Python 数据可视化的常见方法主要包括以下几种：
- matplotlib：这是 Python 中最常用的绘图库之一，能够生成高质量的二维图形，包括线图、散点图、柱状图、饼图等。matplotlib 提供了丰富的定制选项，可以满足各种绘图需求。
- seaborn：基于 matplotlib，提供了更高级的统计图形绘制功能，如分布图、分类图、关系图等。seaborn 通过更优美的颜色和样式来增强图形的可读性。
- plotly：一个交互式的图表库，支持生成各种类型的图表，包括散点图、折线图、柱状图等。plotly 支持交互式操作，可以方便地缩放、平移和查看图表细节。
- bokeh：另一个交互式的图表库，专注于创建高质量的交互式图表。bokeh 提供了丰富的图表类型和定制选项，支持实时数据流和大规模数据集的可视化。
- alembic：一个用于创建动画的库，可以通过对数据进行插值和变换来生成平滑的动画效果。alembic 常用于科学计算和数据分析领域，以展示数据的动态变化过程。
- networkx：一个用于创建、操作和研究复杂网络结构、动态和功能的 Python 库。networkx 提供了丰富的网络分析和可视化功能，如绘制网络图、计算网络属性、检测社区结构等。
- pygal：一个基于 SVG 的图表库，能够生成各种类型的图表，包括饼图、柱状图、折线图等。pygal 提供了丰富的定制选项和样式，可以生成美观且易于理解的图表。
- matplotlib2tikz：一个将 matplotlib 图表转换为 TikZ 代码的库，以便在 LaTeX 文档中使用。tikz 是一种强大的图形工具包，可以生成高质量的矢量图形。
- ggplot：一个基于 R 语言的 ggplot2 库的 Python 接口，提供了高级的统计图形绘制功能。ggplot 通过组合图形元素和统计变换来创建复杂的可视化效果。
这些库各有特点，可以根据具体需求选择合适的库进行数据可视化。
