1. Seaborn

Seaborn是Python中的一个高级可视化库，是对Matplotlib进行二次封装而成。Seaborn的很多图表接口和参数设置与Matplotlib很是接近。相比Matplotlib而言，Seaborn的几个鲜明特点如下：

绘图接口更为集成，可通过少量参数设置实现大量封装绘图
多数图表具有统计学含义，例如分布、关系、统计、回归等
对Pandas和Numpy数据类型支持非常友好
风格设置更为多样，例如风格、绘图环境和颜色配置等

参考资料

Seaborn 教程

Seaborn 示例

import numpy as np
import seaborn as sns

penguins = sns.load_dataset("penguins")

penguins  # DataFrame

在这里插入图片描述

sns.jointplot(
    data=penguins,
    x="bill_length_mm", y="bill_depth_mm", hue="species",
    kind="kde"
)

在这里插入图片描述

2. Ipyvolume

IPyvolume is a Python library to visualize 3d volumes and glyphs (e.g. 3d scatter plots), in the Jupyter notebook, with minimal configuration and effort. It is currently pre-1.0, so use at own risk. IPyvolume’s volshow is to 3d arrays what matplotlib’s imshow is to 2d arrays.

参考资料

Ipyvolume 手册

Ipyvolume 示例

import numpy as np
import ipyvolume as ipv
V = np.zeros((128,128,128)) # our 3d array
# outer box
V[30:-30,30:-30,30:-30] = 0.75
V[35:-35,35:-35,35:-35] = 0.0
# inner box
V[50:-50,50:-50,50:-50] = 0.25
V[55:-55,55:-55,55:-55] = 0.0

ipv.figure()
ipv.volshow(V, level=[0.25, 0.75], opacity=0.03, level_width=0.1, data_min=0, data_max=1)
ipv.view(-30, 40)
ipv.show()

在这里插入图片描述

3. Nglview

An IPython/Jupyter widget to interactively view molecular structures and trajectories. Utilizes the embeddable NGL Viewer for rendering. Support for showing data from the file-system, RCSB PDB, simpletraj and from objects of analysis libraries mdtraj, pytraj, mdanalysis, ParmEd, rdkit, ase, HTMD, biopython, cctbx, pyrosetta, schrodinger’s Structure

参考资料

nglview 手册

nglview 示例

import nglview as nv

view = nv.show_pdbid("5R7Y") # COVID-19 主蛋白酶
view

在这里插入图片描述

4. Bqplot

Bqplot是用于Jupyter的交互式2D绘图库，其中绘图的每个属性都是一个交互式小部件，只需几行Python代码就可以创建丰富的可视化效果。Bqplot构建在widgets框架之上，它利用widget基础提供第一个在Python和JavaScript代码之间通信的绘图库。Bqplot的可视化基于D3.js和SVG，支持快速交互和漂亮的动画。

参考资料

bqplot 手册

bqplot 示例

import numpy as np
from bqplot import pyplot as plt

size = 100
np.random.seed(0)
x_data = np.arange(size)
y_data = np.cumsum(np.random.randn(size))

figure = plt.figure(title='Bqplot Plot')
scatter = plt.scatter(x_data, y_data)
plt.show()

在这里插入图片描述

scatter.y = np.cumsum(np.random.randn(size))  # 更新数据

在这里插入图片描述

scatter.colors = ['Green']  # 更新颜色

在这里插入图片描述

4.1 动画

import time

for i in range(100):  # Update Chart
    scatter.y = np.insert(scatter.y[:-1], 0 , scatter.y[-1])
    time.sleep(0.1)

请添加图片描述

4.2 交互

调整滑块实现调频和调幅

import numpy as np
from bqplot import pyplot as plt
from ipywidgets import interactive, FloatSlider, jslink

x = np.linspace(-5, 5, 100)
fig = plt.figure(title='Bqplot Plot')
line = plt.plot(x, np.sin(x))

plt.set_lim(-2, 2, 'y')

plt.show()

def f(a, b):
    line.y = a * np.sin(b*x)

interact_plot = interactive(f, a=(1.0, 2.0), b=(1.0, 5.0))
interact_plot