哪个数据可视化工具比较好？
看了其他答案，都是用现有的可视化软件。这里以Python为例，介绍两个相对易用的可视化包——seaborn和pyecharts。它们易学易用，绘制的图形美观大方、整洁。有兴趣的朋友可以试试。实验环境为win10python3.6pycharm5.0，主要内容如下:
这是一个基于matplotlib的可视化包，matplotlib是matplotlib更高级的API包。绘图有很多种，常见的有折线图、条形图、饼图、箱线图、热图等。，需要的代码更少，使用起来更方便。下面我简单介绍一下这个包的安装和使用:
要安装seaborn，只需输入命令"pip安装seaborn"直接在cmd窗口中，如下所示:
安装成功后，我们可以进行简单的测试。代码如下，非常简单:
程序运行的截图如下:
更多的例子，你可以查看官方网站的教程，内容丰富，有详细的代码注释和解释，值得学习:
:这是echarts提供给python的一个接口。在前端数据可视化中，可以使用这个echarts包。借助pyecharts，我们不仅可以画出漂亮的条形图、折线图等。，还能画3D图形、地图、雷达图、极坐标系统等。简单易用，值得学习。下面我简单介绍一下这个包的安装和使用:
要安装pyecharts，只需输入命令"pip安装pyecharts"直接在cmd窗口中，如下所示:
安装成功后，我们可以进行一个简单的测试。代码如下，并绘制了一个简单的直方图:
程序运行的截图如下:
更多例子，也可以查看官方教程。介绍很详细，参数也很具体，值得学习:
至此，这里简单介绍一下seaborn和pyecharts包的安装和使用。总的来说，这两个包用起来非常方便，易学易用，画出来的图形也非常漂亮漂亮。只要有一点python基础，看看官方的例子，就能很快掌握。当然，你也可以使用可视化工具，比如JMP，来提供一个思路。有兴趣的朋友可以试试。希望以上分享的内容能对你有所帮助，欢迎大家评论。
学人工智能是不是得有Python的基础？
随着人工智能的日益普及，可以说很多学生都想进入这个领域。那么python有必要吗？我来回答一下。
第一，人工智能有很多分支。比如图像处理，机器学习，数据挖掘等等。Python作为解释性语言，入门。简单，并且有很多科学计算和图像处理以及深度学习算法库。如果作为人工智能的入门语言，我觉得值得推荐。比如opencv图像处理库就包含了很多基本操作，比如平滑、锐化、轮廓提取等。再比如numpy，可以作为科学计算库，进行各种矩阵运算。但是python目前还不够快，需要我们掌握另外一种结构化语言，比如C语言。可以在GPU上进行运算，从而提高运算效率，实现移动终端的移植能力。
其次，由于人工智能涉及到很多算法细节，python有打包的库函数可供调用，只需调整参数，非常方便。相对来说，C要复杂得多，甚至需要自己构建算法。
总之，我推荐python引入人工智能，但最好再学一遍C语言，让算法得到充分应用。
如果你有任何问题，请在下面留言，让让我们一起进步。
我必须这么做。Tensorflow，pytorch和学习人工智能可以不要被绕过。python是主要的开发语言。许多开源项目都基于python。
不是唯一的，而是最过程的。人工智能离我们的生活越来越近，有必要多了解一下。至于语言，python是目前最主流的，但它并不不代表它是唯一的。还有Lisp，Prolog，C/C，Java，这些编程语言都可以是人工智能编程语言。比如现在很多手机可以运行一些人工智能计算，语言很可能不是python，而是C/C，一种更接近硬件的低级语言。