本文目录一览：
- 1、有没有像python可视化编程的东东
- 2、求一款好用的python图形化编程工具
- 3、python的可视化编程软件
- 4、学python，可以用哪些开发软件？，用什么开发软件最好？
- 5、Python中数据可视化经典库有哪些？
有没有像python可视化编程的东东
有，你指的是用户图形界面吧
python提供了多个图形开发界面的库，几个常用Python GUI库如下：
Tkinter： Tkinter模块("Tk 接口")是Python的标准Tk GUI工具包的接口.Tk和Tkinter可以在大多数的Unix平台下使用,同样可以应用在Windows和Macintosh系统里.，Tk8.0的后续版本可以实现本地窗口风格,并良好地运行在绝大多数平台中。
wxPython：wxPython 是一款开源软件，是 Python 语言的一套优秀的 GUI 图形库，允许 Python 程序员很方便的创建完整的、功能键全的 GUI 用户界面。
Jython：Jython程序可以和Java无缝集成。除了一些标准模块，Jython使用Java的模块。Jython几乎拥有标准的Python中不依赖于C语言的全部模块。比如，Jython的用户界面将使用Swing，AWT或者SWT。Jython可以被动态或静态地编译成Java字节码。
求一款好用的python图形化编程工具
你想多了，Python的长处不在于图形化编程，当然它也能做，在应用上可能更多用于后台，不需要图形界面。如果想用它开发桌面程序，你得安装第三方的界面库，个人最喜欢的是PYQT，目前5.0版本，其附带的控件清爽简洁，远胜其他的界面库。PYQT虽然能拖拖拽拽来画界面，但你想像传统工具，比如visual studio，画好界面后，双击某个控件进入该控件的代码编写，很遗憾，不可以！其生成的界面需要经过程序转化成python代码才能在python编辑器中编辑，而且每次修改界面，都要重新转化生成，稍显麻烦。另外，PYQT的控件的事件机制不同于windows，这个要去学习适应，且它有6000余函数，这个学习的成本还是比较高的。总结：传统的可视化编程学习其语法后，自然进入图形界面编程，而学习了Python，还需要重新学习PYQT，方能编写桌面程序。
python的可视化编程软件
在参考链接上可以下到windows上的安装包，根据你的Python版本选择一个。
有个IDE ：Boa Construtor 可以像VC一样设计界面并自动生成代码
学python，可以用哪些开发软件？，用什么开发软件最好？
1. PyCharm
PyCharm是唯一一款专门面向Python的全功能集成开发环境，同样拥有付费版和免费开源版，PyCharm不论是在Windows、 Mac OS X系统中，还是在Linux系统中都支持快速安装和使用。
PyCharm直接支持Python开发环境，打开一个新的文件然后就可以开始编写代码，也可以在PyCharm中直接运行和调试Python程序，它还支持源码管理和项目，并且其拥有众多便利和支持社区，能够快速掌握学习使用！
2. Eclipse + PyDev
PyDev是Eclipse集成开发环境的一个插件，支持Python调试、代码补全和交互式Python控制台等，在Eclipse中安装PyDev非常便捷，只需从Eclipse中选择“Help”点击“Eclipse Marketplace”然后搜索PyDev，点击安装，必要的时候重启Eclipse即可，对于资深Eclipse开发者来说，PyDev可以很轻松上手！
3. Visual Studio
Visual Studio是一款全功能集成开发平台，提供了免费版和付费版，可以支持各种平台的开发，且附带了自己的扩展插件市场。在Visual Studio中可进行Python编程，并且支持Python智能感知、调试和其他工具，值得注意的是Visual Studio不支持Linux平台！
4. Spyder
Spyder是一款为了数据科学工作流做了优化的开源Python集成开发环境，它是附在Anaconda软件包管理器发行版中的，Spyder拥有大部分集成开发环境该具备的功能，如强大语法高亮功能的代码编辑器、Python代码补全以及集成文件浏览器，其还具有其他Python编辑环境中所不具备的变量浏览器功能，十分适合使用Python的数据科学家们。
5. Thonny
Thonny是针对新手的一款集成开发环境，适用于全部主流平台，默认情况下，Thonny会和自带捆绑的Python版本一起安装，十分方便新手使用！
Python中数据可视化经典库有哪些？
Python有很多经典的数据可视化库，比较经典的数据可视化库有下面几个。
matplotlib
是Python编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+，向应用程序嵌入式绘图提供了应用程序接口。
pyplot 是 matplotlib 的一个模块，它提供了一个类似 MATLAB 的接口。 matplotlib 被设计得用起来像 MATLAB，具有使用 Python 的能力。
优点：绘图质量高，可绘制出版物质量级别的图形。代码够简单，易于理解和扩展，使绘图变得轻松，通过Matplotlib可以很轻松地画一些或简单或复杂的图形，几行代码即可生成直方图、条形图、散点图、密度图等等，最重要的是免费和开源。
pandas
Pandas 是一个开放源码、BSD 许可的库，提供高性能、易于使用的数据结构和数据分析工具。Pandas 广泛应用在学术、金融、统计学等各个数据分析领域。需要说明的是它不是“熊猫”，名字衍生自术语 "panel data"（面板数据）和 "Python data analysis"（Python 数据分析）。
优点：是Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观的处理关系型、标记型数据。对于数据分析专业人士，它是数据分析及可视化的利器。
seaborn
Seaborn是基于matplotlib的图形可视化python包。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。
它是基于matplotlib更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，应该把Seaborn视为matplotlib的补充，而不是替代物，它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。
优点：matplotlib高度封装，代码量少，图表漂亮。比起matplotlib具有更美观、更现代的调色板设计等优点。scikit-plot
这是一个跟机器学习有效结合的绘图库。想要深入学习的小伙伴参见其github仓库，这里不再赘述了。
优点：Scikit-Plot是由ReiichiroNakano创建的用在机器学习的可视化工具，能最快速简洁的画出用Matplotlib要写很多行语句才能画出的图。关键是对于机器学习相关可视化处理，该库有较好的支持。
Networkx
networkx是Python的一个包，用于构建和操作复杂的图结构，提供分析图的算法。图是由顶点、边和可选的属性构成的数据结构，顶点表示数据，边是由两个顶点唯一确定的，表示两个顶点之间的关系。顶点和边也可以拥有更多的属性，以存储更多的信息。
优点：用于创建、操纵和研究复杂网络的结构、以及学习复杂网络的结构、功能及其动力学。
上面是我的回答，希望对您有所帮助！
