数据可视化个人工具链：Matplotlib、Plotly 与 Mermaid 选型（横纵综合报告） 未开始

题记与说明

时间截面：2026-11-06
综合自：纵轴章《数据可视化个人工具链：Matplotlib、Plotly 与 Mermaid 选型——纵轴发展史》与横轴章《——横轴对比报告》（均在本课题 parts 目录）。两章的重复叙述已合并，口径分歧已用本会话的注册表复核结果调和，调和记录见文末附录。
核验声明：横轴章的版本号、星数、许可证为撰写会话内经 PyPI / npm / GitHub API 实查所得；本综合稿在 2026-11-06 当日对两章有分歧或置信度存疑的日期做了第二轮复核（curl + PyPI/npm/GitHub API，命令与结果见文末"核验记录"），并据此修正了纵轴章两处时间线误记（Mermaid v12 发布时间、Dash 4.5.0 时间）。凡属检索摘要、未经直接核验的条目，文中均如实标注。修订稿（本文件）另按独立审读意见，于同日修订会话内补核了 pyecharts 星数、Mermaid 的 npm latest 口径、mermaid-cli 与 mermaid 核心库的依赖对应、plotly.js 4.0.0 本体发布时间与 plotly.py 7.1.0 的 kaleido 依赖约束（核验记录第 7–9 条）。
本课题倾向：静态报告优先。

TL;DR

三件套不是三选一，而是工具链的三个正交层位：Matplotlib 管出版级静态数据图，Plotly 管交互式 Web 数据图，Mermaid 管 Markdown 结构图。选型问题纵轴上被四次改写：MATLAB 搬家→静态还是交互→图进版本控制→人写还是 AI 写。当下三者均活跃维护、许可全宽松，各自是其赛道的事实标准或头部玩家。静态报告优先的推荐组合：Matplotlib+Seaborn 出版输出、Plotly+Kaleido 交互兼静态兜底、Mermaid+mermaid-cli 结构图。最大共性短板：Plotly 与 Mermaid 的静态导出依赖 Chromium，Matplotlib 是唯一天然的出版级出口。

一、纵轴：发展脉络（2003 → 2026-11-06）

1.0 前提：三条并行又交汇的工具线

本课题的"个人工具链"由三个定位互补的库构成：Matplotlib 是 Python 生态的静态绘图基石，面向出版级图形、论文与报告插图；Plotly（plotly.py / plotly.js / Dash）面向交互式 Web 图形与数据应用；Mermaid 是"图表即代码"（diagram-as-code）的结构图渲染器，服务于 Markdown 文档。三条线不是一条直线：Matplotlib 与 Plotly 争夺"数据图"这一层（静态 vs 交互），Mermaid 则开辟了"结构图"这一层（画数据 vs 画结构）。二十多年的选型话语，随三条线的能力扩张而不断被改写。

1.1 前史（1990s–2002）：MATLAB 的一统与 Python 的空白

在 Python 可视化成熟之前，科研圈的数据绘图事实上被 MATLAB 垄断。John D. Hunter（1968–2012）本是一位神经生物学家，长期用 MATLAB 分析 EEG 数据；当分析应用复杂到需要操作数据库、HTTP 服务时，MATLAB 作为编程语言的短板暴露，他决定整体迁往 Python——却发现"找不到一个合适的 2D 绘图包"。他在官方历史文档（2008 年写成，至今仍挂在 matplotlib.org）里写道：找不到就自己写，"像任何一个自重的 Python 程序员会做的那样"（Matplotlib 官方历史）。

同一时期，结构图的缺位由 AT&T 的 Graphviz（dot 语言传统）等工具填补——"用文本描述图、由程序渲染"的范式早已有之，这为后来 Mermaid 的出现提供了概念母版。

1.2 阶段一（2003–2011）：Matplotlib 单极时代

关键节点：2002–2003 年，Hunter 把 Matplotlib 作为 IPython 的一个补丁起步，目标是让 Python 具备 MATLAB 式绘图；2003 年发布 0.1 并开源（Wikipedia: Matplotlib）。2007 年，Hunter 发表论文 *Matplotlib: A 2D Graphics Environment*（Computing in Science & Engineering），成为日后几乎所有科学出版物的标准引用。2010 年 7 月 1.0 发布，标志库进入成熟期；此时它已绑定 NumPy/SciPy 生态，后来又成为 pandas .plot() 的默认后端。

形态的由来："出版级质量 + 可嵌入 GUI + 代码可扩展 + MATLAB 式语法"这四个来自 Hunter 本人的需求，定义了库的形态——pylab 接口模仿 MATLAB，Agg/PS/SVG/PDF 等后端负责渲染（官方历史）。

选型话语：这一阶段所谓"选型"，实质是"要不要从 MATLAB 搬家"。Matplotlib 的答案是：语法上让你无痛搬家。

1.3 阶段二（2012–2016）：三线并起——创始人离世、商业公司入场、文本绘图萌芽

• 2012 年 8 月：Hunter 因癌症去世。Michael Droettboom 在其生前被提名为首席开发，Thomas Caswell 随后加入核心团队；Matplotlib 成为 NumFOCUS 财政赞助项目，并设立 John Hunter Technology Fellowship（Wikipedia；NumFOCUS）。创始人离世没有导致项目停摆，反而催生了更制度化的社区治理。
• 2012 年：Plotly 公司在蒙特利尔成立，四位创始人为 Alex Johnson、Jack Parmer、Chris Parmer、Matthew Sundquist，走"在线图表 + 科学绘图库"路线，2013 年登上 PyCon startup row，随后完成 550 万美元 A 轮（Wikipedia: Plotly）。
• 2013 年：Continuum Analytics（Anaconda 母公司）发布 Bokeh，主打浏览器端交互可视化，成为 Plotly 之外交互路线的又一选项（据检索摘要核对）。
• 2014 年：瑞典软件架构师 Knut Sveidqvist 发布 Mermaid 初版——起因之一是他丢失了一个 Visio 文件，遂决定用 Markdown 式文本定义图表，让图"活在文档里"；名字致敬《小美人鱼》的北欧血统（Taskade: History of Mermaid；Wikipedia: Mermaid)）。同期 PlantUML（2009 年前后）等文本绘图工具已培养出第一批用户。
• 2015 年：Plotly 将底层渲染引擎 plotly.js 开源（构建于 d3.js 之上），支持 40+ 图表类型，成为 plotly.py / plotly.R / Julia 等语言绑定的共同底座（Wikipedia: Plotly；plotly.com/javascript）。
• 2016 年：华盛顿大学交互数据实验室发布 Vega-Lite 1.0，Jake VanderPlas 与 Brian Granger 随即推出 Python 绑定 Altair——声明式可视化范式进入 Python（Vega-Altair GitHub；Vega-Lite 1.0 公告）。

驱动因素：Jupyter Notebook（2014–2015 年由 IPython 演化而来）把"代码 + 图 + 文字"装进同一个画布，交互图的价值被放大；d3.js（2011）引爆的 Web 可视化浪潮让"图应该能在浏览器里转起来"成为新预期。

选型话语：从"用哪个静态库"变成"静态还是交互"。Plotly 早期要求图表上传云端账户，让不少个人用户敬而远之——这个痛点要到 2019 年才被解决。

1.4 阶段三（2017–2019）：现代化改造与 "Express First"

• 2017-01-17：Matplotlib 2.0 发布，重做默认样式与配色（style 机制），正面回应"matplotlib 图丑"这个常年抱怨（What's new in 2.0）。
• 2017 年：Plotly 发布开源框架 Dash，用纯 Python（底层 React）构建分析型 Web 应用，成为公司企业业务的旗舰（Wikipedia: Plotly）。
• 2018-09-18：Matplotlib 3.0 发布，进入 3.x 时代（What's new in 3.0）。
• 2019-03-20：Nicolas Kruchten 发布 Plotly Express 技术预览（独立包 plotly_express）——一个高层、声明式的速绘 API（Introducing Plotly Express）。
• 2019-07-09：plotly.py 4.0 发布，口号是 "Offline Only, Express First"：Plotly Express 并入主包成为 plotly.express，同时全面转向本地离线渲染，不再强制云端上传；make_subplots 重做（官方 Medium 公告；社区公告）。

选型话语：2019 年是本课题的关键转折——plotly.py 4.0 之后，"matplotlib 快而糙、plotly 好看但要传云"的旧刻板印象同时被两边削弱，两者的对比开始回归本质：静态出版流程选 Matplotlib，探索交互选 Plotly。

1.5 阶段四（2020–2022）：文档即代码与 GitHub 转折点

• Matplotlib 沿 3.x 稳定节奏推进（3.5 于 2021-11 发布），并跟进 NEP 29 / SPEC 0 等科学 Python 社区版本支持政策，发布节奏趋于可预期。
• 2021-06-08 / 2021-06-21：plotly.js 2.0 与 plotly.py 5.0 先后发布；plotly.js 2.0 距 1.0 已有五年、177 个版本迭代；plotly.py 5.0 引入联邦式 Jupyter 扩展、冰柱图等（Announcing Plotly.js 2.0；Introducing Plotly.py 5.0.0）。
• 2022-02-14：GitHub 宣布在 Markdown 中原生渲染 Mermaid——代码块标注 mermaid 语言即可直接出图，由 GitHub 内部渲染服务 Viewscreen 交给 Mermaid.js 在浏览器端 iframe 中渲染（GitHub Blog）。这是 Mermaid 历史上最重要的单一事件：README、issue、PR 里的图从此可以随代码一起版本化。GitLab、Notion、Obsidian、VS Code、Azure DevOps 等随后跟进原生支持（据检索摘要核对，汇总）。

驱动因素：疫情期远程协作把文档推向"文档即代码"（docs-as-code）主流；架构图必须能 diff、能评审、能随 PR 演进，二进制画图文件（Visio/draw.io 源文件）跟不上这套工作流。

选型话语："结构图怎么画"的默认答案在 2022 年被改写为：能写 Mermaid 就写 Mermaid。三条工具线的分工自此清晰化——Mermaid 管结构图，Matplotlib/Plotly 管数据图。

1.6 阶段五（2023–2024）：AI 前夜、破坏性重构与商业化

• 2023-03：Mermaid v10 发布，转向 ESM-only 打包，放弃 UMD/CommonJS，导致 Electron 应用、mkdocs-material 等下游生态被迫延迟升级；mermaid.init() 弃用、mermaid.run() 上位——现代化是有代价的（GitHub discussion #4148；mkdocs-material issue #5217）。
• 2023 年：Mermaid 开源项目据称已拥有超过 800 万用户（据检索摘要，TechCrunch 2024 年 3 月报道口径）；Sveidqvist 围绕项目成立商业公司 Mermaid Chart。
• 2024-03：Mermaid Chart 宣布 750 万美元种子轮，投资方含 OCV（Open Core Ventures）、Sequoia Capital 与微软 M12（据检索摘要，本次未直接打开原文核对）。
• 2024-05-15 / 2024-12-13：Matplotlib 3.9 与 3.10 发布；同年 NASA 向 Matplotlib 拨款资助其持续开发，作为其资助广泛使用的开源科学软件计划的一部分（官方发布索引；Wikipedia）。
• 2024-08-23：Mermaid v11 发布，新增 packet 图、时序图双向箭头等类型（官方博客）。
• Plotly 侧：与 Databricks 的深度合作（2024 年度 Customer Impact Partner of the Year），企业业务持续扩张（据检索摘要，Yahoo Finance）。

驱动因素：LLM 的兴起是本阶段最深的暗流。大模型生成文本天然适合生成 Mermaid 的标记语言（简短、声明式、容错），GitHub 上的原生渲染又给了这些文本即开即用的出口；而 Matplotlib/Plotly 代码则成为 AI 编程助手"现场出图"的标准产物。"文本进、图出"的三件套在此完成了一次意外的价值重估。

1.7 阶段六（2025 → 2026-11-06）：当前截面——解绑 pandas、字体大修、Mermaid v12 换血

本阶段的日期均经本会话注册表复核（PyPI 上架时间 / GitHub Releases 发布时间），修正了纵轴章原有的两处摘要口径误差，详见文末核验记录。

• 2025-02-04：Plotly 三连发：plotly.js 3.0、plotly.py 6.0、Dash 3.0.0rc1。plotly.py 6.0 的核心变化是基于 Narwhals 重写 DataFrame 支持——pandas、Polars 等 DataFrame 库原生可用，plotly 正式与 pandas 解绑；旧式 Jupyter Notebook 集成被弃用（社区公告；v6 迁移指南；Narwhals 公告）。
• 2025-09-18：Mermaid 11.12.0 发布（GitHub Releases 核验）——11.x 进入收官期。
• 2026-03-09：Mermaid 11.13.0 发布（GitHub Releases 核验），官方博客称其为"最打磨的一次发布"，新增雷达图等两种新图类型（官方博客）。
• 2026-06-11：Matplotlib 3.11.0 发布（官方公告口径；PyPI 上架时间为 06-12），主题是文本与字体处理体系的整体翻修（升级捆绑的 FreeType、改善渲染一致性与无障碍配色）——这个"最不性感却最根本"的方向恰恰是出版级工具的护城河（What's new in 3.11.0）。此后 3.11.1（07-17/PyPI 07-18）、3.11.2（09-10/PyPI 09-11）为 bugfix 版，3.11.2 即当前稳定版（发布索引）。
• 2026-08-25：plotly.py 7.0.0 上架 PyPI（本会话核验），内置 plotly.js 4.0.0（plotly.js 4.0.0 本体于 2026-08-24 发布，修订会话经 GitHub Releases 核验，见核验记录第 8 条），引入新 trace 类型、Quiver 图、更新的默认样式与 TypeScript API；官方社区随后发布综合发布说明（plotly.js 4 + plotly.py 7 综合说明；官方博客 12 months in review）。2026-09-15 plotly.py 7.1.0 上架（本会话核验），为当前 PyPI 最新版。
• 2026-09-10：Mermaid v12.0.0 发布（GitHub Releases 核验），属破坏性大版本：默认布局引擎从 dagre 切换为 ELK、引入新默认主题、要求 ES2024 / Safari 17.4+ / Node 22.12+；包结构拆分出 @mermaid-js/tiny 等轻量子包，@mermaid-js/layout-elk 并入核心并自动注册（GitHub Releases；layouts 文档）。此后升级密集：12.1.0（10-02）、12.2.0（10-13）、12.3.0（11-03，当前 npm latest——npm 口径为修订会话经 registry.npmjs.org 复核，见核验记录第 7 条）。
• Plotly 生态侧线：Dash 进入 4.x，最新 release v4.5.0（2026-10-29，本会话经 GitHub API 核验）；2026 年还出现 MCP 框架支持、Plotly Cloud 免费分享、Plotly Studio Embedded（2026-08）等 AI 相关动作（plotly.py releases；roadmap changelog；此段产品动作为检索摘要口径）。

驱动因素：DataFrame 生态多元化（Polars 冲击 pandas 默认地位）迫使绘图库做中间层抽象；前端工具链现代化（ESM、新运行时门槛）倒逼两个 JS 系项目（plotly.js、Mermaid）交替进行破坏性升级；AI Agent 与数据应用融合成为 Plotly 的商业化叙事。

1.8 纵轴收束：选型问题的四次改写

把三条线叠在同一条时间轴上，"选型"问题的提法经历了四次改写：

1. 2003–2011："要不要从 MATLAB 搬到 Python？"——Matplotlib 用兼容语法回答了它；
2. 2012–2019："静态还是交互？"——plotly.js 开源 + 4.0 离线化 + Express 并入，让交互路线第一次在个人工具链里"零摩擦"；
3. 2020–2022："图能不能进文档的版本控制？"——GitHub 2022-02-14 原生支持 Mermaid 后，结构图全面转入 text-first；
4. 2023 至今："人写还是 AI 写？"——Mermaid 成为 LLM 输出结构图的事实标准，Matplotlib/Plotly 代码则由 AI 现场生成，选型重心从"学哪个语法"转向"哪条产线的下游渲染最可靠"。

关键版本速查表（标 \* 的日期经 PyPI / GitHub API 复核；其中 Mermaid 12.3.0 的 npm latest 口径另经修订会话 npm registry 复核，见核验记录第 7 条）：

局限说明：Mermaid Chart 融资金额、Mermaid 用户数、Plotly 的 Databricks 合作与 2026 年产品动作来自检索结果摘要，未能逐一打开原文核对，已在文中标注；纵轴章原记"Mermaid v12 于 2025 下半年发布"经本会话 GitHub Releases 核验修正为 2026-09-10；纵轴章原记"Dash 最新 4.5.0（2026-07）"修正为 release 发布于 2026-10-29。

二、横轴：横向对比（2026-11-06 时间截面）

2.1 对比方法与竞品地图

课题本质不是"三选一"，而是三个互补层位的组合，因此横轴采取"分赛道对比 + 统一维度"：为 Matplotlib 找同赛道竞品（Seaborn、Bokeh、Altair、ECharts/pyecharts、D3.js），为 Plotly 找同赛道竞品（Bokeh、Altair、ECharts/pyecharts、D3.js），为 Mermaid 找同赛道竞品（PlantUML、D2、Graphviz）；统一用五个维度横切：能力、成本、生态、成熟度、适用场景。

数据图表（数值驱动）
├── 静态/出版向：Matplotlib（+Seaborn）、Gnuplot、TikZ(PGF)
├── 交互/Web 向：Plotly、Bokeh、Altair(Vega-Lite)、ECharts(pyecharts)、D3.js、Observable Plot
└── 语法桥接层：pandas.DataFrame.plot（底层即 Matplotlib）

示意图/结构图（文本驱动，Diagram-as-Code）
├── Mermaid：Markdown 生态默认，GitHub/GitLab/Notion/Obsidian 原生渲染
├── PlantUML：UML 全家桶老将，表达力最强，Java 依赖
├── D2：新一代声明式，主打美观与布局引擎（ELK/TALA），MPL-2.0
└── Graphviz(DOT)：40+ 年历史的自动布局基石，低层语法

范围说明：这张地图刻意画得比下文的对比范围宽——Gnuplot、TikZ(PGF)、Observable Plot 属于全景参照系（分别代表传统静态出版与 Web 原生可视化的一席），但不进入 2.3–2.6 的逐项对比、短评与场景速查；下文只对"个人工具链"决策真正有影响的条目做逐项比较。

2.2 三主角画像（星数与推送时间经本会话 GitHub API 复核，数值与横轴章一致）

核验方式：curl https://pypi.org/pypi/<pkg>/json、curl https://registry.npmjs.org/<pkg>/latest、curl https://api.github.com/repos/<org>/<repo>（本会话内执行，见文末核验记录）。

mermaid-cli 与 mermaid 核心库的版本对应（回应"锁定 CLI 是否等于锁定渲染行为"）：mermaid-cli 12.2.0 在 npm 上声明的核心依赖是 mermaid@^12.2.0（修订会话经 registry.npmjs.org/@mermaid-js/mermaid-cli/12.2.0 实查，见核验记录第 7 条）。按 semver 语义，^12.2.0 允许 12.3.0 进入——也就是说，不带锁文件地安装 CLI 12.2.0，实际会拉到当前最新的 mermaid 12.3.0；"锁 CLI"只锁住了 CLI 自身的代码，渲染行为仍随核心库漂移。要真正锁定渲染行为，需用 package-lock.json 等锁文件把 mermaid 的解析版本一并钉死（落地做法见第三节末"最小可用配置"）。

2.3 总对比表

总对比表按赛道拆成两张子表（原单表 11 列过宽，不利阅读）。

（一）数据图赛道

（二）结构图赛道（Diagram-as-Code）

\* 星数口径分层说明：三主角（Matplotlib、plotly.js、Mermaid）为 2026-11-06 综合会话经 GitHub API 复核，数值与横轴章一致（见核验记录第 4 条）；pyecharts 的 15,781 为修订会话补核（见核验记录第 7 条）；其余竞品（Seaborn、Altair、Bokeh、D3.js、PlantUML、D2）沿用横轴章撰写会话的 GitHub API 实查值，本综合稿未逐一复核；Graphviz 未逐一核验仓库，不作为结论依据。

2.4 逐维度对比

能力。Matplotlib 是 Python 生态里可控性最高的绘图库：从折线柱状到 3D、等高线、矢量场全都能画，且可以通过 rcParams、style、pgf/LaTeX 后端把一张图打磨到出版社排版要求。它的哲学是"每个像素都听你的"，代价是常用 API 冗长、figure/axes/artist 多对象模型需要学习；3.11 系列刚完成文本渲染管线大改（What's new 3.11.0），说明它仍在活跃迭代底层能力。Plotly 的强项是交互与 3D：缩放、悬浮提示、图例开关、子图联动开箱即用，WebGL 支撑散点图大数据量渲染，且提供 Dash 框架把图表升级为 Web 应用——有评测认为"Plotly 的 3D 与交互是 Python 生态里做得最好的"（Beyond Matplotlib and Seaborn）；另一篇面向科学绘图的对比也把 Plotly 的 3D 能力评为 "Native & Powerful"，而 Bokeh 仅为 "Very Limited"（ajmani.dev）。弱项是静态出版质量：Kaleido（MIT，当前 1.5.0）可导出 PNG/SVG/PDF（官方文档），但字体微调与出版级排版控制仍不如 Matplotlib，且 Kaleido v1 重构后 API 有过不兼容变化（6.1 变更说明）。Mermaid 的能力边界与另外两者不在一个量纲——它不画数据图，而是把文本渲染成流程图、时序图、甘特图、ER 图、状态图等 20+ 种结构示意图（官方文档）；独特能力是"嵌在 Markdown 里自动渲染"：GitHub、GitLab、Notion、Obsidian 均原生支持 `mermaid 代码块，无需任何插件（GitHub 官方文档；2026 平台支持盘点）；限制是复杂布局控制弱于专门工具，图大了容易乱。同赛道看：Seaborn（0.13.2）是 Matplotlib 的统计图形高层封装，脱不开 Matplotlib 天花板；Altair（6.3.0）走 Vega-Lite 声明式路线，几十行代码得到带交互的图；Bokeh（3.10.2）主打大数据量与流式更新，多篇评测认为其在大数据/流式上强于 Plotly——pauliacomi 之外，ajmani.dev 也把百万点级大数据场景评给 Bokeh（"Excellent (via Server)"，Plotly 仅 "Moderate (WebGL required)"）（Plotly vs. Bokeh；ajmani.dev），但 Bokeh 生态与上手面更窄；ECharts（6.1.0，Apache-2.0，67,683 星）是商业图表能力最全的开源库之一，pyecharts（2.1.0）是其 Python 封装；D3.js 是 Web 可视化的"汇编语言"，上限最高、成本也最高。

成本。许可成本：三者全部宽松许可——Matplotlib 为基于 PSF 的 BSD 兼容许可证（官方许可页），且绘出的图不受许可约束（官方论坛确认）；plotly.py 与 Kaleido 均 MIT（社区确认、PyPI）；Mermaid MIT。Plotly 公司的商业产品线（Dash Enterprise、Plotly Studio）是另一回事，不影响开源库本身。学习成本：Mermaid < Seaborn/Altair < Plotly Express < Matplotlib < D3，Matplotlib 是三主角中最高的。运行依赖成本：Matplotlib 最轻（pip 即装）；Plotly 若要静态导出需 Kaleido 拉起 Chromium，这是"静态报告优先"视角下最需权衡的成本点；Mermaid 的官方静态导出工具 mermaid-cli（12.2.0）同样依赖 Puppeteer/Chromium；PlantUML 需要 Java 运行时，在个人工具链里是额外负担（2026 图表即代码对比）。

生态。Matplotlib 是整个 Python 数据栈的地基——pandas 的 .plot()、Seaborn、xarray、scikit-learn 内置可视化全部构建于其上；有评测据此认为它的兼容性是 Python 绘图库里最好的（Reflex Top 10（2026））。Plotly 的生态重心在"交互交付链"——Plotly Express 语法糖、Dash 应用框架、Kaleido 静态导出，2026 年还推出 AI 辅助的 Plotly Studio（官方 changelog）。Mermaid 的生态重心在"文档平台渗透率"——GitHub/GitLab/Notion/Obsidian/VS Code/Confluence 原生或插件支持（集成指南），91,020 星的量级远超两个 Python 竞品，反映它已成长为 Markdown 世界的"示意图事实标准"。横向观察：星数维度上 D3（113,875）与 ECharts（67,683）的全球影响力大于 plotly.js（18,376），但它们不提供 Python 原生 API 或远不够顺手；pyecharts（15,781 星，修订会话经 GitHub API 复核，见核验记录第 7 条）在中文社区的活跃度值得作为 Plotly 的备选记入工具链。

成熟度。三主角均为 10 年以上项目且在 2026-11-06 截面当日仍在高频提交（matplotlib 与 mermaid 最近推送 2026-11-05，plotly.js 为 2026-10-29，本会话复核一致），无维护风险。版本节奏：Matplotlib 3.11.x 在 2026 年内发了三个版本；Plotly 在 2026 年 8–9 月完成 plotly.js 4.0 + plotly.py 7.0 的大版本同步；Mermaid 一年内从 11.13 推进到 12.3，节奏偏快——对个人工具链意味着升级时需留意渲染行为变化。"升级后旧图渲染/观感变化"在 Mermaid 的升级史上屡有实例：v12 官方把默认布局引擎从 dagre 换成 ELK，旧流程图会被重排（GitHub Releases；layouts 文档）；v10 的 ESM/API 破坏曾迫使下游推迟升级（discussion #4148；mkdocs-material #5217）；下游社区亦有升级后 Mermaid 图配色失效的反馈（Obsidian 论坛）。把这一模式概括为"著称"，是作者基于上述案例的经验判断，而非系统统计。替代方案中，Graphviz/PlantUML 是二十年级老将；D2（现迁移至 d2lang/d2 组织，25,798 星，MPL-2.0）年轻但增长快，2026 年评测已将其列入主流推荐（D2 官方 FAQ；Diagrams as Code 2026 landscape）。

2.5 替代方案逐项短评

• Seaborn（0.13.2，BSD-3）：Matplotlib 的"统计皮肤"，不是替代而是上层；个人工具链建议与 Matplotlib 绑定使用。
• Altair（6.3.0，BSD-3）：声明式语法的优雅之选，交互零成本；但社区资料与定制上限不如 Plotly（Aleksei Aleinikov 2026-09 评测）。
• Bokeh（3.10.2，BSD-3）：交互应用与大数据场景强手。对"能否替代 Plotly"，pauliacomi（2020）给出的答案是"分场景，无全局最优"；后来的对比文章持同一立场——Plotly 适合作为通用默认（"the better starting point"），Bokeh 则在流式数据、自定义科学工具等服务端场景占优（"Bokeh shines in specific niches: streaming data…"）（Fastero；ajmani.dev）。
• ECharts 6.1 / pyecharts 2.1：交互图表能力最全的开源库之一；Python 封装成熟度略逊于 Plotly 官方维护力度。
• D3.js（ISC）：可视化世界的"乐高积木"，个人工具链中仅在有定制产品需求时引入。
• PlantUML（LGPL-3.0）：Mermaid 的最大功能竞品；共识是"Mermaid 因无处不在而成为默认，PlantUML 是 UML/时序密集图的主力"（beauty-diagram 2026）。
• D2（MPL-2.0）：Mermaid 的"美观升级"选项；当输出面向人看的设计文档时优于 Mermaid，但平台原生渲染支持远不及 Mermaid（codepic 2026 对比；Text-to-Diagram 同题对比）。
• Graphviz（DOT）：自动布局的基石，许多工具（含 PlantUML 部分、D2 的可选引擎）构建其上；裸用语法低层，个人工具链一般不直接面对。

2.6 场景 → 首选速查（静态报告优先视角）

三、交叉洞察：两轴结合说明了什么

洞察一："三件套"是二十多年收敛出的正交分层，不是拼凑

纵轴显示，三条线分别在三个不同年代解决三个不同问题：2003 年的 Matplotlib 解决"Python 没有出版级绘图"，2015 年开源的 plotly.js 解决"交互图没有语言无关底座"，2014 年诞生、2022 年被 GitHub 收编的 Mermaid 解决"结构图无法随文档版本化"。横轴则显示，2026 年截面上每一层都找不到"同时替代两者"的竞品：Seaborn/Altair/Bokeh 没有一个同时给出"出版级控制力 + Python 全生态兼容"，PlantUML/D2 再强也进不了 GitHub 原生渲染。两轴互证的结论是：这组选型不是三个工具的偶然相遇，而是市场在三个正交层位上各自收敛出的"事实标准或头部玩家"——所以正确的心智模型是"分层路由"，而不是"主备替换"。

洞察二：平台渗透率压倒技术上限——选型的第一变量在工具之外

纵轴的每次范式改写，触发器都不是工具本身的能力升级，而是平台事件：Jupyter 把"代码+图+文字"装进同一画布，交互图的价值才被放大；GitHub 2022-02-14 的一次功能发布，就让 Mermaid 从"又一个文本绘图工具"跃升为 Markdown 世界的默认；LLM 的兴起则让"文本进、图出"的三件套整体价值重估。横轴给出了同一规律的最直观数据：表达力更强、UML 词汇量更大的 PlantUML（13,401 星）和美观度更高的 D2（25,798 星），都输给了"哪里都能渲染"的 Mermaid（91,020 星）。对个人用户的推论很直接：选型时先问"我的图最终在哪里被看"，再问"哪个工具画得好"——下游渲染平台的渗透率，比工具的技术上限更能决定长期收益。

洞察三：静态导出是全链路的共同软肋，恰是"静态报告优先"者的主战场

把两章的能力表叠在一起看，会发现一个被分开叙述时各自不明显、合并后立刻凸显的事实：三件套里只有 Matplotlib 的静态导出是一等公民。Plotly 的静态导出要走 Kaleido（额外拉起一份 Chromium，且 v1 重构后 API 出过不兼容变化），Mermaid 的静态导出要走 mermaid-cli（同样基于 Puppeteer/Chromium）；换言之，整条工具链要产出印刷级 PNG/PDF/SVG，有两条路都压在"无头浏览器"这个又重又脆的依赖上。Matplotlib 3.11 在 2026 年做的"字体与文本管线大修"则是在持续加固它天然的那一段。这对"静态报告优先"的本课题倾向是决定性的：Matplotlib 不是三件套之一，而是三件套的锚——任何图（包括 Plotly 图和 Mermaid 图的导出物）最终都要落到"能可靠打印"的静态形态上，而链上只有 Matplotlib 这一段是从未需要借道浏览器的。

洞察四：升级节奏差异决定版本策略——Matplotlib 慢、Plotly 中、Mermaid 快

横轴的成熟度数据放到纵轴上看，三个工具的风险画像完全不同：Matplotlib 二十余年间破坏性大版本跨越仅 3 次（0.x→1.0→2.0→3.0，其中 2.0 重做默认样式、3.0 进入 3.x 时代），其余年份保持小步节奏，且受 NEP 29 / SPEC 0 政策约束，个人用户几乎可以无脑跟随；Plotly 2021/2025/2026 三年三大版（5.0/6.0/7.0），破坏点集中在 Jupyter 集成与 Kaleido，核心绘图 API 相对稳定，跟随升级的成本可控；Mermaid 则在三年内做了两次破坏性现代化（v10 弃 UMD/CommonJS、v12 换默认布局引擎 ELK 并抬高运行时门槛），且"升级后旧图渲染/观感变化"屡有实例（证据见 2.4 成熟度节；"著称"云云为作者经验判断）。据此，个人工具链的版本策略应当差异化：Matplotlib 跟随最新，Plotly 跟随大版本并同步看 Kaleido 变更说明，Mermaid 锁定大版本、升级前先批量重渲染旧图做 diff。

洞察五：AI 把选型重心从"学语法"改写为"管产线"

纵轴第四次改写（"人写还是 AI 写"）与横轴的学习成本数据交叉后，得到一个对投入方向很有指导性的结论：三个工具恰好都是"文本进、图出"的产物，都处在 LLM 最擅长生成的那类输出上——Mermaid 语法面最窄、声明式、容错，因此是 AI 生成成功率最高、事实上已经标准化的结构图输出格式；Matplotlib/Plotly 代码则是 AI 编程助手"现场出图"的标准产物。这意味着个人用户继续重仓"背 API"的边际收益正在快速下降（AI 随时能写出正确的 plt.subplots 或 px.scatter），而上升的是另两件事：一是判断力——能一眼看出 AI 生成的图哪里在撒谎（截断的 y 轴、误导的配色、错误的聚合）；二是产线管理能力——版本锁定、静态导出兜底、渲染 diff 这些"下游可靠性"工作，恰恰是 AI 不会替你做的。

对用户的判断与建议（静态报告优先）

1. 采用横轴章的推荐组合，并按洞察三加一条锚定原则：Matplotlib + Seaborn（数据图静态产出）、Plotly + Kaleido（交互探索，可导出静态兜底）、Mermaid + mermaid-cli（文档示意图与静态导出）。三者许可均为宽松型（BSD 兼容/MIT），零许可成本，维护主体全部活跃（最近推送均在最近一个月内，见核验记录）。原则：任何新图先通过"静态导出测试"——验证它能无损落成 PNG/PDF/SVG，再决定是否进入工具链。
2. 默认路由规则：论文/PDF/印刷插图 → Matplotlib（快速统计图叠 Seaborn）；HTML 交付、3D、仪表盘 → Plotly；README/笔记/PR 里的流程图与时序图 → Mermaid；Mermaid 画乱了的复杂结构图 → 降级 PlantUML（重 UML）或 D2（重美感）；大数据流式应用 → Bokeh；中文商业大屏 → ECharts/pyecharts。
3. 版本策略按洞察四差异化：Matplotlib 跟随 3.11.x；plotly.py 大版本升级时同步核对 Kaleido 与 Jupyter 集成的变更说明；Mermaid 锁定 12.x——注意"锁 CLI ≠ 锁渲染核心"：mermaid-cli 12.2.0 声明依赖 mermaid@^12.2.0，semver 上允许 12.3.0 进入，须用锁文件把核心库一并钉死（见 2.2 与下文"最小可用配置"）；升级前对存量图做批量重渲染 diff（12.x 的 ELK 默认布局会重排旧图）。
4. 成本上接受但要知情：Kaleido 与 mermaid-cli 各自带一份 Chromium，磁盘与内存开销是这条工具链的主要"隐性税"；PlantUML 需要 Java，不建议作为个人链的默认携带项，按需临时使用即可。
5. 投入方向按洞察五调整：与其精修 API 记忆，不如投资两类能力——读图判断力（识别误导性可视化），以及渲染产线管理（锁定、导出、diff、评审），后者正是"静态报告优先"工作流里无法外包给 AI 的部分。

最小可用配置（读完即可落地）

Matplotlib：出版级静态输出 + 中文字体

import matplotlib.pyplot as plt

plt.rcParams["figure.dpi"] = 120            # 屏幕预览清晰度
plt.rcParams["savefig.dpi"] = 300           # 导出印刷级分辨率
plt.rcParams["font.sans-serif"] = ["Microsoft YaHei"]   # Windows 中文；macOS 用 PingFang SC，Linux 用 Noto Sans CJK SC
plt.rcParams["axes.unicode_minus"] = False  # 中文字体下负号显示修复

fig.savefig("out.png")   # 或 .pdf / .svg——导出不经过浏览器，这正是 Matplotlib 作"锚"的原因

3.11 的字体管线翻修改善了一致性，但"显式声明字体"仍是中文环境的第一原则：不写这两行，默认 DejaVu Sans 会在汉字位置显示方框、负号丢失。

Plotly + Kaleido：交互 + 静态兜底

pip install "plotly==7.1.0" "kaleido>=1.3"   # plotly.py 7.1.0 的 kaleido extra 要求 kaleido>=1.3.0（PyPI requires_dist 实查），当前 1.5.0 满足
plotly_get_chrome                            # Kaleido v1 起不再捆绑 Chrome，需一次性安装（Python 内等价写法：pio.get_chrome()）

import plotly.express as px

fig = px.scatter(px.data.iris(), x="sepal_width", y="sepal_length", color="species")
fig.show()                            # 交互视图：需 Jupyter Notebook ≥ 7 / JupyterLab（plotly.py 6 起不再支持更旧的 Notebook，FigureWidget 改基于 anywidget、需 pip install anywidget——见官方 v6 迁移指南）
fig.write_image("out.png", scale=2)   # 静态兜底：由 Kaleido 调本机 Chrome 渲染

Mermaid + mermaid-cli：结构图 + 锁版本

npm init -y
npm install -D @mermaid-js/mermaid-cli@12.2.0   # package.json + 锁文件把 CLI 与 mermaid 核心一起钉死
npx mmdc -i diagram.mmd -o diagram.svg -c mermaid.config.json

mermaid.config.json 里显式声明中文字体（导出由无头 Chromium 调用系统字体完成）：

{ "themeVariables": { "fontFamily": "Microsoft YaHei" } }

注意：不带锁文件时，CLI 12.2.0 声明的 mermaid@^12.2.0 会拉到当前最新的 12.3.0，渲染核心随之漂移——这正是 2.2 所说"锁 CLI ≠ 锁渲染核心"的落地含义。

四、参考来源

Matplotlib

• 官方历史（Hunter 2008 年自述）：https://matplotlib.org/stable/project/history.html
• 官方发布索引：https://matplotlib.org/stable/release/release_notes.html
• What's new in 2.0 / 3.0 / 3.11.0：https://matplotlib.org/stable/release/prev_whats_new/whats_new_2.0.0.html 、https://matplotlib.org/stable/release/prev_whats_new/whats_new_3.0.html 、https://matplotlib.org/stable/release/prev_whats_new/whats_new_3.11.0.html
• 官方许可页：https://matplotlib.org/stable/project/license.html
• 官方论坛（图输出的版权）：https://discourse.matplotlib.org/t/license-copyright-conditions-for-matplotlib-figure-output/22745
• GitHub Releases：https://github.com/matplotlib/matplotlib/releases
• Wikipedia: Matplotlib：https://en.wikipedia.org/wiki/Matplotlib

Plotly

• Wikipedia: Plotly：https://en.wikipedia.org/wiki/Plotly
• Plotly Express 公告（2019-03）：https://community.plotly.com/t/introducing-plotly-express/21165
• plotly.py 4.0 公告（2019-07）：https://medium.com/plotly/plotly-py-4-0-is-here-offline-only-express-first-displayable-anywhere-fc444e5659ee 、https://community.plotly.com/t/introducing-plotly-py-4-0-0/25639
• plotly.js 2.0 / plotly.py 5.0（2021-06）：https://community.plotly.com/t/announcing-plotly-js-2-0/53675 、https://community.plotly.com/t/introducing-plotly-py-5-0-0-a-new-federated-jupyter-extension-icicle-charts-and-bar-chart-patterns/54039
• plotly.js 3.0 / plotly.py 6.0 / Dash 3.0（2025-02）：https://community.plotly.com/t/new-releases-plotly-js-3-0-plotly-py6-0-dash-3-0-0rc1/90292
• plotly.js 4 + plotly.py 7 综合发布说明（2026）：https://community.plotly.com/t/comprehensive-release-notes-for-plotly-js-4-plotly-py-7/97691
• 官方博客 12 months in review（2026-09）：https://plotly.com/blog/12-months-in-review-september-2026
• v6 迁移指南（Narwhals、Notebook ≥ 7、anywidget）：https://plotly.com/python/v6-migration 、https://community.plotly.com/t/major-releases-of-plotly-and-dash-narwhals-dash-hooks-and-more/89272
• plotly.py GitHub Releases：https://github.com/plotly/plotly.py/releases
• 静态导出：https://plotly.com/python/static-image-export 、https://plotly.com/blog/kaleido-the-next-generation 、https://plotly.com/python/static-image-generation-changes
• Kaleido：https://github.com/plotly/Kaleido 、https://pypi.org/project/kaleido
• 许可社区确认：https://community.plotly.com/t/question-about-licenses-for-plotly-and-dash-documentation/90252
• Roadmap changelog（Plotly Studio 等）：https://roadmap.plotly.com/changelog
• Databricks 合作（2024）：https://finance.yahoo.com/news/plotly-wins-2024-databricks-customer-143000347.html

Mermaid 与 Diagram-as-Code

• GitHub Blog：Include diagrams in your Markdown files with Mermaid（2022-02-14）：https://github.blog/2022-02-14-include-diagrams-markdown-files-mermaid/
• Taskade: History of Mermaid：https://www.taskade.com/blog/history-of-mermaid
• Wikipedia: Mermaid (software)：https://en.wikipedia.org/wiki/Mermaid_(software)
• Mermaid v11 官方博客（2024-08-23）：https://mermaid.ai/blog/posts/mermaid-v11-is-out
• Mermaid v11.13 官方博客（2026）：https://mermaid.ai/blog/posts/mermaid-v11-13-0-two-new-diagram-types-and-our-most-polished-release-yet
• Mermaid v10 ESM 破坏性变更讨论：https://github.com/orgs/mermaid-js/discussions/4148 、https://github.com/squidfunk/mkdocs-material/issues/5217
• Mermaid GitHub Releases（12.x）：https://github.com/mermaid-js/mermaid/releases
• Mermaid ELK 布局文档：https://github.com/mermaid-js/mermaid/blob/develop/docs/config/layouts.md
• Obsidian 论坛：1.8.3 升级后 Mermaid 图配色失效反馈（2025-01）：https://forum.obsidian.md/t/mermaid-js-diagram-colors-are-now-broken-since-update-1-8-3/95690
• Mermaid 官方站：https://mermaid.js.org
• GitHub 官方文档（Mermaid 渲染）：https://docs.github.com/en/get-started/writing-on-github/working-with-advanced-formatting/creating-diagrams
• 原生渲染平台盘点（2026）：https://mermandraw.com/blog/where-mermaid-renders-natively
• 平台支持汇总：https://www.beauty-diagram.com/blog/which-tools-support-mermaid
• Mermaid 集成指南：https://www.mermaideditor.io/integrations
• Diagram-as-Code 横向对比：https://text-to-diagram.com/?example=text 、https://infrasketch.net/blog/best-diagram-as-code-tools-2026 、https://codepic.cc/blog/mermaid-vs-plantuml-vs-d2 、https://www.beauty-diagram.com/blog/diagrams-as-code-2026-landscape 、https://d2lang.com/tour/faq

竞品与第三方评测

• Vega-Altair GitHub：https://github.com/vega/altair
• Vega-Lite 1.0 公告：https://medium.com/hci-design-at-uw/introducing-vega-lite-438f9215f09e
• NumFOCUS John Hunter Technology Fellowship：https://numfocus.org/programs/john-hunter-technology-fellowship
• Plotly vs Bokeh 对比（ajmani.dev）：https://ajmani.dev/plotly-vs-bokeh-for-scientific-plotting
• Plotly vs Bokeh 对比（Fastero）：https://fastero.com/blog/plotly-vs-bokeh-interactive-python-charts
• Python 可视化横向评测：https://www.alekseialeinikov.com/en/blog/topics/programming/python-data-visualization-libraries 、https://reflex.dev/blog/top-10-data-visualization-libraries 、https://www.usedatabrain.com/blog/data-visualization-python-libraries 、https://pauliacomi.com/2020/06/07/plotly-v-bokeh.html 、https://medium.com/codex/beyond-matplotlib-and-seaborn-python-data-visualization-tools-that-work-3ef7f8d1500e

附录：本综合稿核验记录（2026-11-06，综合会话与修订会话内执行）

执行方式：curl + Python（-I 模式）解析注册表 JSON。目的：调和两章的口径分歧、修正纵轴章基于检索摘要的时间线误记；修订会话另按独立审读意见补核若干此前无出处或口径含混的条目（第 7–9 条）。

1. plotly.py 7.x 发布日（两章口径不一：纵轴章记 7.0.0 于 2026-08-25 上 PyPI、横轴章记"7.0 与 plotly.js 4.0 于 2026-09-18 前后同步发布"）
   • 命令：curl https://pypi.org/pypi/plotly/7.0.0/json、curl https://pypi.org/pypi/plotly/7.1.0/json
   • 输出：plotly 7.0.0 -> 2026-08-25T17:47:24Z；plotly 7.1.0 -> 2026-09-15T19:21:18Z
   • 结论：采用 PyPI 口径，7.0.0 于 2026-08-25 上架；横轴章"9 月 18 日前后"应为官方社区综合发布说明的成文时间，不是 7.0.0 的上架时间。
2. Mermaid v12 时间线（纵轴章记"v12 于 2025 下半年发布"，且自称确切日期未核实）
   • 命令：curl "https://api.github.com/repos/mermaid-js/mermaid/releases?per_page=100&page=1"（并取第 2 页，按 tag mermaid@x.y.z 匹配）
   • 输出：mermaid@11.12.0 -> 2025-09-18；mermaid@11.13.0 -> 2026-03-09；mermaid@12.0.0 -> 2026-09-10；mermaid@12.1.0 -> 2026-10-02；mermaid@12.2.0 -> 2026-10-13；mermaid@12.3.0 -> 2026-11-03
   • 结论：v12.0.0 实际发布于 2026-09-10，纵轴章"2025 下半年"为误记；11.13.0（2026-03）在 v12 之前，11.x 收官后 12.x 接棒，时间线理顺。
3. Matplotlib 3.11.x 日期口径：curl https://pypi.org/pypi/matplotlib/{3.11.0,3.11.1,3.11.2}/json → 上架时间分别为 2026-06-12 / 07-18 / 09-11，比横轴章所记公告日（06-11 / 07-17 / 09-10）统一晚一天，属"公告日 vs PyPI 上架日"的口径差，不是矛盾；正文采用公告日并注明 PyPI 口径。
4. 三主角星数/推送复核：curl https://api.github.com/repos/{matplotlib/matplotlib, plotly/plotly.js, mermaid-js/mermaid} → 23,427（推送 2026-11-05）/ 18,376（2026-10-29，MIT）/ 91,020（2026-11-05，MIT），与横轴章核验值完全一致。
5. Dash 版本（纵轴章记"4.5.0，2026-07"，检索摘要口径）：curl https://api.github.com/repos/plotly/dash/releases/latest → v4.5.0，发布于 2026-10-29；正文已按此修正。
6. 配套工具版本复核：curl https://pypi.org/pypi/kaleido/json → 1.5.0；curl https://registry.npmjs.org/@mermaid-js/mermaid-cli/latest → 12.2.0，与横轴章一致。
7. pyecharts 星数与 npm 口径补核（修订会话执行，回应审读意见）：
   • curl https://api.github.com/repos/pyecharts/pyecharts → 15,781 星、最近推送 2026-10-26、MIT——证实正文 2.4 所引"15,781 星"数值无误，并补上此前缺失的出处；
   • curl https://registry.npmjs.org/mermaid/latest → 12.3.0，证实正文"当前 npm latest"口径（此前附录第 2 条只覆盖 GitHub Releases 的发布日期，未覆盖 npm 口径）；
   • curl https://registry.npmjs.org/@mermaid-js/mermaid-cli/12.2.0 → dependencies 含 "mermaid": "^12.2.0"（以及 chalk、katex 等），用于 2.2 的 CLI↔核心版本对应说明。
8. plotly.js 4.0.0 本体发布时间（修订会话执行，回应审读意见）：curl "https://api.github.com/repos/plotly/plotly.js/releases?per_page=100" → tag v4.0.0 的 published_at 为 2026-08-24T20:57:00Z，即 plotly.py 7.0.0 上架 PyPI（2026-08-25）前一天；同页可见 plotly.js 当前最新为 v4.2.0（2026-10-29）。
9. plotly.py 7.1.0 与 Kaleido 的版本配对（修订会话执行，回应审读意见）：curl https://pypi.org/pypi/plotly/7.1.0/json → requires_dist 含 kaleido>=1.3.0（extra "kaleido"）；kaleido 当前 1.5.0 满足该约束。另据官方静态导出文档：Kaleido v1 起不再捆绑 Chrome，需经 plotly_get_chrome（CLI）或 pio.get_chrome()（Python）一次性安装（https://plotly.com/python/static-image-export）。

仍未核验的事项：Mermaid Chart 融资金额（750 万美元种子轮）、Mermaid 用户数（800 万）、Plotly 的 Databricks 合作细节、Plotly 2026 年产品动作（MCP 支持、Plotly Cloud、Plotly Studio Embedded）均为检索摘要口径，文中已标注；Graphviz 星数未核验；本报告为文献综述与注册表核验，未运行绘图类功能测试（课题性质不要求）。