python中我們一般用的最多的是matplotlib圖形庫，本人在寫文章，做報告時，深感matplotlib圖形比較單一化，這裡介紹幾種關於python的圖形庫

（1）seaborn 是基於matplotlib的高階版，主要針對的資料探勘和機器學習的變數特徵選取，可以用非常短小的程式碼就可以畫出多維變數的視覺化圖形，seaborn的官方網站：http://seaborn.pydata.org/，從中可以看到非常炫酷的視覺化樣例圖形。

(2) plotly同時支援Python和R語言，並且實現了線上匯入資料做視覺化並儲存內容在雲端server的功能。做演示的時候，只需要在本地的jupyter notebook與plotly server建立通訊，即可呼叫已經做好的視覺化內容做展示，官網：https://plot.ly/python/

（3）pyecharts是基於百度echarts的一個開源專案，也是我經常使用的互動視覺化的工具，相比bokeh和plotly，pyecharts的語法更簡單，實現效果更佳出眾。官網：http://pyecharts.org/#/

(4)bokeh是python中一款基於網頁的畫圖工具庫,可以用於網站的視覺化展示，具有互動性，官網：

（5）pygal是一個用於生成SVG格式圖片的python第三方圖形庫，生成的圖形很炫酷，官網：http://www.pygal.org/en/stable/index.html

（6）geoplotlib是一個用於製作地圖和地理相關資料的工具箱，可以用它來製作多種地圖，比如等值區域圖， 熱度圖，點密度圖。想使用geoplotlib，我們必須安裝 Pyglet （一個面向物件程式設計介面）才可以。官網：

（7）Gleam 借用了R中 Shiny 的靈感。 它允許你只利用 Python 程式將你的分析變成可互動的網路應用，你不需要會用HTML CSS 或者 JaveScript。Gleam 可以使用任何一種 Python 的視覺化庫。當你建立一個圖表的時候，你可以在上面加上一個域，這樣使用者可以用它來對資料排序和過濾了，這個庫很少人使用。官網：https://github.com/dgrtwo/gleam

（8） missingno 用影象的方式讓你能夠快速評估資料缺失的情況，而不是在資料表裡面步履維艱。你可以根據資料的完整度對資料進行排序或過濾，或者根據熱度圖或樹狀圖來考慮對資料進行修正。官網：https://github.com/ResidentMario/missingno

（9）leather的最佳定義來自它的作者 Christopher Groskopf：“Leather 適用於現在就需要一個圖表並且對圖表是不是完美並不在乎的人。”它可以用於所以的資料型別然後生成SVG影象，這樣在你調整影象大小的時候就不會損失影象質量。這個庫很新，一些文件還沒有最後完成。影象成品非常基礎——但是這就是設計目標。官網：https://leather.readthedocs.io/en/0.3.3/index.html

(10)matplotlib最常見的圖形庫，學習資料分析的人都知道，在這裡我就不細說了。官網：https://matplotlib.org/