网友提问：
python做可视化数据分析，究竟怎么样？
优质回答：
没有独特优势，只是前人写的库比较全。学习PYTHON就是对库的学习。
其他网友回答
Python做数据可视化，可以调用的第三方库有十几个：pyecharts、matplotlib、Seaborn、HoloViews、Altair、PyQtGraph、Bokeh、pygal、VisPy、NetworkX、Plotly、geoplotlib、folium、vincent等。
作为初学者，建议从pyecharts、matplotlib、Seaborn中选一个库来进行深入学习。我个人比较喜欢用pyecharts来进行数据分析和可视化展示，主要是百度开源的eCharts提供了特别丰富的可视化组件及交互模式。
我推荐pyecharts，主要有X理由：
（1）API设计非常简洁，支持链式调用，写法很优雅。
（2）多种可选主题，拥有丰富的参数设置，支持词云、可视化地图等多种组件。
（3）可交互的可视化效果，能够直接移植到PPT中，方便进行数据分析的结论展现。
pyecharts通过简单的4步即可实现数据可视化：
以一个简单的词云为例，讲解涉及到的4个步骤。
WordCloud()
其他网友回答
之前学过一段时间的Python，对Python的方向有一定的了解。
首先你要先做的是背景评估，是否适合学习并且做数据分析，因为不是所有人都适合转行或学习数据分析，比如专业极度不相关，年龄较大或者城市基因不匹配的都不适合学，因为我们最终是以入职为目标的。
如果只是想做可视化那么power bi，tableau等效果更好 ，但是发展来说工具人是不具备核心竞争力的，很容易被取代；如果是做数据分析，可以很肯定的是，职业发展前景是非常OK的，现在就是数据+时代。
数据分析师要具备以下5种能力：他们分别是数据工具、业务理解、沟通表达、思维逻辑和报告撰写。从初级数据分析师X要求的必须技能来看，主要包括理论知识和工具实践两部分内容。
理论部分统计学：
为什么将统计学放在第一位呢？因为统计学是数据分析的基石，而且统计分析可以解决日常大部分的分析需求。统计学这部分内容需要学习描述统计、假设检验、贝叶斯、概率、分布、抽样、线性回归、时间序列等内容。数据分析方法论：这里要学习一些数据分析常用到分析方法，如趋势分析法、对比分析法、X分解法、用户细查、漏斗分析、留存分析、AB测试法、4Р理论、PESTEL理论、SWOT分析、5W2H理论、逻辑树理论、用户使用行为理论、AARRR模型等。
然后是数理统计学，统计知识会要求我们以另一个角度看待数据。当你知道AB两组的差异用平均值看是多傻的事情，你的分析技巧也会显著提高。
最后可能还需要用到数据挖掘方面的知识，学习算法模型包括线性回归、逻辑回归、主成分分析、因子分析、聚类、关联规则、决策树、随机森林、支持向量机、贝叶斯、神经网络等。
工具部分
Excel数据分析：它是最基础的数据分析工具，这个算是第一阶段吧，每一位数据分析师都脱离不开Excel。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。虽然现在机器学习满地走，Excel依旧是无可争议的第一工具。Excel是一款必须熟练的工具。它是日常工作中最常用的工具，如果不考虑性能和数据量，它可以应付绝大部分分析工作。在学习的Excel的时候需要重点掌握：常用函数的使用、快捷键操作、基础图表制作、数据X表、Vlookup等。另外Excel还可以导入一些模板来使用，典型的包括数据分析模块、做假设检验经常用到；规划求解，做线性规划和决策等问题非常有效。
SQL数据库语言：作为数据分析人员，我们首先要知道如何去获取数据，其中最常见的就是从关系型数据库中取数，因此你可以不会R，不会python，但是你不能不会SQL。DT时代，数据正在呈指数级增长。Excel对十万条以内的数据处理起来没有问题，但是往小处说，但凡产品有一点规模，数据都是百万起。这时候就需要学习数据库。SQL是数据分析的核心技能，SQL要重点学习Select，聚合函数、以及条件查询（Where、Group by、Order by等）PPT：用来和业务部门交流需求，展示分析结果。Python：主要学习Numpy、Pandas、Matplotlib、Seaborn等内容。Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，在处理数据时候运行速度非常快。这里需要注意的是不同公司对工具的要求也不同，例如有些公司要求会使用R语言、SPSS等，具体学哪一个工具可以参照X要求，其中Excel、SQL和PPT是必备的基础技能工具。
之后就是综合数据可视化&商业智能：数据可视化能力已经越来越成为各岗位的基础技能。领英的数据报告显示，数据可视化技能在历年年中国最热门技能中排名第一。数据分析界有一句经典名言，字不如表，表不如图。实际上除掉数据挖掘这类高级分析，不少数据分析就是监控数据和观察数据。除此此外，数据分析的大多时候都是要兜售自己的观点和结论的，而兜售的最好方式就是做出观点清晰数据详实的PPT和报表给老板看。
在我看来，python可视化数据分析前景是好的，利用python做出来的可视化图表其效果与用那些专业的可视化工具（tableau、power bi）差不了多远（前提是你要熟练）。但是就工作情景来说，在大公司，如果你是商业数据分析的职位的话，一般都是用那些专业的可视化软件来做数据分析，像powebi这种软件，他的功能也很强大，不输于python，做出来的可视化图表也很美观，最重要的是工作效率要高。
最后，一定给自己做一个职业规划，了解不同层级的数据分析师要掌握什么技能，想清楚自己未来的目标岗位，不断的去学习和提升自己，再一步步朝着目标迈进。
另外自己之前收集了一套数据分析师的教程，需要的可以私信我。
其他网友回答
1.首先python作为脚本语言易学和处理数据有天然优势
2.其次python拥有众多开源框架库如：机器学习和大数据方面有利于利用这些工具帮助数据处理分析
3.Python是人工智能方面通用语言
对于人工智能的即时性很快速分析数据
由此可以得出python对可视化数据分析有优势
其他网友回答
楼主目的是什么呢？只是进行可视化分析吗？如果是这样的话，还不如用R。而且这个怎么样是指什么怎么样？性能怎么样？呈现效果怎么样？还是效率怎么样？
好吧，既然你问python了的话，我们就说说这个python怎么做可视化数据分析吧。
python做数据分析，会使用一些图形库，我们这边用下matplotlib吧
上代码：
“`
import matplotlib.pyplot as plt
import numpy as np
if __name__ == “__main__”:
plt.plot(np.random.randn(30).cumsum()， ‘k–‘)
plt.show()
“`
我们来看下图1效果，感觉还不错，来，我们再画多点图
“`
import matplotlib.pyplot as plt
import numpy as np
if __name__ == “__main__”:
fig=plt.figure()
ax1=fig.add_subplot(2，2，1)
ax2=fig.add_subplot(2，2，2)
ax3=fig.add_subplot(2，2，3)
ax4=fig.add_subplot(2，2，4)
ax1.plot(np.random.randn(30).cumsum()， ‘k–‘)
ax2.plot(np.random.randn(30).cumsum())
ax3.scatter(np.arange(30)，np.arange(30)+3*np.random.randn(30))
ax4.hist(np.random.randn(30).cumsum())
plt.show()
“`
我们再来看下图2效果，嗯，好看。
从上面表现上来看，用python做可视化数据分析还是很方便和简单的，这里列的数据是随机数据，你可以加点代码，去数据库拉数据。而python的库也是很多的
那性能如何呢？这个嘛，虽然没有试过大数据量的可视化效果，但脚本语言的速度，你别有太大的期待。
