10個Python 統計報表/圖表圖形類庫

今天介紹一些Python中用於畫圖表圖形的類庫。由於有些時候，他們跟matlab同樣簡單，方便。並且有些也具備非凡的表現力。

1. matplotlib,官網：http://matplotlib.sourceforge.net/，Matplotlib 是一個由 John Hunter 等開發的，用以繪製二維圖形的 Python 模塊。它利用了 Python 下的數值計算模塊 Numeric 及 Numarray，克隆了許多 Matlab 中的函數， 用以幫助用戶輕鬆地得到高質量的二維圖形。Matplotlib 能夠繪製多種形式的圖形包括普通的線圖，直方圖，餅圖，散點圖以及偏差線圖等；能夠比較方便的定製圖形的各類屬性好比圖線的類型，顏色，粗細，字體的大小 等；它可以很好地支持一部分 TeX 排版命令，能夠比較美觀地顯示圖形中的數學公式。我的比較推薦這個類庫。查看例子。

2. Cairoplot,官網：http://linil.wordpress.com/2008/09/16/cairoplot-11/，(友情提示：須要FanQiang)。Cairoplot在網頁上的表現力堪比flex中的圖表圖形效果。可是這個彷佛只能跑在linux平臺上。因此不少windows用戶估計要失望了。

3. Chaco, 官網：http://code.enthought.com/chaco/，Chaco是一個2D的繪圖庫。其中文簡單教程參考：http://hyry.dip.jp/pydoc/chaco_intro.html

4. Python Google Chart,官網：http://pygooglechart.slowchop.com/。從命名方式來看，這個確定與google chart扯上了關係。因此該類庫是對Google chart API的一個完整封裝。

5. PyCha,官網：https://bitbucket.org/lgs/pycha/wiki/Home。PyCha但是說是Cairo 類庫的一個簡單封裝，爲了是實現輕量級，以及容易使用，固然還作了一些優化等。

6. pyOFC2，官網：http://btbytes.github.com/pyofc2/。它是Open Falsh Library的Python類庫。因此圖形具備Flash效果，能夠隨鼠標移動動態顯示圖標中信息，這是優越於其餘靜態圖示的。

7. Pychart，官網：http://home.gna.org/pychart/。pyChart是用於建立高品質封裝的PostScript，PDF格式，PNG，或SVG圖表Python庫。

8. PLPlot,官網：http://plplot.sourceforge.net/。PLPlot是用於建立科學圖表的跨平臺軟件包。以C類庫爲核心，支持各類語言綁定(C, C++, Fortran, Java, Python, Perl etc.)。開源免費。

9. reportlab,官網：http://www.reportlab.com/software/opensource/。這個咱們以前介紹過，參考http://www.codecho.com/installation-and-example-of-reportlab-in-python/。這個類庫支持在pdf中畫圖表。

10. Vpython,官網：http://www.vpython.org/index.html，VPython是Visual Python的簡寫，Visual是由Carnegie Mellon University（卡耐基-梅隆大學）在校學生David Scherer於2000年撰寫的一個Python 3D繪圖模塊。

11. Gallery

         http://bokeh.pydata.org/gallery.html         https://github.com/ContinuumIO/Bokeh/tree/master/examples

------------------------

吐槽一下：
pyCha 圖標過於簡單，並且顏色過於單一，更重要的是，還須要Cairo的支持，但是如今可以慶用的Cario很少。
Python Goolge Chart是幾個代碼中最簡單的，圖標無數據。只管美觀，不實用。
matplotlib，太過複雜，光光可用的模塊，就不下40-50，看得真暈。
最後，測試ChartDirector，最好。但是商業軟件，生成的圖像還有一個黃Banner。悲催呀~

----------------------------------

下面舉個 ChartDirector  的例子（注意 ChartDirector 包含 python、php、perl、c++等各類版本，這裏用python示範）：

#!/usr/bin/python
from pychartdir import *

# The data for the line chart
data0 = [60.2, 51.7, 81.3, 48.6, 56.2, 68.9, 52.8,60.2, 51.7, 81.3, 48.6, 56.2, 68.9]
data1 = [30.0, 32.7, 33.9, 29.5, 32.2, 28.4, 29.8,30.0, 32.7, 33.9, 29.5, 32.2, 28.4, 29.8]
labels = ["Sun", "Mon", "Tue", "Wed", "Thu", "Fri", "Sat","Sun", "Mon", "Tue", "Wed", "Thu", "Fri", "Sat"]

# Create a XYChart object of size 300 x 180 pixels, with a pale yellow (0xffffc0)
# background, a black border, and 1 pixel 3D border effect.
c = XYChart(1000, 800, 0xffffc0, 0x000000, 1)

# Set the plotarea at (45, 35) and of size 240 x 120 pixels, with white background.
# Turn on both horizontal and vertical grid lines with light grey color (0xc0c0c0)
c.setPlotArea(45, 35, 900, 700, 0xffffff, -1, -1, 0xc0c0c0, -1)

# Add a legend box at (45, 12) (top of the chart) using horizontal layout and 8 pts
# Arial font Set the background and border color to Transparent.
c.addLegend(10, 742, 0, "", 18).setBackground(Transparent)

# Add a title to the chart using 9 pts Arial Bold/white font. Use a 1 x 2 bitmap
# pattern as the background.
c.addTitle("Server Load (Jun 01 - Jun 07)", "arialbd.ttf", 9, 0xffffff
    ).setBackground(c.patternColor([0x004000, 0x008000], 2))

# Set the y axis label format to nn%
# c.yAxis().setLabelFormat("{value}%")
c.yAxis().setLabelFormat("{value}")

# Set the labels on the x axis
c.xAxis().setLabels(labels)

# Add a line layer to the chart
layer = c.addLineLayer()

# Add the first line. Plot the points with a 7 pixel square symbol
layer.addDataSet(data0, 0xcf4040, "Peak").setDataSymbol(SquareSymbol, 7)

# Add the second line. Plot the points with a 9 pixel dismond symbol
layer.addDataSet(data1, 0x40cf40, "Average").setDataSymbol(DiamondSymbol, 9)

# Enable data label on the data points. Set the label format to nn%.
layer.setDataLabelFormat("{value}")

# Output the chart
c.makeChart("symbolline.png")

 

推薦閱讀：

[1] 2013年度Python數據模塊

http://segmentfault.com/a/1190000000424711

[2] 55種開源數據可視化工具簡介

http://t.cn/RA879rv

[3] 讓效率「爆表」的49個數據可視化工具

http://weibo.com/p/1001603836173314294816