Python的数据可视化库有哪些？

Python作为一种强大的编程语言，拥有丰富的数据可视化库，帮助用户更直观地展示数据，从而更好地理解和分析数据。本文将介绍几种常用的Python数据可视化库，并提供具体的代码示例，帮助读者更好地掌握这些库的使用。

1. Matplotlib

Matplotlib是Python中最常用的数据可视化库之一，它可以创建各种类型的图表，包括折线图、散点图、柱状图等。下面是一个简单的折线图示例：

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 6]

# 绘制折线图
plt.plot(x, y)
plt.title('Simple Line Plot')
plt.xlabel('X')
plt.ylabel('Y')
plt.show()

2. Seaborn

Seaborn是基于Matplotlib的数据可视化库，提供了更简单的接口和更美观的样式。下面是一个简单的箱线图示例：

import seaborn as sns
import matplotlib.pyplot as plt

# 创建数据
data = [0, 1, 2, 3, 4, 5]

# 绘制箱线图
sns.boxplot(data=data)
plt.title('Box Plot')
plt.show()

3. Plotly

Plotly是一个交互式的数据可视化库，可以创建包括线图、散点图、热力图等在内的各种图表。下面是一个简单的散点图示例：

import plotly.express as px

# 创建数据
data = {'x': [1, 2, 3, 4, 5], 'y': [2, 3, 5, 7, 6]}

# 绘制散点图
fig = px.scatter(data, x='x', y='y')
fig.update_layout(title='Scatter Plot')
fig.show()

4. Bokeh

Bokeh是一个用于创建交互式图表的库，可以在网页上进行交互并添加工具栏。下面是一个简单的柱状图示例：

from bokeh.plotting import figure, show

# 创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 6]

# 绘制柱状图
p = figure(x_axis_label='X', y_axis_label='Y')
p.vbar(x=x, top=y, width=0.5, color='blue')
show(p)

以上是几种常用的Python数据可视化库及其代码示例。读者可以根据自身需求选择合适的库来展示数据，从而更加直观地理解和分析数据。