早年間我用R語言作圖較多，切換到python后對於更加復雜環境下的支持更加強大，但是我也需要在python中解決作圖的困擾。做出一份好圖或者一份漂亮的優質報告，需要設置很多參數，其工作量不亞於做一個小網站。但是一份耕耘受用一生，還是值得不斷努力探索的。
首先從呈現容器上，1）可以直接figure.show出圖表結果，2）利用jupyter notebook的功能內嵌在.ipynb中,3)做個flash，django框架的網站 靜態動態圖片支持一網打盡 ，4）用pychart實現本地級別的，可以利用xml內嵌入office組件，也可用瀏覽器打開，動態靜態顯示結果。 5）做個GUI 實現 等等。
從作圖工具上， 1）matplotlib,這個包非常龐大，而且有些功能要想實現，恐怕要引用很多東西，同時由於python不同版本的問題，代碼並不是絕對通用的，最好還是有個穩定的python版本。因為此package已經存在很長時間，資源量應該是最大的，當然無效信息量也很大。 2）pychart,沒錯它不僅僅是個容器還包括畫圖，同時對於三維立體圖形的呈現效果，動態圖形的呈現效果更理想。3）kepler.gl 比較適合在jupyter notebook中使用；基於map進行的一些繪圖會有意想不到的驚艷效果。
綜合來看，對於可視化呈現效果要求不同的團隊還是需要各取所需的。如果能力足夠這根本不是事兒，前端展現方面JS是最好的選擇。但是就我個人需求來看，更加傾向於輕量級的，研究性質的具有一定交互功能的圖表制作效果即可滿足需要。故重點推薦matplotlib，pychart這兩個package的應用。
python常用的數據分析庫pandas中也有plot功能，但是它並不與matplotlib十分沖突，還是可以相互兼容的。但是在具體使用過程中我還是發現了很多的問題。比如從mongodb中讀取的數據集如果直接裝到pd中，是做不到很理想的plot效果的（主要原因是時間類型的問題，以及索引列的設置）；但是pandas對於csv文件具有很好地支持。
# pandas.plot的使用注意事項
import pandas as pd import matplotlib.pyplot as plt from pymongo import MongoClient %matplotlib inline # 連接數據庫 MC = MongoClient() # 數據表 fangyuan = MC["dbName]["coltName"] # 將mongodb中的數據讀出 data = pd.DataFrame(list(fangyuan.find())) data.to_csv('szHousePrice.csv',encoding='utf-8') # # 讀取csv數據 # df = pd.read_csv('szHousePrice.csv',low_memory=False,index_col=0)
df = pd.read_csv('szHousePrice.csv', index_col=0, parse_dates=[0])
# 查看數據大小(行列)
data.shape
# 查看數據行號
data.columns
# 找出所有滿足字段的行
df1 = data.loc[:,["tradetime","price"]]
當index的數據類型是<class 'pandas._libs.tslibs.timestamps.Timestamp'>的時候，作圖結果的橫坐標依然是數字，而不是日期；這是因為timestamp數據類型經過csv轉儲之后被識別成str類型；依然不能夠被看成是datetime；
如果日期是像我這樣來自mongodb的時間戳格式的話，請特別注意這個坑；如果要深度拓展，盡量避免使用pandas.plot功能；