Matplotlib：
最经典的Python绘图库，没有之一
优点：支持众多图表，API丰富，标题、图例、坐标轴标签、坐标轴范围、箭头等元素都可以通过不同API设置，是许多python可视化库的底层
缺点：效果一般
Seaborn：
Seaborn 是一个基于 matplotlib 的 Python 数据可视化库，
优点：较matplotlib而言，视觉效果更好，信息更丰富
缺点：支持的图表类型很少
Plotly：
plotly.py是一个用于python的交互式、基于浏览器的高级声明式绘图库
优点：拥有所有绘图库中最全的API和最强大的交互工具，支持科学、统计学、金融、地理、3D等多个领域多种样式的图表。 plotly.py建立在plotly.js之上，plotly.js则建立在d3.js和stack.gl之上，前者被广泛应用于印刷出版物和创建网站
缺点： 数据量过大时（大几十万、上百万），速度很慢，甚至卡死
Cufflinks：
cufflinks是一个plotly的包装器（wrapper）, 官方的原话是"a library for easy interactive Pandas charting with Plotly".
优点：cufflinks将所有的绘图方法都封装到了iplot()方法中（可以类比pandas对象的plot()方法），通过它, 我们用仅仅一行代码就能画出简洁、美观(publication-quality)、多样(40+)的交互式图表
Express：
plotly.express是另一个plotly的包装器，它的定位是"rapid data exploration and figure generation" .
优点：. express支持的图表类型相比cufflinks要少一些，但更加具有针对性。另外, express还自带一些toy datasets，这一点与seaborn类似(事实上它也的确参考了seaborn)
Folium：
基于Leaflet.js的python地图可视化库
优点：效果惊艳，功能强大，ScatterMap、HeatMap、HeatMapWithTime等图表都支持
缺点：数据量不能太大
