Quick Start

Your first chart in under a minute

SeraPlot is a unified plotting library that ships the same API to nine languages. Pick your stack, install one package, and render an interactive chart with three lines of code.

⚡ Native Rust core 📊 60+ chart types 🌐 9 languages 🪶 Zero JS dependencies

Install

pip install seraplot

npm install seraplot

npm install seraplot
npm install --save-dev @types/seraplot

cargo add seraplot

install.packages("seraplot")

Build a chart

import seraplot as sp
chart = sp.bar(
title="Sales by Region",
labels=["North", "South", "East", "West"],
values=[120, 85, 200, 140],
gridlines=True,
show_text=True,
)
chart.show()

const sp = require("seraplot");
const chart = sp.bar({
title: "Sales by Region",
labels: ["North", "South", "East", "West"],
values: [120, 85, 200, 140],
gridlines: true,
show_text: true,
});
chart.show();

import * as sp from "seraplot";
const chart = sp.bar({
title: "Sales by Region",
labels: ["North", "South", "East", "West"],
values: [120, 85, 200, 140],
gridlines: true,
show_text: true,
});
chart.show();

// Cargo.toml: [dependencies] seraplot = "2"
use seraplot::Chart;
fn main() {
let chart = Chart::bar()
.title("Sales by Region")
.labels(["North", "South", "East", "West"])
.values([120.0, 85.0, 200.0, 140.0])
.gridlines(true)
.show_text(true)
.build();
chart.show();
}

library(seraplot)
chart <- sp_bar(
title = "Sales by Region",
labels = c("North", "South", "East", "West"),
values = c(120, 85, 200, 140),
gridlines = TRUE,
show_text = TRUE
)
chart$show()

💡 Jupyter / notebook: the chart renders inline automatically — no .show() needed.

Save or export

chart.save("sales.html")    # standalone HTML
chart.save("sales.png")     # raster
chart.save("sales.svg")     # vector

chart.save("sales.html");
chart.save("sales.png");
chart.save("sales.svg");

chart.save("sales.html");
chart.save("sales.png");
chart.save("sales.svg");

#![allow(unused)]
fn main() {
chart.save("sales.html")?;
chart.save("sales.png")?;
chart.save("sales.svg")?;
}

chart$save("sales.html")
chart$save("sales.png")
chart$save("sales.svg")

Where to next?

📊 Chart catalog

Browse bar, line, scatter, heatmaps and 60+ more chart types — each with copy-paste examples in nine languages.

🤖 Machine learning

Train, fit and visualise scikit-learn-style models directly on chart data: regression, clustering, trees, SVM and more.

🎨 Themes & palettes

Customise colors with palettes, themes and per-chart backgrounds.

⚡ Streaming & big data

Render millions of points with downsampling, live streaming and diff updates.

Votre premier graphique en moins d'une minute

SeraPlot est une bibliothèque graphique unifiée qui expose la même API dans neuf langages. Choisissez votre stack, installez un seul paquet, et générez un graphique interactif en trois lignes.

⚡ Cœur Rust natif 📊 60+ types de graphiques 🌐 9 langages 🪶 Zéro dépendance JS

Installation

pip install seraplot

npm install seraplot

npm install seraplot
npm install --save-dev @types/seraplot

cargo add seraplot

install.packages("seraplot")

Construire un graphique

import seraplot as sp
chart = sp.bar(
title="Ventes par région",
labels=["Nord", "Sud", "Est", "Ouest"],
values=[120, 85, 200, 140],
gridlines=True,
show_text=True,
)
chart.show()

const sp = require("seraplot");
const chart = sp.bar({
title: "Ventes par région",
labels: ["Nord", "Sud", "Est", "Ouest"],
values: [120, 85, 200, 140],
gridlines: true,
show_text: true,
});
chart.show();

import * as sp from "seraplot";
const chart = sp.bar({
title: "Ventes par région",
labels: ["Nord", "Sud", "Est", "Ouest"],
values: [120, 85, 200, 140],
gridlines: true,
show_text: true,
});
chart.show();

// Cargo.toml: [dependencies] seraplot = "2"
use seraplot::Chart;
fn main() {
let chart = Chart::bar()
.title("Ventes par région")
.labels(["Nord", "Sud", "Est", "Ouest"])
.values([120.0, 85.0, 200.0, 140.0])
.gridlines(true)
.show_text(true)
.build();
chart.show();
}

library(seraplot)
chart <- sp_bar(
title = "Ventes par région",
labels = c("Nord", "Sud", "Est", "Ouest"),
values = c(120, 85, 200, 140),
gridlines = TRUE,
show_text = TRUE
)
chart$show()

💡 Jupyter / notebook : le graphique s'affiche automatiquement — pas besoin d'appeler .show().

Enregistrer ou exporter

chart.save("ventes.html")   # HTML autonome
chart.save("ventes.png")    # raster
chart.save("ventes.svg")    # vectoriel

chart.save("ventes.html");
chart.save("ventes.png");
chart.save("ventes.svg");

chart.save("ventes.html");
chart.save("ventes.png");
chart.save("ventes.svg");

#![allow(unused)]
fn main() {
chart.save("ventes.html")?;
chart.save("ventes.png")?;
chart.save("ventes.svg")?;
}

chart$save("ventes.html")
chart$save("ventes.png")
chart$save("ventes.svg")

Et après ?

📊 Catalogue de graphiques

Découvrez barres, lignes, nuages de points, heatmaps et 60+ autres types — chacun avec des exemples copier-coller dans neuf langages.

🤖 Machine learning

Entraînez et visualisez des modèles façon scikit-learn directement sur vos données : régression, clustering, arbres, SVM…

🎨 Thèmes & palettes

Personnalisez les couleurs avec palettes, thèmes et arrière-plans par graphique.

⚡ Streaming & big data

Affichez des millions de points grâce au sous-échantillonnage, au streaming live et aux mises à jour diff.

Keyboard shortcuts

SeraPlot Documentation