下面列举了部分在Python中可进行数据可视化操作的包。

Matplotlib
Matplotlib算是Python中绘图最基本的包了，用起来也比较接地气，用Matplotlib做的最多的是2D的图像，并且使用Matplotlib做简单的数据可视化是非常容易便捷的

Pandas
Pandas是基于Matplotlib实现绘图的，因为Pandas对Matplotlib某些操作步骤进行了封装，所以可以更快捷更便利的去做一些复杂的统计图表，因而Pandas也成为了python中最常用的绘图包之一

Seaborn
它其实和Matplotlib同出一源，也是把Matplotlib进行了封装，就使得在Matplotlib中的一些操作在 Seaborn变得更加简单，也就是说我们用Seaborn就可以用简单的操作做出复杂的图表，并且Seaborn可以使用更多的调色，满足你的审美需求。

ggplot
ggplot也是基于Matplotlib二次开发的包， ggplot是R中的绘图包，但是也是属于Python绘图的第三方库。它主要读取的数据类型是pandas的DataFrame,主要绘图思想是图层叠加思想，即数据层、图形层、美学层

plotly
功能也很强大，可与多个主流绘图软件对接，并且可以实现交互式制图。Plotly图标丰富，其中，基本图表20种，地图8种，科学图表21种，财务图表2种，统计和海运方式图12种……

Dash
Dash是用于搭建响应式Web应用的Python开源库，支持建立文档、表格、视图整合在一起的交互式数据分析报告，Dash应用的代码是声明与反应式的，可以轻松构建包含交互元素的复杂应用
pygal
pygal是一个用于生成SVG格式图片的python第三方库，并且也有很酷炫的绘图功能，适合数据量少的，数据量大的话渲染效果会很慢

Gleam
它允许你只利用 Python 程序将你的分析变成可交互的网络应用，你不需要会用HTML CSS 或者 JaveScript可以使用任何一种 Python 的可视化库
leather
适合应急，在你需要绘制一个图表，又不是要求非常完美的时候可以用到
……
当然在Python中可用来做数据可视化的包还有很多，以上只是列出了一些比较基础常用、功能相对强大的包，但是在这么多包中，最常用的还要属Matplotlib、Pandas和seaborn。简单总结，当你要做的统计图表数据较少，图表简单，用Matplotlib就可以满足你。当想要做比较复杂的图表时，可以考虑pandas，并且可以更便利。当pandas不能满足你对图表美观的要求，那不妨考虑一下Seaborn。

此外，在应用基础包Matplotlib中，也有很多小细节需要注意：

1、在做完每幅图后一定要用plt.close()关掉现在正在操作的图，否则接下来的操作都会叠加到上一个未关掉的图中；

2、画多个图表时可以使用 plt.figure(fig_i) 来创建；

3、在同一个图中画多个子图时，可以使用 plt.subplot(221) ，221的意思是，建立两行两列共 4 个图，并且把该图画在第一个图中。