介绍的大体流程是：库名、类型、github star、功能、使用方法、案例、学习资料。
第一部分：数据可视化
pyecharts
类型：可视化图表设计
GitHub Star ：5985
功能：
简洁的 API 设计，使用如丝滑般流畅，支持链式调用
囊括了 30+ 种常见图表，应有尽有
支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab
可轻松集成至 Flask，Django 等主流 Web 框架
高度灵活的配置项，可轻松搭配出精美的图表
详细的文档和示例，帮助开发者更快的上手项目
多达 400+ 地图文件以及原生的百度地图，为地理数据可视化提供强有力的支持
使用方法：
案例：
学习资料：
A Python Echarts Plotting Library
Superset
类型：开源的 企业级 轻量BI工具
GitHub star ：24937
功能：
创建和分享可视化面板
有丰富的可视化方法来分析数据，且具有灵活的扩展能力
具有可扩展的、高粒度的安全模型，可以用复杂规则来控制访问权限。目前支持主要的认证提供商：DB、OpenID、LDAP、OAuth、和Flask AppBuiler的REMOTE_USER
使用简单的语法，就可以控制数据在UI中的展现方式
与Druid深度结合，可快速的分析大数据
配置缓存来快速加载仪表盘
Superset最初是在http://Druid.io的基础上设计的，但是通过使用SQLAlchemy（一种与大多数常见数据库兼容的Python ORM），迅速扩展了范围以支持其他数据库。
使用方法：
安装好后，启动浏览器端，添加数据源，搭建可视化面板，分享，导出
案例：
查看仪表板
数据切片和切块
使用SQL Lab查询和可视化数据
可视化地理空间数据
从各种可视化中进行选择
学习资源：官方文档
plotly
类型：非常著名且强大的交互式开源数据可视化框架
GitHub star ：5235
功能：
交互式开源可视化框架，支持超过40种独特图表类型，涵盖统计、财务、地理、学术、三维等。
建立在Javascript plotly库基础上，能使python用户创建基于web的可交互的可视化作品，其能在jupyter notebook上展示，而且可以导出为HTML。
plotly还可以在非web编辑器上（如pycharm、spyder）绘制图表
能导出出版级别的图片
使用方法：
案例：
学习资源：官方文档
Bokeh
类型：服务于浏览器的炫酷的交互式可视化库
GitHub star ：11061
功能：
专门针对Web浏览器的交互式、可视化Python绘图库
提供优雅简洁的多功能可视化展示，能快速创建图表、仪表板和可视化应用
可以做出像D3.js简洁漂亮的交互可视化效果，但是使用难度低于D3.js。
独立的HTML文档或服务端程序
可以处理大量、动态或数据流
支持Python (或Scala, R, Julia…)
不需要使用Javascript
使用方法：
案例：
学习资源：官方文档
未完待续！欢迎点赞收藏转发，谢谢
