看到一篇关于Python绘图包的总结，分享给大家。对于工具而言，我们要做的是平时看看，稍微学学，不必深究。这样遇到问题的时候，知道用什么工具来解决就可以了。以下是原文！
今天小编参考github，总结出一个极简但却包括了几乎所有Python的绘图包。
一共22个Python绘图包：
Python 绘图包
-
altair – 基于Vega Lite的声明性统计可视化
-
bokeh – 用于Python的交互式Web绘图
-
Chartify – Bokeh包装，使数据科学家更容易创建图表
-
diagram – 使用UTF-8字符的文本模式图
-
ggplot – 基于R的绘图系统ggplot2
-
glumpy – OpenGL科学可视化库
-
holoviews – 来自注释数据的复杂和声明性可视化
-
ipychart – Jupyter Notebook中使用Chart.js
-
mayai – 用Python进行交互式科学数据可视化和3D绘图
-
matplotlib – 二维绘图库
-
missingno – 提供灵活的数据可视化工具集，允许基于matplotlib快速直观地总结数据集的完整性
-
plotly – 基于plotly.js的交互式网络可视化
-
PyQtGraph – 交互式实时2D/3D/图像打印和科学/工程小部件。
-
PyVista – 通过可视化工具包（VTK）的流线型界面进行3D绘图和网格分析
-
seaborn – 用于制作有吸引力且信息丰富的统计图形的库
-
toyplot – 儿童大小的Python绘图工具包，具有成人大小的目标
-
three.py – 基于PyOpenGL的易于使用的3D库。灵感来自Three.js
-
veusz – Python多平台GUI绘图工具和图形库
-
VisPy – 基于OpenGL的高性能科学可视化
-
vtk – 3D计算机图形、图像处理和可视化，包括Python界面
-
pandas-profiling – 生成具有可视化功能的统计分析报告，以进行快速数据分析
-
pyechars – 基于Echarts库的Python绘图库
最后再分享一个对应上面22个绘图包的思维导图：
END
来源：程序员zhenguo
转自：Paper绘图