Man and History: Python Libraries

Python Libraries

2022/06/01

-----

https://pixabay.com/zh/photos/library-books-bookshelf-education-438389/

-----

# MVP

「通過 Python / Django 技術棧，你可以非常快速的構建產品（MVP：Model-View-Presenter），進而增加找到適合的產品 / 市場的機會。」[1]。

-----

# Numpy，Scipy，Scikit-learn，Statsmodels，Pandas，Matplotlib，Seaborn

「Python / Django 框架組合符合 MVP 規範的需求，並能夠節省一定開發時間成本。它們的開發基本類似樂高一樣 — 你不需要從頭開始開發類似許可權或使用者管理這樣的小模組。你只需要從 Python 庫中（Numpy，Scipy，Scikit-learn，Statsmodels，Pandas，Matplotlib，Seaborn，等）找到你需要的模組，用於構建自己的 MVP。」[1]。

「使用 pandas 時也可能會用到其他的 Python 程式庫。例如與數值與科學運算有關的 SciPy 以及前面提過的 NumPy，與統計分析有關的 StatsModels，與機器學習有關的 scikit-learn，與資料視覺化有關的 matplotlib 及 seaborn 等等。」[2]。

-----

# Bokeh

「Python 的模組，GitHub 星星 1000 以上是品質保證，2 年以上沒新版本則採坑機率高。Bokeh 看來沒問題。Python 視覺化，有許多套件都是建構在 Matplotlib 上，譬如 Seaborn，有更簡潔的寫法和更精美的圖例，以上兩者都以靜態視覺居多。Python 之外的動態視覺設計 D3.js 函數庫要多花不少學習成本。Bokeh 則提供了與 D3.js 之間的橋樑。」[3]。

-----

# D3.js

「D3 全名是 Data-Driven Documents（資料驅動的文件）。2011 年，Mike Bostock、Vadim Ogievetsky 和 Jeff Heer 正式推出 D3，作為下一代 Web 視覺化檢視。D3 可以直接操作網頁文檔，展示視覺效果的可能性也更多。」[4]。

-----

# Plotly、Pyecharts

「動態視覺化工具主要有「Tableau、Echarts、Flourish、Python」這幾個，另外加上地圖視覺化神器「kepler.gl」。」「Python 擁有 Matplotlib、Plotly、Bokeh、Pyecharts 等多種動態視覺化庫，可以高定製化完成各種展示。」[5]。

-----

# 動態視覺設計

「「MG」為 Motion Graphics 的縮寫，中文稱作「動態圖像設計」，意指將原本靜止的平面圖像動態化，或更廣泛點說：舉凡是在「時間」這個象限裡的設計，都算是動態視覺設計。」[6]。

「動態視覺設計師就像是「時間的詩人」，時間的流動是我們觀看的框架，我們將四度空間當做畫布，物件的設計當做顏料，將時間快轉，停滯，慢速播放當作畫筆。這是一種用時間說故事的藝術，只有看得見二十四分之一影格裡些微變化的我們，才知道時間的美。」[7]。

-----

References