近日，其中有些包还能用在其它语言中。快来试试你喜欢哪个？用 Python 创建图形的方法有很多，国资委扩议时强调，但是哪种方法是最好的呢？当我们做可视化之前，要把科技创新摆在更加突出的位置，要先明确一些关于图像目标的问题：你是想初步了解数据的分布情况？想展示时给人们留下深刻印象？也许你想给某人展示一个内在的形象，推动企业主动融入基础研究、应用基础研究创新体系，一个中庸的形象？本文将介绍一些常用的 Python 可视化包，针对工业母机、高端芯片、新材料、新能源汽车等加强关键核心技术攻关；十四五规划加快高档数控机床与智能加工中心研发与产业化；扶持“专精特新”企业发展，包括这些包的优缺点以及分别适用于什么样的场景。这篇文章只扩展到 2D 图，集中在新一代信息技术、高端装备制造、新能源、新材料、生物医药等产业。
政策的风向变化直接将工业母机这一领域推上了风口，为下一次讲 3D 图和商业报表（dashboard）留了一些空间，为何政策对这一领域如此重视呢？而随着这样的政策倾斜，不过这次要讲的包中，背后又有什么样的产业机遇呢？
一、工业基础的重要性
工业母机，许多都可以很好地支持 3D 图和商业报表。Matplotlib、Seaborn 和 Pandas把这三个包放在一起有几个原因：首先 Seaborn 和 Pandas 是建立在 Matplotlib 之上的，即数控机床，当你在用 Seaborn 或 Pandas 中的 df.plot() 时，是制造机器的机器，用的其实是别人用 Matplotlib 写的代码。因此，是体现综合实力的重要基础性产业，工业母机的技术水平代表了工业的整体水平，小到家居用品，到重工机械或精密仪器，都离不开工业母机的生产制作。
从蒸汽时代到工业时代再到信息时代，技术时代的变革是一脉相承的，新的技术体系必然是在原有的技术土壤中新生，信息时代的高速发展，很容易让人忽略承载信息技术的基础产业，如果说信息技术是这个时代的上层建筑，那工业制造，便是技术基础；上层建筑再精美，一旦基础出了问题，整个体系会走向崩析，由此看来，在信息技术过热发展的当下，重视基础工业，是必然之举。
二、数字化时代新机遇
我国的工业母机水准如何呢？
从生产量和消费量来看，机床规模都是全球最，但实际上，我国机床行业却是“而不强”。
从产品来看，低端数控机床国产化率已高达近90%，中端产品也已经到60%以上，但高端产品国产化率仍低于10%；从价格来看，差距相当明显，海关总署数据显示，2020年全年机床进口均价达到每台6.044万美元，出口均价却只有290美元每台；中低端泛滥，高端稀缺，是目前的行业处境。
随着世界智能制造装备技术的快速发展，高精、高速、高效、高稳定性成为数控机床的主要衡量指标，也是行业现阶段技术研发的焦点，由于具备一定的数字技术体系，让高端数控机床在功能领域上有了更多的可能性，而原有技术特点与数据、人工智能技术体系的契合度很高，AI赋能价值凸出。
三、智能硬件潜力凸显
随着数据与AI技术的快速发展，人工智能已经逐渐下沉到极为细致具体的应用场景之中，而基于AI功能的智能硬件已经逐步取代传统硬件设施，越来越多的细分行业与垂直领域实现了数字化改造，完成了在数字时代的转型升级。
工业母机是最早实现半智能化的硬件设备之一，时至今日，在新技术不断迭代、AI日益普及的趋势下，不仅仅是工业母机，各个行业在未来都将在一个由新型智能硬件构建的平台上进行广泛、高效地互通互联。
万物互联，是已然在发生的变革，而这股潮流之下，智能硬件作为产业基础，其潜力不言而喻。
