就作圖後處理這一塊，MATLAB絕對要比Python強。平時經常作圖的人肯定有這種經歷，一張圖做出來後肯定要經過各種調整才可以使用，比如調整字型大小，曲線顏色等。用Python則需要新增相應的程式碼，而MATLAB除了用程式碼實現外還可以直接從圖片上設定需要的引數，非常方便。我現在論文中的資料圖基本都是先用Python得到實驗資料，然後用MATLAB做的。下面重點分享怎樣用MATLAB作圖，及後處理。

假設我們要用MATLAB畫兩個sin函式的曲線，我們可以不管曲線的格式，先將曲線畫出來

曲線做好後，我們直接可以在圖上新增或者修改相應的引數。比如

圖片匯出設定

對於圖片匯出這部分有兩個需要注意的點

第二是，儲存時先要儲存一個fig格式額圖片，這個檔案開啟就是處理後的檔案，後面改圖可以直接開啟這個檔案。接下來就可以儲存需要的圖了，比如eps、jpg、png格式圖。

以上就是我常用的MATLAB作圖技巧。這種方式雖然比較傻瓜，但是不用像Python那樣輸入程式碼來修改格式。可以從一張無任何格式資料圖來透過點選來修改曲線和軸的格式。這個圖我只講了幾個比較常用的設定，曲線的其他部分如網格，刻度等都可以在圖形屬性裡面新增和修改。

你恰好拿兩個實物不太重要的方面做了比較，比了一個不是太核心，不是太關鍵的方面，好比你說美元和人民的長短哪個更長，哪個更短的問題。

有，非常強大！這一輪python獲勝。我下面的介紹很適合收藏喲。

當然，你講的是“作圖”是什麼意思呀？是資料視覺化麼？那也更是python強。

如果是3d動畫，也是python強大。

這一切都是因為python很熱，同時有很多庫可以依賴。

美女與python（蟒蛇）

今天就僅僅說python的作圖的資料視覺化，適合收藏。

1 matplotlib：

網上很多資料，強大的python資料視覺化庫。

我曾簡單介紹過，文章

《Deepin-Linux-python3下matplotlib安裝、中文設定、附圖例》

《python的資料視覺化作圖：pylab、matplotlib和pyplot的關係》

2 pyecharts：

華人大作，牛！

我曾介紹過，文章《python3.8的資料視覺化pyecharts庫安裝和經典作圖，值得收藏》

3 seaborn：

是對matplotlib進行高階封裝，在顏色上進行最佳化。

我曾介紹過，文章《python的高階畫圖seaborn庫安裝、學習、經典例項》

4 Plotly：

Plotly 是一款用來做資料分析和視覺化的線上平臺，功能非常強大。

我曾介紹過，文章

《Plotly資料視覺化：離線版、微軟vscode版的Python的基本作圖》

《python的plotly與flask結合的視覺化基本作圖講解》

5 cutecharts：

cutecharts：是一款可愛的手繪資料視覺化工具，程式碼原理類似pyecharts。

我曾介紹過，文章《python3的一款可愛的手繪資料視覺化作圖工具：cutecharts》

中場休息一

6 reportlab：

reportlab模組是用python語言生成pdf檔案的模組，也可以作圖。

我曾介紹過，文章《python的reportlab庫介紹、製作pdf和作圖》

7 visvis：

visvis庫：是Python視覺庫，非常強大。也可以資料視覺化，但不是強項。

我曾介紹過，文章《python的visvis庫做折線圖（line.py）程式碼詳解》

8 Pygal：

Pygal 是另一個簡單易用的資料相簿，它以面向物件的方式來建立各種資料圖。

我曾介紹過，文章《Pygal 是一個 Python 開發的動態 SVG 圖表庫：介紹和資料視覺化》

9 Pyqtgraph：

Pyqtgraph庫：優於matplotlib庫，可互動的、多平臺的、適合2D和3D的一個python庫。

也可以進行資料視覺化。

我曾介紹過，文章《Pyqtgraph庫：作為資料視覺化部分的python作圖詳解》

10 Bokeh：

應該放在前面，很強大的資料視覺化庫，排在matplotlib之後的。

我曾介紹過，文章《Bokeh是一個專門針對Web瀏覽器的互動式視覺化Python庫》

中場休息二

11 Dash：

Dash是一個純Python寫成的框架,無需JavaScript即可構建互動式的分析類web應用程式。

Dash是一個優秀的互動式視覺化工具，基於plotly。

我曾介紹過，文章《再發Dash是一個純Python寫成的互動式的web應用程式》

12 Streamlit：

是一個開源Python庫，可輕鬆構建用於機器學習的漂亮應用程式。

也可以進行資料視覺化。

我曾介紹過，文章《Python-Streamlit庫再學習：st.slider和資料可視作圖》

13 VisPy：

Vispy是一個以OpenGL為基礎的互動3D視覺化庫。

我曾介紹過，文章《VisPy是一個支援3D、大資料、互動式科學視覺化的Python庫》

14 Altair：

Altair是一個宣告性統計視覺化庫，基於Vega和Vega-Lite。

除了繪製基本影象，Altair強大之處在於使用者可以與影象進行互動，包括平移、縮放、選中某一塊資料等操作。

我曾介紹過，文章《Altair是一個宣告性、互動性資料視覺化2.0的python庫》

15 VPython：

VPython 是python預設的3D模組，與PyOpenGL相比，容易上手，無需太多程式設計技巧。

被人忽略的強大的資料視覺化作圖功能。

我曾介紹過，文章《VPython：一個Python的3D圖形動畫庫+被忽略的資料視覺化功能》

中場休息三：向鍾爺爺學習，致敬！

16 GooPyCharts：

是一個用於谷歌圖表介面的Python包。

一個易於安裝與使用的圖表庫，語法與MATLAB相似，而且可以替代matplotlib。

我曾介紹過，文章《GooPyCharts：一個簡單、美觀、易用的web可互動的python庫》

17 Plotly Express：

Plotly Express是對 Plotly.py 的高階封裝；plotly推出了其簡化介面:Plotly Express，簡稱:px。

我曾介紹過，文章《Plotly Express 是一個簡化的、互動的、高階的Python 視覺化庫》

18 Pandas：

一般人不知道的。

pandas也集成了資料視覺化的功能，其資料視覺化已經可以滿足我們大部分的要求了，也就省下了我們很多自己使用 如 matplotlib 來資料視覺化的工作。

我曾介紹過，文章《Python的利器Pandas庫：超級簡單的資料視覺化作圖，你知道嗎？》

19 Plotnine：

plotnine是Python中圖形語法的一種實現，它基於ggplot2，繪圖精美而簡單。

ggplot2，是R語言下的一款強大的、大名鼎鼎的資料視覺化繪相簿。

我曾介紹過，文章《Plotnine庫：是R語言下強大資料視覺化ggplot2庫的python版》

20 Chartify：

Chartify庫：是由Spotify開源了一個Python庫，可讓人輕鬆建立圖表。

而Spotify是全球最大的正版流媒體音樂服務平臺之一，最新開源的作品Chartify 幫助資料科學家用Python建立圖表。

我曾介紹過，文章《Chartify：一個基於Bokeh卻完爆它的、簡單的Python資料可視庫》

中場休息四：強不？

21 Orange：

Orange：一個基於 Python 的資料探勘和機器學習平臺。

非常優秀，而且每天都在更新和維護。

orange=橙色，資料探勘，資料視覺化，透過視覺化程式設計或Python指令碼學習機分析。

我曾介紹過，文章《Orange：是一款視覺化程式設計或Python指令碼進行資料探勘和分析庫》

22 HvPlot：

HvPlot - 基於HoloViews的pandas、dask、streamz和xarray高階繪圖API。

我曾介紹過，文章《HvPlot - 基於HoloViews的pandas高階繪圖python的API》

23 Bqplot：

Bqplot是用於Jupyter的互動式2D繪相簿。

Bqplot的視覺化是基於D3.js和SVG的，支援快速互動和漂亮的動畫。

我曾介紹過，文章《重發：Bqplot是一款用於Jupyter的互動式2D的python繪相簿》

24 NetworkX：

NetworkX是一個Python包，用於建立、操縱和研究複雜網路的結構、以及學習複雜網路的結構、功能及其動力學。

可用於資料探勘，尤其適合生成人物社會關係圖，超牛。

我曾介紹過，文章《NetworkX：是一個簡單、多樣化、能快速生成網路圖形的Python庫》

25 Toyplot：

Toyplot是一個Python的互動式繪相簿，可用於資料視覺化、繪圖、文字，用各種形式展示。

我曾介紹過，文章《Toyplot：一個簡潔、可愛的Python的互動式資料視覺化繪相簿》

中場休息五：這麼多呀，看累了，伸個懶腰

26 Dabl：

dabl，Python資料分析基準庫。

允許使用視覺化和預處理進行資料探索。

我曾介紹過，文章《Dabl：一個視覺化、預處理的Python資料分析和探索的基準庫》

27 HoloViews：

HoloViews庫用來製作資料視覺化，比bokeh和matplotlib更方便、更簡潔，是一個python庫檔案。

基於jupyter的可互動的，當然還可以生成html和svg等格式。

我曾介紹過，文章《HoloViews庫：一個被忽視的、高階的python的資料視覺化庫》

28 Mpld3：

MPLD3=mpl+d3=matplotlib+D3js。

是基於當前python下面最流行的圖形影象庫matplotlib和最知名的javascript庫D3js上開發得到的。

我曾介紹過，文章《Mpld3庫：一個matplotlib被忽視功能，python資料視覺化web庫》

29 Joypy：

Joypy其實是掛在matplotlib下實現資料視覺化的。

Joypy庫：一個python繪製的山峰疊巒相簿。

我曾介紹過，文章《Joypy庫：一個python繪製的山峰疊巒相簿》

===這麼多，python太牛了，所以用的人也就多，開發這麼多資料視覺化庫===

最後，回到正題，你說的作圖，我只是介紹python的資料視覺化部分，而且僅僅是我介紹過的，你說強大不強大，如果包括其他比如3d或者繪圖，或者地理資料視覺化，那是太強大啦！

所以，python勝出！！！

《Pixelhouse：一個精美的、極簡主義的python繪相簿》

python與matlab 比作圖，就相當於用自己的短處去比別人的長處。

matlab作為數學界專業的繪圖，可以實現非常專業深入的函式計算，然後繪圖，這是python無法比擬的。

但是python有自己擅長的領域，同時藉助三方模組繪製基本圖形也是非常不錯的，也比較簡單。

這個問題有點意思，MATLAB與Python之爭很早開始了。

MATLAB可是如雷貫耳，數學、工程相關專業的學生、工程師們基本都會使用到它，功能強大，提供了各種可用來繪製資料圖形的函式。

Python不僅是一門語言，更是一個生態，有豐富的第三方庫來繪圖，如matplotlib，還有在此基礎上封裝得更高階的seaborn。

常用的圖表

稍微總結了一下，常用的資料圖表如下圖所示，對於這些圖表，MATLAB和Python都能夠實現，幾乎沒有差異。

對比

Python免費且開源；而MATLAB的價格，永久授權版：15500元，按年付費：6200元，還是有點貴的。

很多時候，MATLAB的程式碼更簡潔。

Python的面向物件開發讓Python更簡單、更優雅；

Python是一個生態，支援更多影象處理的包和工具集。

MATLAB的Simulink模組很強大，尤其是學術界大量使用MATLAB做模擬，在動態系統建模、模擬等方面MATLAB還是很強大。

二者融合

其實MATLAB支援很多其他程式語言，包括Python，所以可以將 MATLAB 與 Python 結合使用，即MATLAB 與 Python 之間是可以雙向呼叫的。

1、藉助針對 Python 的 MATLAB Engine API，可用 Python 呼叫 MATLAB 。

2、如果使用 Python 編寫函式和物件，也可以透過 MATLAB 呼叫Python。

所以，不是必須非要選擇一個，可以兩者結合使用。

MATLAB繪圖展示

下面展示一些MATLAB繪圖示例。

說明：因為格式、篇幅問題，程式碼就不貼上來了。

1、普通的折線圖

2、帶有子圖的條形圖

3、帶有填充標記散點圖

4、三維散點圖

5、三維表面圖

Python繪圖展示

下面展示一些Python繪圖示例。

1、普通的折線圖

2、堆積柱形圖

3、散點圖

4、三維散點圖

5、三維表面圖

說實在話，Python作圖要比matlab要豐富且好看不少，我Python和matlab都有在使用，如Python的Matplotlib、Seaborn做靜態圖就非常不錯，特別是Seaborn，色彩比Matplotlib1.x

版本要好得多，就官方而言，Seaborn是一個帶著定製主題和高階介面控制的Matplotlib擴充套件包，能讓繪圖變得更輕鬆，方便我們資料視覺化。

Seaborn和MatplotlibPyEcharts

還有PyEcharts，這個工具包封裝了百度的echarts開源庫，可以利用

echarts.js去做很多動態圖，常見的地圖熱力圖、時序圖、餅圖等都可以很簡單地顯現出來。而且安裝方法還特別地簡單，一個命令就完成的事情。

Github地址為https://github.com/pyecharts/pyecharts。

pip install pyecharts

就單從作圖這個角度來說，matlab還是不足於跟有豐富的Python生態庫媲美，而且Python本身是一門程式語言，自帶Web功能，所以動態圖可以很簡單就做出來。

Matlab

如果不是從這個角度看，matlab的Simulink模組還是很強大，畢竟實驗模擬功能十分好用，所以學術界還是廣泛地在使用matlab這個軟體，雖然它還付費。