Python数据可视化2.7 Python中的可视化工具
2.7 Python中的可视化工具
数据分析和可视化需要一些软件工具:用一个文本编辑器来写代码(最好语法高亮),用Python和其他库来运行和测试代码,可能还要用一个工具展示这些结果。现有两种软件工具:通用的软件工具和特定软件组件。
开发工具
通用的软件工具是集成开发环境(integrated development environment,IDE),这是一种同一软件包内囊括所有生产工具的应用程序。从处理Python库的角度来看,这些IDE通常非常方便。有关IDE工具的更多细节将在下一章讨论。本章中,我们将简要介绍Enthought中的Canopy和Continuum Analytics中的Anaconda。
特定的软件绘图组件是Python绘图库,比如Bokeh、IPython、matplotlib、NetworkX、SciPy和NumPy、Scikit-learn以及Seaborn。IDE都能非常方便地处理增加、删除和更新这些绘图库的版本。
1. Enthought中的Canopy
在一些其他的库中,Enthought Canopy有一个在BSD-风格执照下发布的免费版本,而且以GraphCanvas、SciMath和Chaco为绘图工具。它有高级文本编辑器、集成IPython控制台、图表软件包管理器和在线文件链接。Canopy分析环节简化了数据分析、可视化、算法设计和面向科学家、工程师和分析师的应用开发环境。
2. Continuum Analytics中的Anaconda
Anaconda IDE以conda应用为基础。Conda是发现和访问软件包的一种应用。conda软件包是一个包括Python模块、可执行程序,或其他组件的二进制压缩包。Conda跟踪了软件包与平台细节间的依赖性,使得从其他组软件包中创建工作环境变得简单。
Anaconda带有sypder-app,一种科学的Python开发环境,该环境也有IPython查看器。除此之外,IPython可以由一个GUI或基于网络的笔记本发起。最方便的地方在于:你可以在主目录访问Python,而不用接触系统安装的Python。并非所有的软件包能用在Python 3中;因此,最好将这些IDE用在Python 2。
IPython(http://ipython.scipy.org/)提供了一个提高的、互动的Python shell,而且由于数据科学和可视化在本质上的互动性,它被极度推荐。大多数平台支持IPython。IPython还有其他一些特征:
标签完成:这涉及变量、函数、方法、属性和文件名的完成。标签完成是通过GNU Readline库(http://tiswww.case.edu/php/chet/readline/rltop.html)完成的。用完GNU Readline之后,很难回到常规的命令行界面。
命令历史功能:这是为充分考虑以前命令而发布的命令历史。
相关文章
- 图像处理工具Python扩展库,你了解吗?
- 十个常用的损失函数解释以及Python代码实现
- 30 个数据科学工作中必备的 Python 包
- 如何在 Windows 上安装 Python
- 几行 Python 代码就可以提取数百个时间序列特征
- 使用Python快速搭建接口自动化测试脚本实战总结
- 哪种编程语言最适合开发网页抓取工具?
- 不要在 Python 中使用循环,这些方法其实更棒!
- 震惊!用Python探索《红楼梦》的人物关系!
- 如何最简单、通俗地理解Python模块?
- 酷炫,Python实现交通数据可视化!
- 为什么急于寻找Python的替代者?
- 30 个数据工程必备的Python 包
- 去字节面试被面这题能答上来吗?谈谈你对时间轮的理解?
- 火山引擎在行为分析场景下的 ClickHouse JOIN 优化
- 用Python爬取了某宝1166家月饼数据进行可视化分析,终于找到最好吃的月饼~
- 在 Linux 上试试这个基于 Python 的文件管理器
- Python列表解析式到底该怎么用?
- 如何快速把你的 Python 代码变为 API
- 十个Python初学者常犯的错误