第三方软件包¶

下面列出了几个扩展或构建Matplotlib功能的外部包。它们与Matplotlib分开维护和分发，因此需要单独安装。

如果您创建了一个想要包含的包，请在GitHub上提交问题或请求请求。我们也很乐意在 Matplotlib GitHub Organization .

制图工具包¶

Basemap¶

Basemap 在地图投影上绘制数据，包括大陆和政治边界。

Cartopy¶

Cartopy 构建在Matplotlib之上，以提供面向对象的地图投影定义，并与Shapely紧密集成，以提供强大但易于使用的矢量数据处理工具。示例图 Cartopy gallery ：

地质公园¶

Geoplot 构建在Matplotlib和Cartopy之上，提供一个简单、强大、可定制的打印类型的“标准库”。图中的示例图 Geoplot gallery ：

../_images/geoplot_nyc_traffic_tickets.png

山脊图¶

ridge_map 使用Matplotlib，SRTM.py公司，NumPy和scikit图像来绘制您最喜欢的山脊的山脊图。

../_images/ridge_map_white_mountains.png

声明的库¶

ggplot¶

ggplot 是基于matplotlib的r ggplot2包到python的端口。

全息视图¶

holoviews 使交互式可视化数据更容易，尤其是在 Jupyter notebook 通过提供一组存储数据和关联元数据的声明性绘图对象。然后，您的数据可以立即可视化，与其他数据一起或与其他数据叠加，可以是静态的，也可以是自动提供的用于参数探索的小部件。

plotnine¶

plotnine 实现图形语法，类似于R ggplot2 . 语法允许用户通过将数据显式映射到构成绘图的可视对象来组合绘图。

特色地块¶

断轴¶

brokenaxes 提供一个轴类，该类可以有一个可视分隔符来指示不连续的范围。

DeCiDa¶

DeCiDa 是一个功能和类库，用于电子器件特性描述、电子电路设计和一般数据可视化和分析。

matplotlib比例尺¶

matplotlib-scalebar 提供一个新的艺术家来显示比例尺，又名微米条。当显示用 plt.imshow(...) .

Matplotlib-Venn¶

Matplotlib-Venn 提供一组用于绘制2和3集区域加权（或未加权）维恩图的函数。

MPL概率表¶

mpl-probscale 是一个小的扩展，允许Matplotlib用户指定概率标度。只需导入 probscale 模块使用matplotlib注册磅秤，使其可通过例如 ax.set_xscale('prob') 或 plt.yscale('prob') .

MPL散射密度¶

mpl-scatter-density 是一个很小的包，可以很容易地使用密度图绘制大量点的散点图。以下示例包含大约1300万个点，在平均笔记本电脑上绘制（不包括读取数据）时间不到一秒钟：

当在交互模式中使用时，密度图会在移动/缩放的同时快速减小采样，以提供平滑的交互体验。

MPLD¶

mplstereonet 提供用于绘制和分析Matplotlib中方向数据的立体网。

纳塔格¶

mpl_toolkits.natgrid 是NatGrid C库的接口，用于对不规则间隔的数据进行网格划分。

派沃德¶

pyUpSet 是的静态python实现 UpSet suite by Lex et al. 研究集合和数据帧的复杂交集。

西伯恩¶

seaborn 是一个高级接口，用于绘制带有matplotlib的统计图形。它旨在使可视化成为探索和理解复杂数据集的核心部分。

WCSAxes¶

这个 Astropy 核心包包括一个子模块wcsxes（可从 astropy.visualization.wcsaxes ）它增加了天文图像数据的matplotlib投影。以下是使用wcsxes绘制的绘图示例，其中包括图像的原始坐标系和不同坐标系的叠加：

风玫瑰¶

Windrose 是一个python matplotlib，numpy库，用于管理风数据，绘制风玫瑰图（也称为极玫瑰图），绘制概率密度函数和拟合威布尔分布。

黄砖¶

Yellowbrick 是一套用于机器学习的可视化诊断工具，它使人能够控制模型选择过程。Yellowbrick使用一个名为 Visualizer ，它同时包装了sklearn模型和matplotlib轴。 Visualizer 对象与机器学习工作流程完美契合，使数据科学家无需额外的步骤就可以将可视化诊断和模型解释工具集成到实验中。