Python可视化是经常在工作中需要用到的方法，比如看一个数据集的数据分布，呈现某几个变量间的关系，排查问题等。

Python可视化也有多种库可以使用，每种库都有其特点和适用的场景。本文将为大家介绍常用的几种方法。

引言

本文介绍三种Python可视化的方法。本文主要分为以下几个部分：

1、matplotlib可视化

2、seaborn可视化

3、bokeh可视化

matplotlib可视化

matplotlib是Python中最著名的绘图库之一，它提供了一个非常强大的接口来创建各种静态、动态和交互式图表。matplotlib通常被认为是其他许多绘图库的基础。

当你需要完全控制图表的每个细节，或者需要创建复杂的定制图表时，matplotlib特别有用。

以下是使用matplotlib绘制散点图的例子。主要绘图的代码在29-35行，之前的代码都是准备数据的过程。

它还可以绘制3D图像，只需要在上述代码的基础上改几行代码：

seaborn可视化散点图

seaborn是基于matplotlib的，并提供了更多的高级接口，使得绘制更加吸引人和有意义的统计图表变得简单。它特别适合数据探索和解释数据的可视化。

当你需要进行统计数据分析，并希望快速而又不牺牲美观的方式来创建图表时，seaborn是一个很好的选择。

上面的例子用seaborn来实现。可以发现绘图的代码变得更加简单了。

bokeh可视化

bokeh专门用于创建交互式和可缩放的可视化图表，以便为大型或实时数据集提供优雅和直观的演示。bokeh适合那些想要直接创建交互式图表的用户。

下面是用bokeh绘制上面散点图的例子。可以看到图的右侧多了一些交互的按钮。