主要观点总结
文章介绍了五种数据可视化图表：和弦图、Sunburst Chart、六边形分箱图、桑基图和流图，并给出了使用不同库创建这些图表的Python示例代码。文章还提供了相关链接供读者深入学习。
关键观点总结
关键观点1: 和弦图用于展示数据点之间复杂的关系，通过节点和弧线连接表示。
使用了Holoviews和Bokeh库创建示例，展示五个国家之间的贸易关系。
关键观点2: Sunburst Chart通过同心圆展示层次数据，每个圆代表层次中的一级，可以应用于可视化文件系统层次结构等。
使用了Plotly库创建示例。
关键观点3: 六边形分箱图有效展示二维数据分布，特别是数据点密集时，通过划分六边形箱并用颜色表示每个箱中的点数来展示。
使用了Matplotlib和mplhexbin库创建示例，展示了空气质量指数与医院访问之间的相关性。
关键观点4: 桑基图可视化数据流，适用于能源、材料和财务数据，节点宽度与流量数量成比例。
使用了Plotly库创建示例，展示了能量流从生产源头到小城市消费者的过程。
关键观点5: 流图类似于河流，描绘随时间的变化，颜色区分类别，宽度表示值，直观展示趋势和关系。
使用了Altair库创建示例。
文章预览
点击下方 卡片 ，关注“ 小白玩转Python ”公众号 掌握这五种高级可视化图表将使数据可视化变得容易。这些库互为补充，以最大化数据表达。 和弦图 (Chord Diagram) 和弦图创造性地展示了数据点之间复杂的关系。节点围绕一个圆圈排列，通过弧线连接。弧线的长度反映了连接值，其粗细表示关系的重要性。颜色对数据进行分类，使比较变得容易。广泛应用于各个领域，特别是在可视化遗传数据方面。 以下是一个使用 Holoviews & Bokeh 创建显示五个国家之间贸易关系的和弦图的示例。 import holoviews as hv from holoviews import opts import pandas as pd import numpy as np hv.extension('bokeh') # Sample matrix representing the export volumes between 5 countries export_data = np.array([[0, 50, 30, 20, 10], [10, 0, 40, 30, 20], [20, 10, 0, 35, 25], [30, 20, 10,
………………………………
