你平常是否耗费了大量的时间在创建图表上？为了让事情简单化，Spotify开源了一个Python库，它可以帮助你以简单明了的方式创建图表。让数据可视化变得轻而易举。

Spotify是全球最大的正版流媒体音乐服务平台之一，但是他们最新开源的作品Chartify 帮助数据科学家用Python创建图表，作为一个全球最大的音乐平台，Spotify从用户那里获得了非常多的数据，因此也需要一个工具来实现对数据的可视化

完爆Bokeh！这个Python图表库节省了至少一半的时间

尽管现在有很多创建图表的工具，如Seaborn，Matplotlib，Plotly，Bokeh，Ggplot2，D3和Tableau等，但是数据科学家们仍然需要花费很多时间在创建图表的细节上，比如当你使用Matplotlib处理百分比数据的时候，可能是这样的：

tick_values = plt.axes（）。get_yticks（）
plt.axes（）。set_yticklabels（['{：1.1f}％'。格式（值）表示tick_values中的值]）

很明显，这样做的方法不够直观，也不容易记住，因此，我们经常可以看到Matplotlib用户在Stack Overflow上面寻求解决方案。

同样的情况用Charitfy解决，是这样的：

chart.axes.set_yaxis_tick_format（ '0.0％'）

Charitfy的语法更加简洁和友好，用户可以直接调用许多最常见的格式选项，节省很多时间

Chartify一致的输入数据格式使得在图表上创建和迭代的速度更快，因为花在数据上的时间更少。我们将以Chartify改变条形图的结构为例：

Chartify具有以下特性：

• 一致的输入数据格式：花费更少的时间来转换数据，所有绘图功能都使用一致的输入数据格式。
• 智能样式：创建漂亮的图表，基本无需你自定义
• 简单的API：API尽可能直观且易于学习。
• 灵活性：Chartify基于Bokeh创建，因此如果用户可以随时使用Bokeh的API。

完爆Bokeh！这个Python图表库节省了至少一半的时间

目前该项目在 GitHub 上已经获得 925 个Star，49 个Fork（项目地址：https://github.com/spotify/chartify）

图表示例

完爆Bokeh！这个Python图表库节省了至少一半的时间 完爆Bokeh！这个Python图表库节省了至少一半的时间 完爆Bokeh！这个Python图表库节省了至少一半的时间 完爆Bokeh！这个Python图表库节省了至少一半的时间 完爆Bokeh！这个Python图表库节省了至少一半的时间