📱GlyphX.

GlyphX — это современная библиотека визуализации данных на Python с поддержкой интерактивных SVG-графиков прямо из коробки.

🔹Особенности:

🔘Без plt.show() — графики отображаются автоматически.

🔘Поддержка зума/панорамирования.

🔘Подсказки при наведении.

🔘Экспорт в PNG, SVG, JPG.

🔘Группировка графиков в сетки.

🔘Поддержка Seaborn-стиля (lmplot, pairplot и др.).

🔘Тема "тёмная", шрифты, настройка стилей.

🔘Цветовой режим для дальтоников.

🔻Пример:

from glyphx import plot
plot(x=[1, 2, 3], y=[2, 4, 6], kind="line", label="Demo")

🔻Типы графиков:

🔘Линейные.
🔘Столбчатые.
🔘Круговые.
🔘Гистограммы.
🔘FacetGrid и др.

#Python #Визуализация #GlyphX #Matplotlib #Plotly #Графики #DataViz #Jupyter #SVG #PythonБиблиотеки

📱Ссылка на репозиторий:
https://github.com/kjkoeller/glyphx

📱LibrePythonista.

LibrePythonista — это расширение для LibreOffice Calc, которое позволяет запускать Python-код прямо из ячеек.

🔹Возможности:

🔘Запуск Python-кода прямо в ячейке.

🔘Построение графиков и диаграмм.

🔘Работа с DataFrame и Series.

🔘Автоматизация задач.

🔘Поддержка кастомных функций.

🔘Встроенный pip для установки библиотек.


✅Всё выполняется локально, без отправки данных в облако — конфиденциальность на первом месте.

#LibrePythonista #LibreOffice #Python #DataAnalysis #Pandas #Matplotlib #NumPy #Calc #OpenSource #Automation #PythonTools #SpreadsheetMagic

📱Ссылка на репозиторий:
https://github.com/Amourspirit/python_libre_pythonista_ext

📱hvPlot.

hvPlot — высокоуровневая библиотека визуализации данных для Python.

hvPlot — это удобный и мощный API для построения графиков, созданный на основе знакомого интерфейса .plot из Pandas и расширенный инновационным .interactive API для лёгкого добавления интерактивности.

❓Почему hvPlot?

🔘Работает с популярными источниками данных: Pandas, Polars, XArray, Dask, Streamz, Intake, GeoPandas, NetworkX и другими.

🔘Поддерживает несколько бэкендов построения графиков: Bokeh, Matplotlib, Plotly.

🔘Объединяет возможности экосистемы HoloViz в едином и простом API.

🔘Подходит для быстрых исследований, построения отчётов и создания интерактивных приложений.

🔻Пример использования:

import numpy as np
import pandas as pd

idx = pd.date_range('1/1/2000', periods=1000)
df  = pd.DataFrame(np.random.randn(1000, 4), index=idx, columns=list('ABCD')).cumsum()

import hvplot.pandas  # подключаем hvPlot для Pandas
df.hvplot()  # строим график

#Python #DataViz #Visualization #DataScience #Pandas #Matplotlib #Bokeh #Plotly #hvPlot #HoloViz #GeoPandas #XArray #Polars #Dask

📱Ссылка на репозиторий:
https://github.com/holoviz/hvplot

📱Cnsplots.

Cnsplots - это Python-библиотека для создания научных графиков и иллюстраций, полностью готовых к публикации в ведущих рецензируемых журналах уровня Cell, Nature и Science (CNS).

Она построена поверх matplotlib, полностью совместима с seaborn и берет на себя всю рутинную работу по стилизации, позволяя исследователям сфокусироваться на содержании работы, а не на подгонке параметров оформления.

🔹Главные фичи и возможности:

🔘Готовые журнальные стандарты: Предустановленные стили и палитры, строго соответствующие требованиям топовых научных изданий (Cell, Nature, Science, Ecotyper и др.).

🔘Идеальная интеграция с Adobe Illustrator: Векторный экспорт (SVG/PDF) сохраняет шрифты как редактируемый текст без конвертации в кривые (no text-to-path conversion), что позволяет дорабатывать верстку статьи без потери качества.

🔘25+ типов научных графиков:

✔️Статистические: боксплоты (Box plots), виолончельные диаграммы (Violin plots), точечные и регрессионные графики.

✔️Биомедицинские и специальные: кривые выживаемости Каплана-Мейера, ROC-кривые, диаграммы Волкано (Volcano plots), графики анализа GSEA, форест-плоты (Forest plots) и матрицы ошибок.

✔️Структурные: тепловые карты с иерархической кластеризацией, диаграммы Санки (Sankey), диаграммы Венна и UpSet-плоты.

🔘Встроенный статанализ: Автоматически рассчитывает $P$-value и добавляет на график аннотации значимости (тест Манна — Уитни, $t$-критерий Уэлча, точный тест Фишера).

🔘 Мультипанельные фигуры: Автоматизирует сборку составных иллюстраций из нескольких графиков с буквенными маркерами (A, B, C...).

🔘Поддержка ИИ-кодеров: Содержит встроенные скиллы для работы в Codex и Claude Code ($cnsplots / /cnsplots).

🚀Быстрый старт:

Установка из PyPI:

pip install cnsplots

Пример создания боксплота со статистическим сравнением групп:

import cnsplots as cns

# Загрузка данных и создание холста точного размера в пикселях
df = cns.datasets.load_dataset("tips")
cns.figure(width=150, height=150)

# Отрисовка боксплота со сравнением выбранных пар
cns.boxplot(
    data=df,
    x="day",
    y="total_bill",
    pairs=[("Thur", "Fri"), ("Sat", "Sun")]
)

# Сохранение в векторный SVG для Illustrator
cns.savefig("figure.svg")

#Python #DataVisualization #DataScience #Bioinformatics #Matplotlib #Seaborn #Cell #Nature #Science #ScientificPublishing #OpenSource #DevTools

📱Ссылка на репозиторий:
https://github.com/faridrashidi/cnsplots