### Python 中替代 Matplotlib 的绘图库 #### Seaborn Seaborn 是基于 Matplotlib 构建的数据可视化库，提供了更高级别的接口用于绘制统计图形。该库特别适合于数据探索和理解变量之间关系的任务。 ```python import seaborn as sns tips = sns.load_dataset('tips') sns.pairplot(tips) ``` 此代码片段展示了如何加载内置数据集并创建成对的关系图[^3]。 #### Plotly Plotly 提供了一个强大的平台来构建交互式的图表和仪表板应用。它不仅限于简单的二维图像；还支持三维图形、地图以及实时更新的内容。 ```python import plotly.express as px gapminder = px.data.gapminder() fig = px.scatter(gapminder.query("year==2007"), x="gdpPercap", y="lifeExp", size="pop", color="continent", hover_name="country", log_x=True, size_max=60) fig.show() ``` 这段脚本利用 `plotly.express` 创建了一张散点图，其中包含了 GDP 和预期寿命之间的关联，并通过气泡大小表示人口数量[^4]。 #### Bokeh Bokeh 设计用来处理大型数据集并且能够生成高度互动性的网页版可视化效果。开发者可以轻松地嵌入到 Web 应用程序中去。 ```python from bokeh.plotting import figure, show p = figure(title="simple line example", x_axis_label='x', y_axis_label='y') p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], legend_label="Temp.", line_width=2) show(p) ``` 上述例子说明了怎样画一条简单线条图，在线上的每一个点都对应着一对坐标值[^5]。 #### Altair Altair 是一种声明式统计可视化库，其语法简洁明了，非常适合快速原型设计阶段使用。用户只需定义想要可视化的数据结构及其属性即可自动生成相应的视图。 ```python import altair as alt from vega_datasets import data source = data.cars() alt.Chart(source).mark_point().encode( x='Horsepower', y='Miles_per_Gallon', color='Origin' ) ``` 这里展示的是汽车马力与每加仑行驶里程数间的关系图，不同颜色代表不同的产地。