Awesome GitHub RepositoriesPython Visualization

Matplotlib is a Python data visualization library and 2D plotting engine used to generate publication-quality figures and charts from numerical data. It serves as a numerical graphics library and data visualization toolkit for mapping data to visual elements. The library provides capabilities for producing static, animated, and interactive visualizations. This includes creating high-resolution figures for professional documents, generating moving graphics to illustrate data evolution over time, and building dynamic plots for interactive data exploration. The toolkit supports scientific plott

Bokeh is a Python data visualization library and interactive plotting framework used to create high-performance graphics and data dashboards that render in web browsers. It serves as a tool for generating standalone HTML documents, embedded components for digital notebooks, and full-stack web applications powered by a Python backend. The project distinguishes itself through its ability to handle large or streaming datasets while maintaining smooth interactivity. It enables linked brushing across multiple views, allowing data selected in one plot to automatically highlight corresponding data i

pyecharts is a Python visualization library and wrapper for the Echarts JavaScript engine. It translates Python data and configurations into JSON specifications to generate interactive web-based charts and graphs. The library provides specialized capabilities for geographic data mapping using a comprehensive library of map assets to visualize spatial information. It also includes utilities to capture rasterized snapshots of rendered web visualizations for export as static image files. The tool supports rendering interactive plots directly within data science notebook environments and exporti

This project is an exploratory data analysis library and profiling tool for Pandas and Spark DataFrames. It automates the initial investigation of datasets by generating comprehensive descriptive analysis reports, statistical summaries, and data quality warnings. The system functions as a data quality profiler to detect missing values, duplicate rows, and type inconsistencies. It includes a dataset comparison tool for identifying structural and content shifts between different versions of the same data, as well as specialized tools for time-series analysis to calculate auto-correlation and se

Altair is a declarative data visualization library for Python based on the Vega-Lite grammar. It allows users to create statistical visualizations by mapping data fields to visual properties rather than writing imperative drawing code. The library focuses on interactive charting through a system of linked selections and filters that update multiple visualizations based on user input. It renders charts as JSON and HTML for display in web browsers and interactive notebooks. The project covers statistical data analysis and interactive data exploration, providing capabilities to export visuals a

Altair is a declarative data visualization library for Python that generates Vega-Lite specifications. It functions as a tool for mapping data to graphical marks using a high-level syntax, allowing users to describe the desired visual outcome instead of writing imperative drawing commands. The framework enables the creation of interactive charts and graphics, including linked views and filtered displays that respond to user input in real time. It supports the design of multi-view dashboards by combining visualizations into layered or faceted layouts. The library provides capabilities for sta

LearnPython is a programming tutorial consisting of a collection of practical code examples used to demonstrate Python language features and programming patterns. It serves as a comprehensive learning resource that implements core language concepts through functional code. The project provides specialized guides and samples covering several key domains. These include asynchronous network programming with event loops and coroutines, data visualization using numerical datasets for 2D and 3D plots, and web scraping for fetching content and automating login flows. It also features instructions on

This project is a comprehensive library of practical Python code examples and patterns. It provides a collection of scripts and snippets designed to demonstrate a wide range of programming tasks, from basic syntax to advanced implementation patterns. The repository focuses on several core domains, including the implementation of concurrency and multithreading examples, data analysis snippets for cleaning and manipulating tabular data, and various data visualization examples. It also covers automation scripts for file system management and a variety of general programming patterns. Additional

Smile is a comprehensive JVM machine learning library and statistical computing toolkit. It provides a suite of algorithms for classification, regression, and clustering, implemented natively for Java, Scala, and Kotlin. The project also functions as a deep learning framework, a natural language processing library, and an inference engine for large language models. The library distinguishes itself through GPU acceleration via LibTorch bindings and support for the ONNX model interchange format. It includes specialized capabilities for large language model inference, featuring Byte-Pair Encodin

Livebook is an interactive notebook platform for Elixir that provides a web-based environment for writing and running code cells alongside Markdown content, visualizations, and reproducible workflows. It serves as a multi-cloud auto-clustering tool that automatically discovers and joins Elixir nodes into clusters across Kubernetes, AWS ECS, and Fly.io for distributed execution, and also functions as a notebook deployment tool that packages notebooks into standalone web applications with authentication, secrets, and Docker support. The platform enables real-time collaborative editing, synchron

Lux est un outil d'analyse exploratoire de données automatisé conçu pour générer des représentations visuelles intelligentes de dataframes pandas. Il identifie les modèles et les tendances en recommandant les types de graphiques et les mappings d'axes optimaux basés sur les attributs statistiques d'un jeu de données. L'outil fonctionne comme une couche de profilage de données interactive qui permet aux utilisateurs de parcourir et d'interroger des collections de graphiques en utilisant des filtres et des wildcards. Il sert également de générateur de code de visualisation, traduisant les graphiques produits automatiquement en code programmatique ou en HTML pour un affinement manuel dans des bibliothèques externes. Le système couvre un large éventail de capacités d'analyse exploratoire, notamment l'encodage automatique de graphiques, la découverte guidée via des recommandations d'étapes, et la capacité d'exporter des configurations visuelles sous forme de spécifications déclaratives. Ce projet s'intègre directement dans pandas pour remplacer l'affichage par défaut des dataframes par des composants de visualisation interactifs.

Polynote est un environnement de notebook polyglotte et un système de documents interactifs conçu pour exécuter du code dans plusieurs langages au sein d'un même document. Il fonctionne comme un outil d'analyse de données multi-langages et un IDE pour langages JVM, permettant aux utilisateurs de combiner du code exécutable, du texte riche et des visualisations de données pour prototyper et documenter des flux de travail techniques. Le système se distingue par sa capacité à partager des données et des variables entre différents runtimes de langage, tels que Python et la JVM. Il utilise la conversion d'objets multi-langages et le wrapping de données pour transmettre des objets entre les runtimes, permettant des flux de travail de données multi-langages. De plus, il s'intègre à Apache Spark pour exécuter des tâches de traitement de données distribuées via des soumissions de cluster locales ou distantes. La plateforme fournit une suite complète de capacités pour l'analyse et la visualisation de données, incluant une table des symboles en temps réel pour la surveillance du runtime et la prise en charge du rendu des spécifications Vega. Elle gère les dépendances pour les runtimes JVM et Python en utilisant une résolution basée sur les coordonnées et offre une édition améliorée par IDE avec autocomplétion et mise en évidence des erreurs. Les fonctionnalités de gestion de documents incluent une table des matières dynamique, une recherche de contenu inter-notebook et une récupération de sauvegarde basée sur le navigateur pour éviter la perte de données due à des fichiers corrompus.

missingno est une bibliothèque Python pour la visualisation et l'analyse des modèles de données manquantes. Elle fournit un ensemble d'outils pour profiler l'exhaustivité des jeux de données, cartographier les lacunes de données et quantifier le volume de valeurs nulles à travers les variables. La bibliothèque se différencie par un analyseur de corrélation de nullité et un outil de clustering de données hiérarchique. Ces composants permettent la détection de dépendances et de tendances systémiques en mesurant comment l'absence d'une variable est liée à l'absence d'une autre. L'ensemble d'outils couvre des capacités plus larges d'audit de qualité des données et d'analyse exploratoire. Il inclut des fonctionnalités pour la synthèse de la nullité des colonnes en utilisant des échelles linéaires et logarithmiques, ainsi qu'une cartographie basée sur des matrices pour identifier les lacunes systémiques dans les enregistrements.

PyVista is a scientific 3D plotting framework and visualization library that provides a Python interface for rendering and analyzing spatial datasets using a VTK backend. It functions as a volumetric rendering engine and a 3D mesh analysis tool for computing geometric properties and performing boolean operations on surface and volumetric meshes. The project is distinguished by its ability to operate as a headless 3D renderer, generating high-quality renders and animations on remote servers without a physical display. It also features a lazy-accessor extension mechanism that allows the registr

ggpy is a Python library for statistical data visualization based on the grammar of graphics. It functions as a declarative framework for building complex charts by mapping data variables to visual properties through a structured coordinate system. The library enables the construction of composite visualizations by layering geometric shapes and statistical summaries. It utilizes a system of continuous and discrete scales to translate raw data into visual attributes and supports facet-based plotting to segment a single visualization into a grid of subplots based on variable categories. Visual

Python library that makes it easy for data scientists to create charts.

Python+Numpy+OpenGL: fast, scalable and beautiful scientific visualization

The Point Processing Toolkit (pptk) is a Python package for visualizing and processing 2-d/3-d point clouds.

Text mode diagrams using UTF-8 characters and fancy colors

The power of Chart.js with Python