1. Установка


1.1. Установка в составе научных дистрибутивов

Научные дистрибутивы языка Python хороши тем, что помимо самого Python устанавливают целый вагон и маленькую тележку всяких научных полезностей. Научная графика - далеко не единственный инструмент, который может вам пригодиться, а matplotlib - вовсе не единственная библиотека, которая позволяет создавать графики. Поэтому, если вы ученый, а не разработчик, то я вам настоятельно рекомендую именно научный дистрибутив. Практически все дистрибутивы описаны в инструкциях по установке NumPy.

Учитывая, большое количество дистрибутивов и то, что мы хотим работать с графикой, то самым подходящим окажется тот дистрибутив, который предоставляет возможность работать в среде IPython, которая в свою очередь обернута в Jupyter. Jupyter организует web-интерфейс для IPython, что позволяет его запускать в обычном браузере, сам документ (который часто называют блокнотом или тетрадкой) организован в виде ячеек, каждая из которых может содержать либо код либо текст с разметкой markdown. Результат выполнения кода (которым может быть и графика), располагается под той ячейкой в которой он был выполнен.

Учитывая, что научная работа - это в основном код, графика и текст, то блокноты Jupyter - это очень удобный способ сохранить свой труд и поделиться им. Для примера, можете ознакомиться с руководством "Анатомия matplotlib" от Бенджамина Рута.

Я использую дистрибутив Python Anaconda и если вы новичок, то рекомендую начать именно с него - он бесплатен и хорошо документирован. Так же он обладает удобным менеджером пакетов conda, который позволяет очень легко обновлять имеющиеся пакеты или устанавливать недостающие.


1.2. Немного о прочих способах установки

Если вы собираетесь создавать научные программы с использованием matplotlib, то вам необходимо принять во внимание, что данная библиотека имеет довольно много обязательных и вспомогательных зависимостей. Некоторые пакеты требуют тщательного изучения лицензий под которыми они распространяются (например GhostScript). В данном случае, вас может отлично выручить любой из платных научных дистрибутивов Python, который гарантирует компенсацию всех рисков, которые могут возникнуть из-за лицензий пакетов.

Установка matplotlib в составе научного дистрибутива, является лучшей (скорее не лучшей а простейшей) альтернативой для сборки данной библиотеки из ее исходного кода и всех пакетов. Устанавливая дистрибутив, вы получаете возможность использовать его через большинство IDE (как правило в большинстве дистрибутивов вы даже можете обнаружить IDLE). В ходе разработки (проверено в Spyder и PyCharm) вы можете сами легко отследить все зависимости и использовать только те которые вам необходимы.