pyecharts与matplotlib在使用时的区别和优缺点对比
简介pyecharts(以下简介来源于官网)echarts是一个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。而 Python 是一门富有表达力的语言,很适合用于数据处理。当数据分析遇上数据可视化时,pyecharts诞生了。简洁的 API 设计,使用如丝滑般流畅,支持链式调用囊括了 30+ 种常见图表,应有尽有支持主流 Notebook 环境,Jupyter
目录
简介
pyecharts(以下简介来源于官网)
echarts是一个由百度开源的数据可视化,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。而 Python 是一门富有表达力的语言,很适合用于数据处理。当数据分析遇上数据可视化时,pyecharts 诞生了。
- 简洁的 API 设计,使用如丝滑般流畅,支持链式调用
- 囊括了 30+ 种常见图表,应有尽有
- 支持主流 Notebook 环境,Jupyter Notebook 和 JupyterLab
- 可轻松集成至 Flask,Django 等主流 Web 框架
- 高度灵活的配置项,可轻松搭配出精美的图表
- 详细的文档和示例,帮助开发者更快的上手项目
- 多达 400+ 地图文件以及原生的百度地图,为地理数据可视化提供强有力的支持
Matplotlib(个人总结)
Matplotlib是一个Python 2D绘图库,Matplotlib 尝试使容易的事情变得更容易,使困难的事情变得可能。 您只需几行代码就可以生成图表、直方图、功率谱、条形图、误差图、散点图等。
- 使用起来更加简单
- 使用稳定
认知
对于matplotlib,个人感觉更适合用于简单图像的绘制,是那种静态的,方便看,但是并没有pyecharts那么吸引眼球,另外就是相当稳定,各种图像、颜色都可以进行绘制。因此我个人认为matplotlib更适合适用于简单不追求高品质的图像的绘制,如果需要大屏的展示,或许echarts和pyecharts是更好的选择,看起来更加丰富多彩。
举例
就拿下面两个相同数据分别通过pyecharts和matplotlib来说,pyecharts绘制的3d图能画出来,但是同一类型的实验的十次实验数据的坐标点的颜色只能是一样的,pyecharts好像不支持设定颜色,所以我换了matplotlib绘制了一个3d图像,但是matplotlib的缺点就是不能旋转,不能调整视角,而且matplotlib的图像看起来缺乏对观看者视觉的冲击感。pyecharts的好处就是颜色虽然一样,但是可以通过上面的第几次实验坐标来控制是否显示第几次的实验坐标,但是因为颜色无法单独设定所以没法一眼看出两次实验的坐标。
更多推荐
所有评论(0)