Le librerie per costruire grafici con Python

Costruire grafici può essere un modo semplice per condividere le tue analisi con altre persone.

Questa micro-lezione, un po’ meno tecnica rispetto al solito, illustra le diverse librerie Python che possiamo usare per visualizzare i nostri dati in maniera personalizzata, (a volte) interattiva e accattivante.

Chiunque abbia provato almeno una volta a costruire un semplice grafico con Python, si sarà sicuramente imbattuto nella libreria Matplotlib. Ad oggi, Matplotlib è considerata la libreria “di base” per la visualizzazione dei dati con Python.

Costruita su Matplotlib, Seaborn è caratterizzata da una palette di comandi più semplice. Inoltre, Seaborn supporta piuttosto bene le visualizzazioni di tipo statistico.

Plotly è un’altre delle librerie “di riferimento”, quando si parla di visualizzazione dei dati con Python. Plotly supporta molti tipi di grafici, diverse funzioni interattive (tra cui lo zoom) e si presta a costruire dashboard con Dash.

Nonostante sia un po’ meno immediata per chi è alle prime armi, Bokeh si contraddistingue per l’eleganza dei suoi grafici di default e le sue funzionalità interattive.

Vega-Altair (o più comunemente solo Altair) è una libreria che supporta una sintassi lineare e diversi tipi di grafici. Se cerchi una soluzione per esplorare al meglio i tuoi dati, Altair potrebbe essere la libreria che fa per te.

pygal è una libreria per la visualizzazione dei dati piuttosto di nicchia. Ciò che la contraddistingue è il supporto del formato SVG, oltre ai formati classici, per esportare i grafici. Inoltre, i grafici costruiti con pygal si contraddistinguono per un’estetica piacevolmente vintage.

Lets-Plot è la versione Python della libreria ggplot2, già disponibile per il linguaggio R. Lets-Plot si contraddistingue per una sintassi modulare, che offre molte possibilità di personalizzazione. Inoltre, i grafici risultano estremamente gradevoli dal punto di vista estetico e il supporto per le mappe è molto valido.

Alla prossima micro-lezione 👋