10-终于选择了一套称手的Python可视化工具

为了系统分析Python可视化生态，便于大家全面考量各类工具的目标领域、长短板和绘图语言，”选择适合你的Python可视化工具“一篇变成了三续，有点长了。但有个好处，为大家查找、选择需要的工具提供了完整的索引。

本篇将：

• 对如何选择适合你的Python可视化工具提出一些建议；
• 给出我使用的Python可视化工具组合。

依据什么选择Python可视化工具

你擅长的语言

根据前面的总结，57个在维护的Python可视化工具基于下述语言开发的：

• Python
• javascript
• D3.js
• OpenGL
• 其它，如XML等

你最擅长的语言，应该是你选择工具时第一个考量因素。因为阅读源代码、示例代码是最好的学习途径，选择用你最擅长的语言开发的工具，对你理解工具开发者的设计思想、加快熟练使用该工具非常有好处。

如果你不熟悉该工具的开发语言，学习的过程将是非常痛苦的。

比如我是草根一枚，掌握得较好的就是Python语言，对javascript, D3.js等都是幼儿园小班的水平，我当然要围绕前面的Python可视化工具全景图右上角区域来选择了。我阅读matplotlib的源代码就较容易，在看官方文档时，遇到一时难以理解的内容时，去看看源代码，经常对理解官方文档带来帮助。

而我尝试去学习Bokeh，因为很难读懂（不要说理解了）而很困难。

你绘图的主要用途是什么？

你绘制的图形主要用来做什么？

问自己两个问题：

• 交互式绘图很重要吗？
• 肯定是要嵌入到Web中吗？

你就很清楚，你是否真的需要交互式、动态绘图，是否需要较强的Web支持了。就不会选择一些看起来很酷，但并一定是你真正需要的工具了。

多数人绘制的图形是嵌入到平面媒体，如发表论文，写书，发表一般的网络文章，当然应该在专注于静态、2D绘图的工具中选择。

你的研究领域

如果你的研究领域很特殊，当然要有针对性的选择了。比如：你研究物理空间、天文、地理，你当然要在SciPy组中选择。

一个核心，两个辅助

基于上述三点，选择一个适合你的主工具，围绕这个工具针对你的一些特殊需要再选择1-2个辅助工具。

如果你最擅长的是Python语言，主要是静态2D绘图，因为机器学习的需要常绘制网络图。

你选择了最核心的matplotlib（这很好），你可以再了解一下基于matplotlib的networkx。

忠告：尺有所短，寸有所长。Python可视化工具也是如此，永远不要希望有一款万能的工具，更不要为了看起来很酷的功能而选择一款工具。

你真的要绘制这样的图吗？

我的工具箱

比较起来，我最擅长的是Python语言，我绘制的图形主要是嵌入平面文章中，所以我的工具搭配是

• jupyter lab，练习、测试的主战场；
• vscode，微软的开源Python编辑器；
• Matplotlib，主攻的Python绘图库；
• graphviz，辅助工具，绘制简单的网络结构图。

画外音：PS等图片后期处理软件有时也是必须的。

下一篇，数据可视化应该避免的误区

这样，围绕matplotlib绘图的一些思考、工具介绍等思想和知识准备工作就差不多了。

完成下一篇后，将正式进入”matplotlib学习笔记“部分。

”matplotlib学习笔记“是一个长期写作计划，将分为三个部分：基础篇、中级篇、高级篇。

在基础篇中将详细介绍matplotlib中的基本对象、基本属性、基本方法，对每个对象的属性和方法变化产生的结果将尽可能给出示例。

关注”Python草堂“，轻松抵达matplotlib的自由彼岸！