在繪圖方面，Python 比 NodeJS 好用，首先 Python 繪圖庫多，而且 API 強大而完善。 NodeJS 還是少點，一些庫還沒測就放棄了，需要 window 支持，而我需要在后端執行。

最近一直在搞地面雷達的可視化工作。在研究如何將基數據可視化過程中，著實汲取了相當多的知識和技能。

傳統的雷達數據可視化采用圖片方式，同一時刻，雷達基數據會產生多種單站產品和組合產品，針對不同數據產品生成不同的圖像。這樣會產生大量的圖像數據和基數據，對數據容量是個考驗不說，圖像本身也非矢量，渲染效果總不是那么好。

所以最開始想用 GIS 的方式將數據直接渲染，理想中使用 Mapbox 是美麗的，省去了圖像數據，使用 Geojson Layer 在縮放過程中，都能清晰得看影像。但最終效果不然，明顯的一點是會存在空隙，即使將 Circle 放大尺寸，也達不到理想的效果。

最終除了風速風向數據（數據量小，而且不需要填充），其余的還是采用了傳統的圖片渲染方式。在接下去的過程中，我開始同時使用 NodeJS 和 Python 來實現。說真的，我越來越喜歡 NodeJS，他無所不能，從前端到后端，無孔不入。我已經開始慢慢從 Python 遷移到 NodeJS。在這個工作上，他的異步方式讓讀取文件，簡單快速，比 Python 好用多了。讓我在用 Python 實現的同時，也想用 NodeJS 寫一遍，如果可行的話，直接在后期將項目遷移到 NodeJS。

扯遠了，回到主題。大部分數據產品的生成方式是一樣的，總共會出現兩種情況。

第一種是分辨率為 620*490 格點數據，每個格點的值對應一種顏色。這種情況比較簡單，只需要創建一個寬高為 620x490 的圖像，然后修改對應格點坐標的顏色即可。

Python PIL 處理時間 1s，其中讀文件數據 80 ms

NodeJS pngjs 處理時間從讀取到繪圖 35ms

可謂差距明顯。

第二種是掃描一圈的數據，半徑等分 920 個圈，每圈再等分 372 個點數據，需要填充成圓弧的值對應一種顏色，這個是最效率最低的，因為每個圈等分后需要填充，涉及到圓弧的計算。

比較完美的做法就是使用 drawArc 方法，這樣能畫出一個完整漂亮的圓，計算 372×920 個圓弧，但是 Python PIL 庫的 arc 方法不支持浮點型的弧度值，從而不得不使用其他方法。對 Python 來說，繪圖的庫無非就是 Matplotlib 和 PIL 這倆，Matplotlib 使用了一下算是翻車了，等得我直接 ctrl c 了。

NodeJS 的畫圖庫很少，pngjs 無法繪圖。用了一個基于 graphicsmagick 的庫——gm，graphicsmagick 是一個強大的圖像處理程序，使用 C 寫的，有各種流行語言的 SDK。結果，翻車了，得花 10 幾分鐘才能處理完。順便我用了 Python 的 SDK，也挺慢，大概 10 秒，而且繪圖的時候，是完全并發的。本來以為相對慢是 Python 語言的性能導致的，然后用 C++ 的 SDK 寫了一下，運行也得花 7 秒，看了下 Python 的源碼，貌似 graphicsmagick 只映射了方法，最終還是調用了 C 的 graphicsmagick。

放棄了 drawArc 方法，那只能采用 drawPolygon 方法了，計算出圓環扇形四個點的坐標畫一個梯形，顯然最終的圓不是完整的圓，是一個 372 邊形，不過由于等分得很細，肉眼沒有那么清晰的分辨，幾乎等同于圓了。主要是省去了很多計算的時間。

graphicsmagick Python 畫 Polygon 性能還是得不到明顯的提升，而 node 的 gm 繼續翻車。用回了 PIL，他的 drawPolygon 方法支持浮點數據，處理完花了 1.3 秒，可謂很快了，而且是單核的，多進程下可以同時處理。NodeJS 使用了 svg.js 庫，但是處理過程中因為 svg 數據一直在添加 polygon 導致內存飆升了 2-3G，從 svg 轉換 png 也花了相同的時間，最終花了 5.8 秒。我想這算是用 NodeJS 處理最快的一次了。

在繪圖工作的過程中，嘗試了各種手段，從簡單理解圖像的原理到理解了繪圖的原理，獲益匪淺。目前來看，對于我的需求，NodeJS 還未能滿足，但是 NodeJS 并不是做不到，而是沒有好的工具。

總結

以上是生活随笔為你收集整理的python和node_Python和NodeJS绘图对比的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。