Chartify一个基于Bokeh却完爆它的简单的Python数据可视库

　　1 说明：
　　=====
　　1.1 Chartify库：是由Spotify开源了一个Python库，可让人轻松创建图表。
　　1.2 而Spotify是全球最大的正版流媒体音乐服务平台之一，最新开源的作品Chartify 帮助数据科学家用Python创建图表。
　　1.3 Chartify是一个基于Bokeh却完爆Bokeh的数据可视化静态作图，适合嵌入论文、PPT等报告中，操作简单，自动打开浏览器，自动生成html，还可以保存为png格式的图片。
　　1.4 Chartify具有以下特性：
　　一致的输入数据格式：花费更少的时间来转换数据，所有绘图功能都使用一致的输入数据格式。
　　智能样式：创建漂亮的图表，基本无需你自定义
　　简单的API：API尽可能直观且易于学习。
　　灵活性：Chartify基于Bokeh创建，因此如果用户可以随时使用Bokeh的API。
　　2 准备：
　　=====
　　2.1 官网：https://github.com/spotify/chartify/
　　2.2 安装：pip3 install chartify #本机安装 sudo pip3.8 install chartify  #太慢了 sudo pip3.8 install -i https://mirrors.aliyun.com/pypi/simple chartify  #超快
　　2.3 环境：
　　华为笔记本电脑、深度deepin-linux操作系统、谷歌浏览器、python3.8和微软vscode编辑器。
　　3 柱状图：
　　=======
　　3.1 代码：import chartify data = chartify.examples.example_data()   #自带数据集 grouped_bar_data = (data.groupby([＂country＂, ＂fruit＂])[[＂quantity＂]].sum().reset_index()) #x_axis_type=＂categorical＂,代表x轴的样式，分类样式 ch = chartify.Chart(x_axis_type=＂categorical＂) #主标题和副标题 ch.set_title(＂bar chart＂) ch.set_subtitle(＂1-柱状图＂) #x和y坐标轴的label标签名 ch.axes.set_xaxis_label(＂水果和国家＂) ch.axes.set_yaxis_label(＂质量＂) ch.plot.bar(         data_frame=grouped_bar_data,         categorical_columns=[＂fruit＂, ＂country＂],         numeric_column=＂quantity＂,         color_column=＂fruit＂) #浏览器展示并自动在同目录下保存为同名的html文件 ch.show()  #默认展示html
　　3.2 图：
　　4 stacked bar：
　　==========
　　4.1 代码：import chartify data = chartify.examples.example_data() quantity_by_fruit_and_country = (data.groupby(     [＂fruit＂, ＂country＂])[＂quantity＂].sum().reset_index())  ch = chartify.Chart(blank_labels=True,                     x_axis_type=＂categorical＂) ch.set_title(＂Stacked bar chart＂) ch.set_subtitle(＂Stack columns by a categorical factor.＂) ch.plot.bar_stacked(     data_frame=quantity_by_fruit_and_country,     categorical_columns=[＂fruit＂],     numeric_column=＂quantity＂,     stack_column=＂country＂,     normalize=False) ch.show()
　　4.2 图：
　　5 Scatter：
　　=======
　　5.1 代码：import chartify data = chartify.examples.example_data() ch = chartify.Chart(blank_labels=True, x_axis_type=＂datetime＂) ch.plot.scatter(     data_frame=data,     x_column=＂date＂,     y_column=＂unit_price＂,     size_column=＂quantity＂,     color_column=＂fruit＂,  #分组的颜色定义     ) ch.set_title(＂Scatterplot＂) ch.set_subtitle(＂Optional ＂color_column＂ argument for grouping by color.＂)  ch.show()
　　5.2 图：
　　6 line：
　　====
　　6.1 代码：注意注释掉1组数据的line线图 import chartify data = chartify.examples.example_data()  ＂＂＂ #一组数据的线图 price_by_date = (         data.groupby(＂date＂)[＂total_price＂].sum()         .reset_index()  # Move ＂date＂ from index to column         ) ＂＂＂  #4组数据需要这个 price_by_date_and_country = (         data.groupby([＂date＂, ＂fruit＂])[＂total_price＂].sum()         .reset_index()         )  ch = chartify.Chart(blank_labels=True, x_axis_type=＂datetime＂) ch.set_title(＂Line charts＂) ch.set_subtitle(＂Plot two numeric values connected by an ordered line.＂) ch.plot.line(     #data_frame=price_by_date.sort_values(＂date＂),  #一组数据     data_frame=price_by_date_and_country.sort_values(＂date＂),  #四组数据     x_column=＂date＂,     y_column=＂total_price＂,     color_column=＂fruit＂,  #一组数据不需要这个；4组数据需要这个     )  ch.show()
　　6.2 图：
　　7 hexbin：
　　=======
　　7.1 代码：import chartify data = chartify.examples.example_data() ch = chartify.Chart(blank_labels=True,                     x_axis_type=＂density＂,                     y_axis_type=＂density＂) ch.set_title(＂Hexbin＂) ch.plot.hexbin(data_frame=data,                 x_values_column=＂unit_price＂,                 y_values_column=＂quantity＂,                 size=.2,                 orientation=＂pointytop＂)                  ch.show()
　　7.2 图：
　　8 radar：
　　=====
　　8.1 代码：import chartify data = chartify.examples.example_data() total_by_fruit_and_country = data.groupby([＂fruit＂, ＂country＂])[＂quantity＂].sum().reset_index() ch = chartify.RadarChart(True) #注意这个true，存在，那么x和y坐标轴label就不显示默认，很棒 #图标的主标题和副标题 ch.set_title(＂Radar Area Chart＂) ch.set_subtitle(＂Each vertex plotted counterclockwise starting from top＂) ch.plot.text(total_by_fruit_and_country.groupby(＂country＂)[＂quantity＂].max().reset_index(),                 ＂quantity＂,                 text_column=＂country＂,                 text_align=＂center＂) ch.plot.area(total_by_fruit_and_country, ＂quantity＂, color_column=＂fruit＂) ch.axes.hide_yaxis() #隐藏y坐标轴 ch.axes.hide_xaxis()  #隐藏x坐标轴 ch.set_legend_location(＂outside_bottom＂)  #图例在底部 ch.show()
　　8.2 图：
　　9 lollipop：
　　=======
　　9.1 代码：import chartify data = chartify.examples.example_data() quantity_by_fruit_and_country = (data.groupby(     [＂fruit＂, ＂country＂])[＂quantity＂].sum().reset_index()) ch = chartify.Chart(blank_labels=True, y_axis_type=＂categorical＂) ch.set_title(＂Lollipop chart＂) ch.set_subtitle(＂Same options as bar plot＂) ch.plot.lollipop(     data_frame=quantity_by_fruit_and_country,     categorical_columns=[＂country＂, ＂fruit＂],     numeric_column=＂quantity＂,     color_column=＂country＂) ch.show()
　　9.2 图：
　　10 stacked area：
　　=============
　　10.1 代码：import pandas as pd import chartify data = chartify.examples.example_data() total_quantity_by_month_and_fruit = (data.groupby(     [data[＂date＂] + pd.offsets.MonthBegin(-1), ＂fruit＂])[＂quantity＂].sum()     .reset_index().rename(columns={＂date＂: ＂month＂})     .sort_values(＂month＂))  ch = chartify.Chart(blank_labels=True, x_axis_type=＂datetime＂) ch.set_title(＂Stacked area＂) ch.set_subtitle(＂Represent changes in distribution.＂) ch.plot.area(     data_frame=total_quantity_by_month_and_fruit,     x_column=＂month＂,     y_column=＂quantity＂,     color_column=＂fruit＂,     stacked=True) ch.show()
　　10.2 图：
　　===自己整理并分享出来===
　　喜欢的人，请点赞、关注、转发、评论和收藏。
　　比官方文档还仔细。