Plotly’s ‘Dash’ functionality allows you to use Python to build rich analytic web apps to work with your platform。Plotly is great for Data Analysts and Data Scientists. But will also be suitable for users of mixed abilities.
如果你需要使用SQL来读取数据的话，用dash比较好。
Pychart 也是一个轻量级的python图形库，支持线状图、柱状图、饼状图、范围图，以及Encapsulated Postscript, PDF, PNG, SVG 等多种格式。图表外观朴素不花哨，已经够用了。
我觉得如果是专业应用的话，考虑用dash比较好一些，pychart的话可以平常简单应用的场景使用。
如何用python绘制简单条形图呢？这里离不开matplotlib的使用。条形图是数据可视化图形中很基础也很常用的一种图，简单解释下：条形图也叫长条图（英语：bar chart），亦称条图（英语：bar graph）、条状图、棒形图、柱状图、条形图表，是一种以长方形的长度为变量的统计图表。长条图用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。长条图亦可横向排列，或用多维方式表达。
那么一个普通的条形图是长什么样子的呢？
当！当！当！就是下图的这个样子：
图先亮出来啦，接下来研究这个图是怎么画的吧，先看一下原数据长什么样子：
实际画图的流程和画折线图很相近，只是用到的画图函数不一样，绘制条形图的函数plt.bar（）：
由于这只是最简单的一个条形图，实际上条形图的函数plt.bar（）还有不少可以探索的参数设置，和对折线图函数plt.plot()的探索差不多，有兴趣的孩子可以自己去进行探索哦。
按照条形长短进行排序展示的条形图
当然也可以有其他的设置，比如说上图中的线条高低参差不齐，这是因为x轴的数据是按照学校名称进行排序的，那么可不可以按照分数的高低进行排序呢？也就是让所有的长方形按照从高到矮或者从矮到高的顺序进行排列？
当然可以啦！这里需要强调的是，条的高低排列等信息都是来源于原数据的，要想让条形的顺序发生改变，需要对画图的来源数据进行更改呢！
把原数据逆序排序后截取前十名数据赋值给data_yuwen，作为新的数据源传入画图函数plt.bar()，画出来的图自然就不一样了。
先看一眼数据长什么样子：
根据这个数据源绘制出的图形如下，由于用来画图的数据进行了降序排序操作，所以生成条形图的条也会进行降序排序展示：
很多时候，我们常见的条形图还有另一种展现形式，那就是横向的条形图，比较火的那种动态条形图绝大多数也都是横向的条形图，那么横向的条形图如何绘制呢？
理解plt.bar()主要参数
其实也不难，只要清楚plt.bar()函数中主要参数的作用就可以了！条形图函数中有五个主要参数，分别是x，height，width，bottom，orientation。其中x控制的是每个条在x轴上位置，height控制的是每个条的长度，width控制的是每个条的宽度，bottom控制的是每个条在y轴方向的起始位置，orientation控制的是条形的方向，是纵向还是横向，默认是纵向的。
通过一个小例子理解下这几个参数的作用：
上边的几行代码输出的图形如下：
对比着代码和实际输出的条形图，各个主要参数的作用是不是一目了然啦？
横向条形图
理解了这几个参数作用后，纵向的条形图转换成横向的条形图就没什么难度了！
需要设置所有条形在x轴的位置都为0，也就全部从最左侧开始画条形由于是横向条形图，所以实际上条的宽度显示的是数据大小，将width参数设置成原数据中的语文成绩；bottom控制每个条在y轴方向的起始位置，设置bottom=range（10）设置每个条形在y轴的起始位置各不相同避免有条形重叠；height控制的是每个条在y轴方向上的长度，条形图横向设置后，在y轴上的长度失去了衡量数据的意义，所以直接设置一个常数即可；最后设置条形的方向为横向，即orientation=“horizontal”。
温馨提示：数据和标签一定要匹配，即plt.bar()重点的数据要和plt.yticks()中提取出来的标签一一对应，一旦不匹配，整个图展现的结果就是一个错误的结果！
上述代码生成的条形图如下：
感觉上边这种生成横向条形图的方式有点点绕，和人们的习惯认知有点不大一样，难道画一个横向条形图就非得转变自己的习惯认知这么反人类吗？
当然不是的，实际上有更简单的方法绘制一个横向条形图，之所以没有一开始就直接用这种简单的方法，也是为了让大家体会下条形图参数的灵活设置而已，而且如果比较绕的方法都能理解了，简单的方法理解和运用起来就更没有难度了啊！
不卖关子了，我们来认识下和plt.bar()函数类似的plt.barh()函数。
plt.barh()函数是专门绘制水平条形图的函数，主要的参数有：
y 控制y轴显示的标签来源width 控制横向条形的长度，即用来进行对比的数据源height 条形的宽度需要设置的参数主要就是这三个，比用plt.bar()函数绘制水平条形图简单了很多，具体代码如下：
效果图：
和用plt.bar()函数绘制的横向条形图一毛一样对不对？以后有需求绘制横向条形图，尽量用plt.barh()函数吧，毕竟它是专门绘制这种类型图的，简单好用。
然而实际工作中对于条形图的需求不只是这些，比如例子中只是对各个学校语文成绩的展示，有时候需要各个学科的成绩同时展现在一幅条形图中，有时候也需要绘制堆积条形图对各学科的成绩以及总成绩进行展示，这些图又该如何绘制呢？其实只要理解了各个参数的含义，绘制这些图也不在话下，至于具体怎么画，且看下回分解啊！
python绘图（可视化）的模块非常多，下面我简单介绍几个不错的绘图库，感兴趣的朋友可以自己尝试一下，实验环境win7+python3.6+pycharm5.0，主要内容如下：
matplotlib
这是python中专门用于绘图的一个模块，功能强大，制图种类繁多，使用也最广泛，下面我简单介绍一下这个模块的安装和使用：
1.首先，安装matplotlib模块，这个直接在cmd窗口输入安装命令“pip install matplotlib”就行，如下：
2.安装完成后，我们就可以编写代码进行一下简单测试了，代码如下，一个稍微复杂的曲线图：
程序运行效果如下，看着还是非常不错的：
3.更多示例的话，可以参考一下官网教程，介绍的非常详细，柱状图、散点图、饼图等都有，非常适合初学者学习入门：
seaborn
这是一个基于matplotlib的绘图库，是matplotlib的高级封装，代码量更少，使用起来也更方便，下面我简单介绍一下这个模块的安装和使用：
1.首先，安装seaborn模块，这个也直接输入安装命令“pip install seaborn”就行，如下，很快就能安装完成：
2.安装完成后，我们就可以直接编写代码来测试一下这个模块了，代码如下，一个折线图集合：
程序运行截图如下，效果也非常不错：
3.更多示例的话，也直接参考官网教程就行，介绍的非常详细，很适合初学者入门学习：
pyecharts
这是echarts的一个python接口，借助于echarts强大的可视化功能，python也可以快速构建、绘制各种各样的图表，下面我简单介绍一下这个模块的安装和使用：
1.首先，安装pyecharts模块，这个也直接输入命令“pip install pyecharts”就行，如下：
2.安装完成后，我们就可以编写代码来进行下测试了，测试代码如下，一个简单的3D散点图：
程序运行截图如下（基于浏览器进行显示），效果还是非常不错的：
至此，我们就完成了利用python来进行绘图（可视化）。总的来说，这3个绘图模块使用起来都非常不错，对于大多数图表绘制来说，完全可以满足需求，当然，还有许多其他绘图模块，像ggplot等，也都非常不错，网上也有相关教程，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。
python画图有很多扩展可以用，比如matplotlib、turtle、pychart等等，看你需要什么方面了，不同的需求需要用不同的工具。如果做界面还有pyqt、tkinter等等，做 游戏 还有pygame等等。
python报错需要查看报错信息，进行调试才能正常运行
![ruby 例如 :conditions => ["name = ? and product_id = ?"] 是什么意思，“？”是什么意思](/aiimages/ruby+%E4%BE%8B%E5%A6%82+%3Aconditions+%3D%26amp%3Bgt%3B+%5B%26quot%3Bname+%3D+%3F+and+product_id+%3D+%3F%26quot%3B%5D+%E6%98%AF%E4%BB%80%E4%B9%88%E6%84%8F%E6%80%9D%EF%BC%8C%E2%80%9C%EF%BC%9F%E2%80%9D%E6%98%AF%E4%BB%80%E4%B9%88%E6%84%8F%E6%80%9D.png)
