来自：Python大数据分析 费弗里

Python经典的Python数据可视化工具有matplotlib、seaborn、plotly、pyecharts等，而这次要给大家介绍的新一代Python数据可视化工具fact，仅需编写简洁明了的代码，即可快捷生成风格清新美观的各种常见数据可视化图表类型，支持丰富的交互功能，并且支持一键导出图片文件，适用于各类数据可视化应用场景，下面我们就来一起学习fact的基础使用吧 ~

2 fact：新一代Python数据可视化神器2.1 安装fact

fact的安装非常的简单，终端执行下列命令，即可在当前Python环境下完成最新版本的安装（推荐使用3.9到3.12版本的Python）：

pip install feffery-antd-charts -U

查看fact版本（本文写作时fact最新版本为0.1.5）：

2.2 fact的基础使用

完成fact的安装后，我们来学习一下其基础使用方式：

fact中图表的渲染绘制基于Python中的顶级开源应用开发框架Dash，因此可支持通过py程序独立渲染，或在jupyter单元格中进行渲染，下面我们分别做演示：

2.2.1 独立渲染

下面是基于Dash独立渲染fact图表的示例，以渐变色面积图为例：

对应chart.py代码如下，终端执行python chart.py，按照提示信息访问地址，即可查看上图所示的图表渲染结果：

import dashimport randomimport feffery_antd_charts as factapp = dash.Dash(__name__)app.layout = fact.AntdArea( data=[ { "date": f"2020-0{i}", "y": random.randint(50, 100), } for i in range(1, 10) ], xField="date", yField="y", areaStyle={"fill": "l(270) 0:#ffffff 0.5:#7ec2f3 1:#1890ff"},)if __name__ == "__main__": app.run()2.2.2 在jupyter中渲染图表

fact也可以在jupyter的单元格中执行代码进行渲染，且无需额外安装任何插件，譬如上面示例中同样的代码，粘贴在jupyter的单元格中直接执行即可：

特别的，当在app.run()中设置jupyter_mode="tab"后，运行单元格中的代码后，会自动打开单独的浏览器标签页展示渲染结果：

fact除了上面展示的单纯的数据可视化使用方式外，其主要的应用场景是结合Dash框架，实现纯Python开发各种复杂程度的数据应用功能，譬如下面的视频就展示了如何基于fact，在Dash中实现简单的交互式数据仪表盘：