Python科学可视化领域包含无数工具，从最通用和广泛使用的工具到更专业和保密的工具。其中一些工具来自社区，而另一些则是由企业开发的。有些是专门为web制作的，有些仅用于桌面，有些用于3D和大数据处理，还有一些用于2D渲染。可视化是一个复杂的过程。研究人员可以问自己几个问题：目标是桌面渲染还是网页渲染？需要复杂的3D效果图？对可视化的质量有什么要求吗？你有非常大的数据吗？是否有相关的开发社区？有文档和教程吗？Matplotlib作为Python语言的绘图库及其数值计算库NumPy，与numpy、pandas齐名数据科学三剑客，具有高质量设计和数字化、适用于科学出版等优势.它提供了一个简单直观的界面，是许多高级可视化库的基础。最近，法国计算机科学研究所的研究员NicolasP.Rougier写了一本关于使用Python和Matplotlib进行科学可视化的书，现已开放获取。PDF下载地址：https://hal.inria.fr/hal-03427242/document本书配套代码上线几天，获得5.1kstar。代码地址：https://github.com/rougier/scientific-visualization-book内容概述Matplotlib于2003年首次正式发布，原作者为JohnD.Hunter。在随后的十年中，它得到了进一步的发展和完善。如今，Matplotlib库已成为Python中科学可视化的事实标准。例如，它已被用来展示黑洞的第一张图片并说明引力波的存在。一张Matplotlib图是由层次丰富的各种元素组成的，通过组合逻辑最终形成下图所示的实际图。通常上图中的元素并不是用户自己创建的，而是通过处理各种绘图命令的方式创建的。比如最简单的matplotlib脚本：plt.plot(range(10))plt.show()书中给出了一些经典的案例以及使用matplotlib创建其可视化结果的详细方法。这种从基础元素开始学习掌握可视化的方法也非常适合零基础的同学。本书的主要内容分为4个部分。第一部分解释了Matplotlib库的基础知识，包括构成图形的不同部分、坐标系、可用比例和投影，并介绍了一些与版式和颜色相关的概念。第二部分解释图形的实际设计。从生成图形的一些简单规则、Matplotlib的默认设置和样式系统开始，本书进一步解释了图形的布局组织并探索了Matplotlib库中可用的一些技巧。第三部分涵盖一些更高级的概念，包括3D图形、优化、动画和工具包。最后，第四部分给出了一系列的介绍和分析。本书具体目录如下：作者简介本书作者是法国计算机科学研究所专职研究员NicolasP.Rougier。他的主要研究领域是认知神经科学和神经退行性疾病。他使用人工神经网络研究决策、学习和认知的机制，旨在为解释正常和病理性大脑功能的医学领域以及提供替代计算范式的数字科学领域提供信息。除了神经科学，他的研究兴趣还包括科学可视化、计算机图形学等。
