图文详情

科学图表可视化：Python+Matplotlib

正版全新

作者: (法)尼古拉斯·P.罗尔
出版社: 清华大学出版社
ISBN: 9787302725688
出版时间: 2022-12

装帧: 其他
开本: 32开
纸张: 胶版纸

作者: (法)尼古拉斯·P.罗尔
出版社: 清华大学出版社
ISBN: 9787302725688

出版时间: 2022-12
装帧: 其他

开本: 32开
纸张: 胶版纸

售价 34.44 7.0折

定价￥49.00

品相全新

优惠

发货

承诺48小时内发货

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2026-09-22

数量: 库存11件

立即购买加入购物车收藏

卖家超过10天未登录

六年老店

经管法律专营店

店铺等级

资质认证

90天平均

成功完成

77.84% (216笔)

好评率

100%

发货时间

16.82小时

店主

经管法律专营店

联系

在线交谈离线留言

地址

天津市南开区

电话

联系卖家

进店逛逛收藏店铺

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

计算机与互联网

货号：

5079427

商品描述：

【书    名】科学图表可视化：Python+Matplotlib
【书    号】 9787302725688
【出版社】清华大学出版社
【作    者】 (法)尼古拉斯·P.罗尔
【出版日期】 2026-09-01
【开    本】 32开
【定    价】 49.00元

【编辑推荐】
使用Python和Matplotlib进行科学图表的可视化，其中涉及基本的图表设计规则和高级图表展示。

【内容简介】
本书以Matplotlib库为核心，系统讲解科技图表可视化的完整流程。Matplotlib作为Python生态中*成熟的2D绘图库，凭借其简洁的API设计，仅需数行代码便能生成直方图、条形图、饼图、散点图等基础统计图形，同时支持高度自定义的复杂图像输出。全书从库的基本原理与绘图对象模型入手，逐步剖析默认参数体系、内置样式主题及图形布局的组织策略，帮助读者构建清晰的绘图逻辑。在此基础上，深入探讨三维可视化、性能优化与动态动画等进阶主题，并精选多幅经典科学插图作为案例，展示美学与信息传递的平衡技巧。书中既涵盖基础图形设计要素，又融入高级图表的设计原则与工程实践，兼顾实用性与艺术性。本书适合已掌握Python基础语法、希望提升数据表达能力的科研人员、工程师及数据分析从业者，可作为案头常备的绘图参考指南。

【目录】
目录

1 基础部分 001

第1章图形构成 003

1.1 元素 005

1.2 图形基元 006

1.3 后端 008

1.4 尺寸以及分辨率 012

1.5 练习 016

第2章坐标系 019

2.1 坐标系转换 020

2.2 实际使用案例 028

2.3 练习 031

第3章比例尺与投影 033

3.1 比例尺 033

3.2 投影 036

3.3 练习 042

第4章字体元素 045

4.1 字体栈 047

4.2 公式渲染  048

4.3 关于尺寸的说明 049

4.4 可读性 050

4.5 练习 051

第5章颜色入门知识 055

5.1 选择颜色 057

5.2 选择颜色映射表 062

5.3 练习 065

2 图形设计 067

第6章十个简单的规则 069

6.1 规则1：了解你的受众 069

6.2 规则2：明确你的信息 071

6.3 规则3：将图形适配到支持媒介上 073

6.4 规则4：标题是必需的 074

6.5 规则5：不要相信默认设置 075

6.6 规则6：有效使用颜色效果 076

6.7 规则7：不要误导读者 078

6.8 规则8：避免“图表垃圾” 079

6.9 规则9：信息胜过美丽 082

6.10 规则10：选择合适的工具 083

第7章掌握默认设置 086

7.1 明确的设置 088

7.2 用户设置 090

7.3 样式表 092

7.4 超越样式表 093

7.5 练习 095

第8章大小、纵横比和布局  096

8.1 图形和坐标轴的纵横比 096

8.2 轴布局 102

8.3 练习 107

第9章装饰元素 109

9.1 图例 110

9.2 标题和标签 112

9.3 注释 113

9.4 练习 117

3 高级概念 119

第10章动画 121

10.1 下大雨的效果 124

10.2 可视化地球上的地震 127

10.3 剧本化动画 130

10.4 练习 134

第11章进入3D时代 135

11.1 加载兔子 135

11.2 透视投影 138

11.3 模型，视图，投影（MVP） 141

11.4 深度排序 144

11.5 练习 148

第12章架构与优化 149

12.1 透明度水平 149

12.2 加速渲染 153

12.3 文件大小 155

12.4 多线程渲染 156

第13章图形库 159

13.1 Matplotlib 地牢篇 160

13.2 小型机器人模拟器 164

13.3 真实案例 167

13.4 练习 169

4 样例展示 171

第14章十二个样例展示 173

总结 187

【前言】
序言

Python 科学可视化的应用领域非常广泛。其涉及形形色色的工具，从*通用、*广泛使用的工具，到更专业、保密的工具。这些工具有些由社区开发，有些则由公司开发。这些工具有的专门用于网络，有的则仅用于桌面，有的处理3D和大数据，有的则针对完*的2D渲染，如图0-1所示。

图0-1

该图是2018年Python在科学可视化领域的概览（部分内容）。该图基于Jake Vanderplas的原创进行调整（详细资源见：https://github.com/rougier/python-visualization-landscape）

面对如此丰富的选择，你可能很难找到*适合自己需求的库，因为你可能不知道某个库的存在。为了帮助你做出选择，可以先问自己几个问题：

是否针对桌面应用或Web渲染？

是否拥有复杂的3D渲染场景？

是否有出版级别的图像质量要求？

是否需要处理海量数据？

这些库的社区是否活跃？

这些库有文档和教程吗？

根据对上述问题的回答，可以决定使用哪个库并投入一些时间学习它。例如，如果需要在浏览器中进行交互式可视化，并与Jupyter无缝集成，那么可以选择Bokeh。如果有非常大的数据并需要在桌面上进行3D可视化，那么vispy或mayavi是很好的选择。如果对快速构建漂亮的图形非常感兴趣，那么seaborn和altair是您的得力助手。另外，如果你从事地球科学工作，那么不能忽视cartopy 等库。在此无法列出所有库，我相信在撰写本书到实际出版本书之间，会诞生出新的可视化库。 pyviz 是一个很好的信息源网站，该网站收纳了很多可视化库的网站链接，并提供*新的活跃库列表。

在这个领域中，Matplotlib具有非常特殊的地位。它*初是由John D. Hunter于2003年创建，目的是可视化大脑皮层电图数据，发展历程如图0-2所示。以下是2003年5月23日发布在Python邮件列表上的官方公告。

图0-2

Matplotlib*初由John D. Hunter编写，第*个公开版本发布于2003年。在John D. Hunter于2012年8月去世前不久，Michael Droettboom被提名为Matplotlib的首席开发人员，Thomas Caswell于2014年加入，并担任现任首席开发人员（截至2021年）。*新版本为Python 3.4（撰写本书时），

其仅支持Python 3版本，而Python 2.2版本是兼容Python 2和Python 3的长期支持版本（详细资源见introduction/matplotlib-timeline.py）

Matplotlib

Matplotlib是一个专为Python及PyGTK设计的纯Python绘图库。我的目标是让Python能够轻松生成高质量、符合出版标准的图表，同时保持与MATLAB相似的语法风格，以方便其用户群体使用。需要说明的是，Matplotlib仍处于早期发展阶段，要实现上述目标还需完成多项改进。不过目前它已具备足够绘制美观、简洁的基础图形的能力。

系统要求

Python 2.2、GTK2、pygtk-1.99.x及Numeric数值计算库。

获取方式

请访问项目主页： nitace.bsd.uchicago.edu:8080/matplotlib。

以下是Matplotlib着力优化的核心功能：

便捷的大数据集导航：在图形窗口右击可调出导航工具栏，支持通过滚轮鼠标对X/Y轴进行平移和缩放操作。将滚轮悬停在导航按钮上即可滚动操作。

高效处理海量数据：通过Numeric的裁剪机制，成功应用于含128通道、400Hz采样率持续数分钟的EEG脑电绘图场景，可绘制维度达120 000×128的矩阵。

智能刻度标记与标签生成。

简化常规操作（子图布局、线型颜色设置）。

开放高级控制：提供面向对象接口实现深度定制。

作为类库，Matplotlib可集成至PyGTK应用程序中实现绘图功能。同时提供与MATLAB函数兼容的接口，例如通过以下方式调用：

from matplotlib.matlab import plot, subplot, show, gca

Matplotlib*初的目的是取代流行的 MATLAB 图形引擎，支持不同的平台，具有高质量的光栅和矢量输出，为数学表达式提供支持，并利用Shell进行交互式工作。2003 年进行了第*次官方发布（见图0-2），15 年后，尽管它们已经得到了进一步的开发和完善，但初心不改。如今，Matplotlib 库已成为 Python 科学可视化的事实标准。例如，它曾被用于显示有史以来第*张黑洞照片（见图0-3），此图用于说明引力波的存在。

图0-3

2019年4月10日，事件视界望远镜发布的第*张图像描绘了超巨椭圆星系M87核心的超大质量黑洞，其质量约为太阳质量的70亿倍（详细资源见Wikipedia）

Matplotlib 是一个既多功能又强大的库，可让用户设计非常高质量的图形，适用于科学出版。它既提供了一个简单直观的界面（pyplot），也提供了一个面向对象的架构，让程序编写人员可以调整图形中的任何内容。需要注意的是，它也可以用作常规图形库，以设计非科学图形，正如读者在本书中看到的那样。例如，Matplotlib 时间线图（见图0-2）只是由一条带有标记的线和一些带有样式的注释组成。

本书分为 4 部分。第*部分涉及 Matplotlib 库的基本原理，包括回顾构成图形的各个部分、不同的坐标系、可用的比例和投影，以及介绍一些排版、与颜色相关的概念。第二部分专门用于介绍图形的实际设计。在介绍完生成更好的图形的一些简单规则后，作者将详细介绍 Matplotlib 的默认设置和样式系统，然后深入研究图形组织布局。之后，将探索各种可用的绘图类

型，并了解如何用不同元素装饰图形。第三部分专门讲述更高级的概念，即 3D 图形、优化、动画和工具包。第四部分囊括了展示案例及其分析。

为了图片美观，书中图表中英文没有翻译为中文，重要名词会在注释和正文中翻译。
***

谨以此书纪念

Matplotlib库的创造者约翰·D.亨特（1968—2012年）

Anti-Grain几何库的创造者马克西姆·谢曼纳列夫（1966—2013年）

真切地怀念才华横溢的两位

前言

关于作者

Nicolas P. Rougier是一名计算认知神经科学研究员，居住在法国波尔多。他在法国计算机科学研究所（Inria）和神经退行性疾病研究所工作，使用大脑计算模型和分布式、数值及自适应计算（即人工神经网络和机器学习）研究决策、学习和认知。他的研究旨在为哲学领域提供关于心灵—身体问题的思考；为医学领域提供关于大脑正常和病理功能的解释；为数字科学领域提供替代的计算范式。除了神经科学和哲学，他还对开放和可重复科学（他与Konrad Hinsen共同创立了ReScience C，与Etienne Roesch共同创立了ReScience X）、科学可视化（他独自创建了glumpy，共同创建了VisPy）、科学普及（例如The Conversation）和计算机图形学（特别是数字字体设计）感兴趣。

Nicolas P. Rougier 使用 Python 已经超过 20 年，使用 Matplotlib 已经超过 15 年，主要用于神经科学、机器学习和高级可视化建模。Nicolas P. Rougier 是多个在线资源和教程的作者，他在波尔多大学以及其他学校教授 Python、NumPy 和科学可视化。

关于本书

本书使用reStructuredText编写，通过docutils转换为LaTeX，并使用XeLaTeX导出便携式文档格式。源代码可扫描下方二维码获取。

源代码

如何贡献

如果读者想为本书作出贡献，可以：

审查并提出改进建议；

报告并纠正作者的错误；

在 GitHub 上给该项目点赞并购买正版书籍。

前置条件

本书不是Python初学者指南，您应该具有Python的中级水平，*好具有NumPy的初学者水平。

一些约定

作者将使用常见命名约定。如果没有明确说明，每个脚本都应将NumPy、SciPy和Matplotlib导入为以下形式：

import scipy

import numpy as np

import matplotlib.pyplot as plt

本书使用的Python包版本如下：

>>> import sys; print(sys.version)

3.7.4 (default，Jul 9 2019，18:13:23)

[Clang 10.0.1 (clang-1001.0.46.4)]

>>> import numpy; print(numpy.__version__)

1.16.4

>>> import scipy; print(scipy.__version__)

1.3.0

>>> import matplotlib; print(matplotlib.__version__)

3.1.0
配送说明

...
相似商品
为你推荐