Python有很多經典的數據可視化庫，比較經典的數據可視化庫有下面幾個。
matplotlib是Python編程語言及其數值數學擴展包 NumPy 的可視化操作界面。它利用通用的圖形用戶界面工具包，如 Tkinter, wxPython, Qt 或 GTK+，向應用程序嵌入式繪圖提供了應用程序接口。
pyplot 是 matplotlib 的壹個模塊，它提供了壹個類似 MATLAB 的接口。 matplotlib 被設計得用起來像 MATLAB，具有使用 Python 的能力。
優點：繪圖質量高，可繪制出版物質量級別的圖形。代碼夠簡單，易於理解和擴展，使繪圖變得輕松，通過Matplotlib可以很輕松地畫壹些或簡單或復雜的圖形，幾行代碼即可生成直方圖、條形圖、散點圖、密度圖等等，最重要的是免費和開源。
pandasPandas 是壹個開放源碼、BSD 許可的庫，提供高性能、易於使用的數據結構和數據分析工具。Pandas 廣泛應用在學術、金融、統計學等各個數據分析領域。需要說明的是它不是“熊貓”，名字衍生自術語 "panel data"（面板數據）和 "Python data analysis"（Python 數據分析）。
優點：是Python的核心數據分析支持庫，提供了快速、靈活、明確的數據結構，旨在簡單、直觀的處理關系型、標記型數據。對於數據分析專業人士，它是數據分析及可視化的利器。
seabornSeaborn是基於matplotlib的圖形可視化python包。它提供了壹種高度交互式界面，便於用戶能夠做出各種有吸引力的統計圖表。
它是基於matplotlib更高級的API封裝，從而使得作圖更加容易，在大多數情況下使用seaborn能做出很具有吸引力的圖，應該把Seaborn視為matplotlib的補充，而不是替代物，它能高度兼容numpy與pandas數據結構以及scipy與statsmodels等統計模式。
優點：matplotlib高度封裝，代碼量少，圖表漂亮。比起matplotlib具有更美觀、更現代的調色板設計等優點。scikit-plot這是壹個跟機器學習有效結合的繪圖庫。想要深入學習的小夥伴參見其github倉庫，這裏不再贅述了。
優點：Scikit-Plot是由ReiichiroNakano創建的用在機器學習的可視化工具，能最快速簡潔的畫出用Matplotlib要寫很多行語句才能畫出的圖。關鍵是對於機器學習相關可視化處理，該庫有較好的支持。
Networkxnetworkx是Python的壹個包，用於構建和操作復雜的圖結構，提供分析圖的算法。圖是由頂點、邊和可選的屬性構成的數據結構，頂點表示數據，邊是由兩個頂點唯壹確定的，表示兩個頂點之間的關系。頂點和邊也可以擁有更多的屬性，以存儲更多的信息。
優點：用於創建、操縱和研究復雜網絡的結構、以及學習復雜網絡的結構、功能及其動力學。
上面是我的回答，希望對您有所幫助！