plotly Bokeh 哪个好Python化函式库视觉功能的测定？资料科学工具专家告诉你

Python是资料科学家爱用的分析用开发语言，但除了统计和数学函式库以外，Python的资料视觉化函式库也越来越丰富，号称涵盖各种常用函式库的Python懒人包发行版本Anaconda，其解决方案架构师Jim Bednar最近详细地整理出Python资料视觉化函式库的整个生态系，要让资料科学家了解Python资料视觉化处理的威力。

在Python资料视觉化函式库的生态系中，可分为几个群组，这些群组都来自不同的起源，但主要可划分为科学视觉化（SciVis）和资讯视觉化（InfoVis）两块函式库。其中科学视觉化函式库主要用来视觉化地理位置资料，相关函式库有VisPy、glumpy、GR、Mayavi、ParaView、VTK和yt。主要是建构于OpenGL图形标准之上，可以为规则或不规则资料，提供三维或是四维的物理程序图形视觉化。这些函式库发展早于HTML5支援的网页应用程序，通常被用于工程或是科学环境中。

除了科学视觉化函式库这个区块，其他的函式库都属于资讯视觉化（InfoVis）函式库的群组，专注于对任意空间的资讯视觉化，以两个维度的抽象空间，使用轴和标签解释多维空间的资料。Jim Bednar提到，资讯视觉化函式库还可以进一步细分成多个子群组，区分成Matplotlib、JavaScript、JSON或是WebGL等各类型。

Matplotlib具有长久的历史，也是极受欢迎的的资讯视觉化函式库，支援广泛的2D绘图类型以及输出格式，Matplotlib发展也早于有HTML5的网页应用程序，因此主要是使用像是Qt和GTK的桌面GUI工具包，功能重点在于绘制静态图像，以及互动式图形的呈现上。Matplotlib提供部分3D支援，但比起学视觉化函式库有更多的限制。

而多年Matplotlib发展以来，有多种工具建立在Matplotlib的2D绘图功能之上，Jim Bednar将其归类成特定类型资料的渲染引擎，例如熊猫、NetworkX、Cartopy以及yt，而也有像是ggplot、plotnine、HoloViews和GeoViews函式库，提供高阶的绘图API。

在HTML5出现后，浏览器支援更丰富的互动功能，许多函式库开始为网页或是Jupyter Notebooks提供2D互动图形功能，无论是自定义Bokeh和Toyplot的函式库，或是包装既有的绘图函式库D3成更容易使用的函式库的Plotly和bqplot。Jim Bednar提到，也由于D3这样的JavaScript函式库已经发展成熟，可以简单地为任何语言包括Python产生JavaScript图形，透过Altair旧能以JSON移植完整的图形，并整合到许多类型的工具之中。

另外，对网页应用程序很重要的WebGL技术，也能提供网页丰富的绘图功能，就像HTML5用于2D JavaScript绘图的方式一样，WebGL标准在浏览器和Jupyter Notebooks中，也可以实现互动3D体验。Jim Bednar认为，虽然three.js、vtk.js或是regl，这些基于网页3D的方法都没有达到桌面科学视觉化函式库的深度，但是因为跟Jupyter Notebooks良好整合，可以透过网页和远端分享，大幅增加了便利性。他也提到，虽然WebGL工具与科学视觉化工具有部分重叠，但性质还是偏向资讯视觉化领域。

不同的函式库有适合不同的使用情境，Jim Bednar将用途归类成6大类。几乎所有资讯视觉化函式库都能良好的制作统计图，包括散点图、线、面积、长条图和直方图，但表现较杰出的有Seaborn、bqplot、Altair、ggplot2和plotnine。图像、规则网格和矩形网格，开发者可以使用Bokeh、Datashader、HoloViews、Matplotlib和Plotly，大多数科学视觉化函式库也都有支援。

不规则的二维网格包括三角形网格，可以使用学视觉化函式库以及Matplotlib、Bokeh、Datashader和HoloViews。无论是Matplotlib结合Cartopy，或是GeoViews、ipyleaflet与Plotly，都能用来绘制地理资料。网络（Networks）与图（Graphs）则能使用NetworkX、Plotly、Bokeh、HoloViews以及Datashader。在3D网格或散点图，则要使用Plotl、Matplotlib、HoloViews和ipyvolume，科学视觉化函式库也都有良好的支援。

此外，不同函式库也提供不同的界面，Jim Bednar将之区分为5大类，大多数函式库都提供无头操作，以生成静态图形，而像是科学视觉化函式库、Matplotlib和Vaex，都可以创建特定操作系统的GUI视窗，另外，大多数的JavaScript和JSON的资料视觉化函式库，都可以在没有服务器的情况下，产生互动式绘图，透过电子邮件或发布到不支援Python的网页服务器上。

热门的Jupyter Notebook受到广大的资讯视觉化函式库支援，大多数视觉化函式库都能够和Jupyter Notebook互通使用，开发者特别可以使用ipywidgets，以获得更好的整合体验。当然也有不少函式库提供独立的网页仪表板和应用程序，Plotly图表就能以Dash在独立的应用程序中使用，Bokeh、HoloViews和GeoViews可以使用Bokeh Server进行部署。大部分的资讯视觉化函式库都能使用Panel函式库部署仪表板，包括Matplotlib、Altair、Plotly、Datashader、hvPlot、Seaborn、plotnine和yt都没问题。

除了视觉化界面，资讯视觉化函式库也都提供了丰富的API，让不同类型的用户都能建置适合的视觉呈现。Jim Bednar表示，这些函式库提供的API都具有不同的背景和目标，适用于解决特定的任务，除了Matplotlib之外，大多数函式库都支援一个或最多个备用API，开发者在解决问题之前，应该选择适当的工具。

Matplotlib主要提供物件导向的API，开发者能掌握完全的控制和组合性，不过操作起来较为复杂。而ggplot、plotnine和Altair则属声明性图形API，提供组合图形的原语，让开发者直觉地组成图形。HoloViews和GeoViews则提供声明性资料API，让开发者能以高阶的声明和组合API，专注于标记、叙述和处理视觉化资料。

Jim Bednar提醒，大量且不同类型的Python资料视觉化函式库，提供开发者大量建构图形的不同方法，而这也意味着，开发者应该在深入投资开发资源前，先考虑这些差异带来的影响。