大家好，我是你们的博士学长。上一期我们聊了“为什么用 Python 画图”，但是Python画图的库很多，“到底该学哪个库，到底该用哪个库”，Matplotlib、Seaborn、Plotly、Altair，名字一多，人就容易焦虑：是不是都得学？是不是选错了就白学了？
我先把结论放在最前面：
1、如果你只想选一个主力：优先 Matplotlib。
2、如果你想又快又好看：Seaborn 是效率外挂。
3、如果你要交互展示：Plotly 是最稳的“演示神器”。
4、如果你偏“语法严谨+探索分析”：Altair 很香，但更适合特定人群。
下面我用一个“科研/数据分析常见需求表”，把选型逻辑讲清楚。你看完不需要记所有 API，只要记住：你要交付什么，就选什么。
1、先别纠结库，先问自己：你这张图要交付给谁？
我通常用三个问题来决定用哪个库：
1.这张图最终要去哪里？
是论文投稿（静态、出版级、可控性高）？
还是报告汇报（看起来清晰、修改快）？
还是网页/交互（能缩放、能 hover、能筛选）？
2.你更在意什么？
是细节可控（像素级控制、排版一致）？
还是出图速度（快速探索、快速美化）？
还是交互体验（可点击、可缩放、可导出 html）？
3.你的图会不会“成批出现”？
是只画一张：快最重要？
还是画一组：模板化最重要？
还是长期复用：可维护最重要？
把这三个问题想清楚，你会发现Python的库其实没那么复杂。
2、四个库的“人设”：它们分别擅长什么？
我用一句话给每个库定个“人设”，更好记：
Matplotlib：出版级的“底层能力”
（1）优点：可控性极强、生态成熟、论文出图最稳
（2）适合：论文图、多面板排版、统一风格、批量出图
（3）缺点：上手略硬，需要理解 figure/axes 结构
Matplotlib 像“基础设施”。你一旦掌握，它能承接你几乎所有出图任务。
Seaborn：统计图的“效率外挂”
（1）优点：默认就好看，尤其适合常见统计图（分布/关系/分类比较）
（2）适合：EDA探索、箱线图/小提琴图/热力图、快速做出“像样”的图
（3）缺点：极致细节控制仍要回到 Matplotlib；风格统一需额外处理
Seaborn 很适合“先把图跑出来”，然后再用 Matplotlib 做精修。
Plotly：汇报与网页的“交互神器”
（1）优点：自带交互（hover/缩放/选择）、输出 HTML 非常方便
（2）适合：汇报展示、仪表盘、网页分享、需要交互探索的图
（3）缺点：论文投稿场景不一定合适；出版级排版细节不如 Matplotlib 顺手
如果你经常做 PPT、组会汇报、给领导展示结果，Plotly 能显著提升“展示效果”。
Altair：声明式语法的“表达型选手”
（1）优点：语法更像“描述图是什么”，而不是“怎么画”；适合快速组合复杂图
（2）适合：数据探索、交互式可视化、规范化表达（尤其是 tidy data）
（3）缺点：对数据格式有要求；在国内资料相对少；上手门槛对新手不一定友好
Altair 更像“可视化语言”，适合喜欢结构化表达的人，但不必作为第一主力。
3、选型最简单的方式：按场景一键对号入座
对于选择出图的方式，下面是我的一些心得：
1）论文投稿/学术出版（静态图、排版严格）
首选：Matplotlib
辅助：Seaborn（快速出统计图）→ Matplotlib 精修
不优先：Plotly（交互为主，出版排版不如 Matplotlib）
2）组会汇报/PPT展示（要“看起来高级”且能互动）
首选：Plotly
辅助：Matplotlib（需要静态高质量截图时）
也可：Altair
3）数据探索（先看规律，追求速度）
首选：Seaborn
辅助：Matplotlib（改细节、统一风格）
也可：Altair（探索复杂组合图）
4）批量出图/多模型多指标（长期复用）
首选：Matplotlib（封装模板最稳）
辅助：Seaborn（某些统计图快捷）
也可：Plotly：（也能批量，但更偏展示）
4、博士学长的“少走弯路”建议：你不需要四个都学
如果你问我：新手到底怎么学最划算？
我会给一个非常明确的路线（也是我走过弯路后的版本）：
1）最推荐，适合绝大多数人
Matplotlib 做主力（打地基） + Seaborn 做加速（提效率） + Plotly 做展示（可选）
Matplotlib：负责“可控、可复用、能发论文”
Seaborn：负责“统计图快速好看”
Plotly：负责“汇报交互/网页展示”
2）如果你明确要做交互展示/网页
Plotly 主力 + Matplotlib 兜底
3）如果你数据分析探索很多，喜欢声明式表达
Altair + Seaborn（探索） + Matplotlib（定稿）
一句话总结：Matplotlib 负责“定稿”，Seaborn/Altair 负责“探索”，Plotly 负责“展示”。
写到这里，我想把这篇文章收束成一个你可以直接带走的结论：选库不看热闹，只看交付。论文定稿优先Matplotlib，探索提速用Seaborn，汇报展示选Plotly，Altair适合偏结构化表达的人——你不需要把四个都学会，但你需要知道什么时候该用谁。
