖表能夠在不同比例的螢幕上自動縮放，方便使用者互動。
第五個：pyecharts
pyecharts是一個生成echarts的庫，生成的echarts憑藉良好的互動性、精巧的設計得到了眾多開發者的認可。
j**ascript有哪些network graph視覺化的庫
3樓：育知同創教育
就我瞭解的有：
vis.js - a dynamic, browser based visualization library.
sigma js
cytoscape.js
processing.js
4樓：青鳥中關村專家
vis.js
sigma js
cytoscape.js
processing.js
光環大資料視覺化培訓告訴你什麼是資料視覺化
5樓：以道教育
培訓機構選擇的時候可以從多方面考察，
1看品牌，大的是比較靠譜的，
2 看口碑，有良好的評價是值得信賴的，
3看教學，講師很重要，
4 看就業服務， 有完善的就業保障體系有利於解決就業問題
資料視覺化有什麼基本的原則
6樓：好程式設計師
第一、知道資料視覺化的目的
資料視覺化的結果需要呈現的是什麼樣的資料，是針對一個活動的分析還是針對一個發展階段的分析，想要看到什麼樣的問題，是使用者的研究還是銷量研究?這些是進行資料分析的過程以及資料視覺化結果的出發點。
第二、注重資料的比較
想要資料反映出問題，就必須有比較，比較是一種相對的變化，不僅僅是在於量的呈現，比較可以看到問題的存在性，比較一般分為同比或者環比兩種，是使用比較多的。
第三、建立資料指標
在資料視覺化的過程中，建立資料指標才會有對比性，才知道標準的位置在**，也知道問題在**，資料指標的設定要結合自身的業務背景，科學的進行設定，不能憑空拍腦袋。因為受眾可以根據現有的資料指標進行思考，而不是僅僅呈現一個資料形式。
第四、展示的形式從總體到區域性
資料視覺化的製作過程要有一個邏輯的思路，先從總體看變化，在從區域性看變化，才會有問題的針對性解決辦法。
第五、也要注重聽覺上的描述
在繼續一個資料視覺化報告的時候，也是資料分析師個人對資料分析過程理解程度在**的時候，一般聽取報告的人員都是資料的專業技術人員，所以在口頭上能不能給聽眾很好的聽覺描述也是一個很重要的過程，只有兩者整合的比較好，才會產生更大的效果。
第六、增加圖形的可讀性和生動性
在保證基礎的資料標註你的基礎上，可以讓資料**或者資料圖形呈現的方式更加的多樣化，讓**者的接受度更高。
大資料的時代 什麼叫資料視覺化
7樓：it中老年民工
基於資料的視覺化形式有：視覺暗示、座標系、標尺、背景資訊以及前面四種形式的任意組合。
（1）視覺暗示：
是指通過檢視圖表就可以與潛意識中的意識進行聯絡從而得出圖表表達的意識。常用的視覺暗示主要有：位置（位置高低）、長度（長短）、角度（大小）、方向（方向上升還是下降）、形狀（不同形狀代表不同分類）、面積（面積大小）、體積（體積大小）、飽和度（色調的強度，就是顏色的深淺）、色調（不同顏色）。
（2）座標系：
這裡的座標系和我們之前數學中學到的座標系是相同的，只不過座標軸的意義可能稍有不同。常見的座標系種類有：直角座標系、極座標系和地理座標系。
大家對直角座標系、極座標系比較熟悉，這裡說一下地理座標系。
地理座標系是使用三維球面來定義地球表面位置，以實現通過經緯度對地球表面點位引用的座標系。但是我們在進行資料視覺化的時候一般用投影的方法把其從三維資料轉化成二維的平面圖形。
（3）標尺：
前面說到的三種座標系只是定義了展示資料的維度和方向，而標尺的作用是用來衡量不同方向和維度上的大小，其實和我們熟悉的刻度挺像。
（4）背景資訊：
此處的背景和我們在語文中學習到的背景是一個概念，是為了說明資料的相關資訊（who、what、when、where、why），使資料更加清晰，便於讀者更好的理解。
（5）組合元件：
組合元件就是根據目標用途將上面四種資訊進行組合。
8樓：探碼科技
一、大資料視覺化的定義
大資料視覺化是通過三維表現技術來表示複雜的資訊，實現對海量資料的立體呈現。視覺化技術藉助人腦的視覺思維能力，通過挖掘資料之間重要的關聯關係將若干關聯性的視覺化資料進行彙總處理，揭示資料中隱含的規律和發展趨勢，從而提高資料的使用效率。在解決了海量資料分析耗時過長、挖掘深度不夠、資料展現簡單等問題的基礎上，大資料視覺化平臺使人們不再侷限於使用傳統關係資料表來分析資料資訊，而是以更直觀的方式呈現和推導資料間的邏輯關係。
總而言之，資料視覺化是做大資料分析的一個很重要的手段。
二、大資料視覺化方法
技術的發展已導致資料的大**。這反過來又促使資料展示方式的激增。一般來說，大資料視覺化分為2種不同的型別：
探索型和解釋型。勘探型別幫助人們發現資料背後的故事，而解析資料方便給人們看。此外，有不同的方法可用於建立這2種型別。
最常見的資料視覺化方法包括：
2d區域
此方法使用的地理空間資料視覺化技術，往往涉及到事物特定表面上的位置。2d區域的資料視覺化的例子包括點分佈圖，可以顯示諸如在一定區域內犯罪情況。
時態
時態視覺化是資料以線性的方式展示。最為關鍵的是時態資料視覺化有一個起點和一個終點。時態視覺化的一個例子可以是連線的散點圖，顯示諸如某些區域的溫度資訊。
多維
可以通過使用常用的多維方法來展示目前2維或高維度的資料。多維視覺化的一個例子可能是一個餅圖，它可以顯示諸如**開支。
分層
分層方法用於呈現多組資料。這些資料視覺化通常展示的是大群體裡面的小群體。分層資料視覺化的例子包括一個樹形圖，可以顯示語言組。
網路
在網路中展示資料間的關係,它是一種常見的展示大資料量的方法。
三、大資料視覺化帶來的價值
快速搭建部署
利用豐富強大的ui，快速搭建前端分析介面和分析流程
完全可以在幾天之內基本實現客戶的大資料藍圖
縮短週期，降低成本，最大限度提升成功率
立體資料動態呈現
實時流狀大資料動態呈現、智慧分析
適用於網路流量監控、交通疏導等對資料實時性要求較高的應用領域
靈活搭配提升費效比
可通過輕量級解決方案實現靈活的大資料視覺化
資料展示、資料處理、後設資料管理相互鬆耦合
基於gis全方位呈現
資料延伸至空間地理維度
實現資料的空間分佈展示
資料保持動態實時性
支援移動端資料
支援大資料視覺化的移動端部署
實現與後臺的無縫對接
實現離線資料分析
輕鬆擺脫對固網的依賴
python中的python中的問題
在python中，所有識別符號 可以包括英文 數字以及下劃線 但不能以數字開頭。python中的識別符號是區分大小寫的。這是知識背景 但是通常python的變成習慣以下劃線開頭的識別符號是有特殊意義的。以單下劃線開頭 foo 的代表不能直接訪問的類屬性，需通過類提供的介面進行訪問，不能用 from ...
python中header formats s怎麼解釋後面的字串
s 代表 輸入一個字元copy串，號代表左對齊 後補空白，號代表對齊寬度由輸入時確定 s 代表輸入一個字串，右對齊 前補空白，號代表對齊寬度由輸入時確定 s s 10,hello 15,world 等與 hello world 得 hello world 這是python 2.x的舊格式化寫法，py...
python中與的區別，python 中 和 的差別
普通字串中沒有區別 如 abc 和 abc 是一樣的 如果字串中本身就有單引號或回雙引號，則要答使用另一種引號將該字串引起來才合法 如 he is a student he is a student 3.接著2說，如果字串中本身就有單引號或雙引號，還有一種合法的使用方式是，最外層使用的引號和字串的相...