Python最常用的可视化库对比。

Matplotlib是最常用的静态可视化的基础库，配置相对复杂。
Seaborn基于Matplotlib可以用最少的代码创建复杂的可视化，配置相对简单，附带一些统计功能。
Plotly和pyechats都是基于JS相关库实现，提供更多的互动性，样式也丰富，配置相更复杂。

具体优缺点如下：

Matplotlib

优点

  1. 应用广泛： Matplotlab是Python中应用最广泛的可视化库，有庞大的用户社区 https://matplotlib.org/，相关资源也非常丰富。
  2. 定制化： 提供了非常多的定制选项，可以对颜色、线条样式、标注样式等进行调整。让你可以根据具体需求创建图表。
  3. 出版质量的图表： 可以创建用于出版的图表，可导出为PNG、PDF和SVG等各种格式。方便用于学术论文、演示文稿和其他文件。
  4. 动画： 可以创建动画，对于动态过程可视化非常有用。

缺点

  1. 复杂： 在使用默认样式创建复杂图表时会很耗时，需要大量的代码。难以快速创建图表，代码也不易理解。
  2. 有限的内置可视化类型： 提供的内置可视化类型有限，不能满足所有需求。
  3. 默认样式： 默认样式在视觉上不是那么有吸引力，而且对于不熟悉的人定制化很难做。
  4. 缺少互动： 只能创建静态的可视化，用户不能与图表互动。

Seaborn

优点

  1. 基于Matplotlib： Seaborn是基于Matplotlib开发的，继承了Matplotlib的所有功能。
  2. 额外的可视化类型： 提供了许多额外的可视化类型，如小提琴图、箱形图和对子图。
  3. 易于定制： 提供许多自定义选项，能容易改变颜色和风格，以及自动调整图的大小和长宽比。便于创建更有吸引力的图表。
  4. 统计可视化： 提供一些处理统计数据的功能，比如拟合、线性回归模型。

缺点

  1. 缺少互动： 和Matplotlib一样是静态的，缺少互动性。
  2. 缺少3D支持： 不支持3D图表。
  3. 对地理数据支持有限： 没有内置的地理数据可视化。
  4. 实时数据支持有限： 不是为实时数据可视化设计的，对处理流数据的人来说是个限制。

Plotly

优点

  1. 交互式： 可以创建在浏览器中查看的互动可视化图表，方便分享并进一步探索数据。
  2. 丰富的可视化类型： 提供多种可视化类型，包括线图、散点图、柱状图、热力图等，支持缩放、平移等互动功能，还有3D和地图功能。
  3. 自定义： 提供了许多自定义选项，方便调整颜色、线条样式和标记样式。
  4. 协作： 允许多个用户实时协作。

缺点

  1. 离线支持有限： Plotly的可视化通常在浏览器中查看，可能使其在离线环境下变得困难。
  2. 大数据支持有限： 不是为处理大数据设计的，对大数据处理支持有限。
  3. 依赖浏览器环境： 依赖浏览器环境，分享依赖互联网环境。

pyechats

优点

  1. 交互性： 可以创建互动性的图表，在浏览器或者jupyter notebook中都可以。
  2. 丰富的图表类型： 拥有非常丰富的图表类型，包含一些不常见的图表，如极坐标系、树形图等。
  3. 定制化： 可对图形、颜色、标注等内容进行自定义。
  4. 3D和地图支持： 提供了一些地图和3D图表的支持。

缺点

  1. 数据接入复杂： 不能直接对接pandas等数据处理库。
  2. 代码和自定义配置复杂： 因为基于Echarts开发，底层是javascript，代码和配置都不太python风格。
  3. 依赖浏览器及相关库： python中导出图片需要安装snapshot-selenium 或者 snapshot-phantomjs，比较依赖浏览器环境。

参考资料