python中我们一般用的最多的是matplotlib图形库，本人在写文章，做报告时，深感matplotlib图形比较单一化，这里介绍几种关于python的图形库
（1）seaborn 是基于matplotlib的高级版，主要针对的数据挖掘和机器学习的变量特征选取，可以用非常短小的代码就可以画出多维变量的可视化图形，seaborn的官方网站：http://seaborn.pydata.org/，从中可以看到非常炫酷的可视化样例图形。
(2) plotly同时支持Python和R语言，并且实现了在线导入数据做可视化并保存内容在云端server的功能。做演示的时候，只需要在本地的jupyter notebook与plotly server建立通信，即可调用已经做好的可视化内容做展示，官网：https://plot.ly/python/
（3）pyecharts是基于百度echarts的一个开源项目，也是我经常使用的交互可视化的工具，相比bokeh和plotly，pyecharts的语法更简单，实现效果更佳出众。官网：http://pyecharts.org/#/
(4)bokeh是python中一款基于网页的画图工具库,可以用于网站的可视化展示，具有交互性，官网：https://bokeh.pydata.org/en/latest/
（5）pygal是一个用于生成SVG格式图片的python第三方图形库，生成的图形很炫酷，官网：http://www.pygal.org/en/stable/index.html
（6）geoplotlib是一个用于制作地图和地理相关数据的工具箱，可以用它来制作多种地图，比如等值区域图， 热度图，点密度图。想使用geoplotlib，我们必须安装 Pyglet （一个面向对象编程接口）才可以。官网：https://residentmario.github.io/geoplot/index.html
（7）Gleam 借用了R中 Shiny 的灵感。 它允许你只利用 Python 程序将你的分析变成可交互的网络应用，你不需要会用HTML CSS 或者 JaveScript。Gleam 可以使用任何一种 Python 的可视化库。当你创建一个图表的时候，你可以在上面加上一个域，这样用户可以用它来对数据排序和过滤了，这个库很少人使用。官网：https://github.com/dgrtwo/gleam
（8） missingno 用图像的方式让你能够快速评估数据缺失的情况，而不是在数据表里面步履维艰。你可以根据数据的完整度对数据进行排序或过滤，或者根据热度图或树状图来考虑对数据进行修正。官网：https://github.com/ResidentMario/missingno
（9）leather的最佳定义来自它的作者 Christopher Groskopf：“Leather 适用于现在就需要一个图表并且对图表是不是完美并不在乎的人。”它可以用于所以的数据类型然后生成SVG图像，这样在你调整图像大小的时候就不会损失图像质量。这个库很新，一些文档还没有最后完成。图像成品非常基础——但是这就是设计目标。官网：https://leather.readthedocs.io/en/0.3.3/index.html
(10)matplotlib最常见的图形库，学习数据分析的人都知道，在这里我就不细说了。官网：https://matplotlib.org/
