Github 4.3k star，一款超好用的 Python 库--plotnine！

隔壁工位那个小王突然喊我：“哥，你会不会用 plotnine？我看这玩意儿 GitHub 四千多 star 了，听说超好用！”我当时还愣了下，心想你是不是说错名字了，结果还真没错，就是那个 Python 的 plotnine。

其实 plotnine 这库，我最早用是在去年做数据分析的时候，手里一堆 CSV 文件要可视化，matplotlib 那堆 set_title、set_xlabel 写得我头大。后来同事给我推荐 plotnine，说是“Python 里的 ggplot2”，我一开始还不信，后来用了才发现，真香。

plotnine 到底是个啥？

简单说，就是你要是做数据可视化，想要优雅点、代码少点、样式顺眼点，plotnine基本上就能满足你。和 matplotlib、seaborn 那种传统风格不一样，它主打一个语法糖，就是链式语法跟写句子一样顺滑，灵感直接来自 R 语言的 ggplot2。

那时候我数据一读进来，直接：

from plotnine import ggplot, aes, geom_line
import pandas as pd
df = pd.DataFrame({
'x': range(10),
'y': [i**2for i in range(10)]
})
p = (ggplot(df) + aes('x', 'y') + geom_line())
print(p)

真的就是这么写。你不用再去关心 ax 什么的，plotnine 讲究一个“语义化”，你代码一排开自己都觉得赏心悦目——有点夸张哈，但真是舒服。

为什么这么多人用 plotnine？

你看现在数据分析圈，ggplot2 那套思想已经是“人类文明结晶”级别了。你习惯了 ggplot2，再用 plotnine 几乎零上手成本。比如什么+ geom_point()、+ geom_line()，一加就出效果。那天我帮同事画个分组柱状图，也是两行搞定：

from plotnine import ggplot, aes, geom_bar
import pandas as pd
df = pd.DataFrame({
'category': ['A', 'B', 'A', 'B'],
'value': [1, 2, 3, 4]
})
plot = (
    ggplot(df) +
    aes(x='category', y='value', fill='category') +
    geom_bar(stat='identity', position='dodge')
)
print(plot)

不用琢磨 legend、label，plotnine 都给你安排得明明白白。

说实话，plotnine 最大的爽点就是“直观”，但是也有坑，比如有些高级自定义操作没 matplotlib 那么自由。你要是画很特别很花哨的图，可能还得 fallback 回去用 matplotlib，但日常业务场景真的够用，特别适合报表、分析、科研。

哦对了，plotnine 其实底层还是靠 matplotlib 绘图，只不过把那堆繁琐的东西包起来，让你用起来“像写 SQL 一样可视化”，你说妙不妙？就是刚开始上手会觉得，报错信息有时候很抽象，但习惯后，基本你都能猜出来是哪块写错了。

前几天有个妹子找我说想画 FacetGrid（分面图），我说用 plotnine 啊，举个简单例子：

from plotnine import ggplot, aes, geom_point, facet_wrap
import pandas as pd
df = pd.DataFrame({
'x': range(20),
'y': [i**0.5for i in range(20)],
'group': ['A']*10 + ['B']*10
})
p = (
    ggplot(df) +
    aes('x', 'y') +
    geom_point() +
    facet_wrap('~group')
)
print(p)

直接 facet_wrap 一下，不用管 subplot 怎么拆，plotnine 自动帮你按组分面。

反正你要是写 Python 做数据可视化，不想每次都在那画轴、调参数，plotnine 绝对值得一试。你可以直接 pip 装：

pip install plotnine

然后多试几个例子，慢慢你就会发现，这玩意真的能提升幸福感。至于官网文档嘛，其实写得还挺全，直接搜“plotnine documentation”就行。