对于那些比我更熟悉这些工具的人，各种可用工具的优缺点是什么？现在我专门使用 Tecplot 进行 CFD 可视化，但它还有很多不足之处。矢量图形还可以，但不是很好，我不清楚如何让 LaTeX 正确生成原始字体。对于 2D 线图，我更喜欢 python/matplotlib 用于具有出色 LaTeX 可操作性的 pgf 图形，但 python 缺乏流场可视化的东西。在 Tecplot 中编写脚本是可以的，通过录制宏并编辑它们，复制相同的图形但使用不同的数据非常容易。它也很容易启动和运行。Paraview 和 visit 我没有用过任何重要的东西，而且他们似乎有很高的进入门槛。
对我来说，matplotlib 需要更多的学习才能开始，但在那之后，您可以在眨眼之间产生出色的出版质量矢量图，比在 Matlab 中更快更好。与 Tecplot 相比，paraview 或 visit 是否可以这样做？
换句话说，如果你有一个新的博士生，你会如何推动他们获得最佳质量的数据，你的工作流程会是什么样子？
我大胆猜测，大多数计算科学领域的人都使用 Visit 或 Paraview 进行流可视化。这些只是我使用的两个最广泛使用的程序。
确实一开始有一点点障碍，但是我的学生用了一两节课后还是比较熟练的。如果您想观看如何使用它们的交互式演示，请在此处观看视频 11 和 32：http: //www.math.colostate.edu/~bangerth/videos.html
我不知道你为什么要为你的可视化使用矢量图形。它适用于 2D 情况，但在 3D 中我相信需要光栅图像。例如，在 Paraview 中，您可以导出为 PDF。此外，您可能会发现 Mayavi 很有趣。下一个示例生成一个矢量图像（请谨慎使用，这个简单示例为 1.8 MB）。
import numpy as np
from mayavi import mlab
# Test data: Matlab `peaks()`
x, y = np.mgrid[-3:3:50j,-3:3:50j]
z = 3*(1 - x)**2 * np.exp(-x**2 - (y + 1)**2) \
- 10*(x/5 - x**3 - y**5)*np.exp(-x**2 - y**2) \
- 1./3*np.exp(-(x + 1)**2 - y**2)
surf = mlab.surf(x, y, z, colormap='RdYlBu', warp_scale=0.3, representation='wireframe', line_width=0.5)
mlab.outline(color=(0, 0, 0))
axes = mlab.axes(color=(0, 0, 0), nb_labels=5)
axes.title_text_property.color = (0.0, 0.0, 0.0)
axes.title_text_property.font_family = 'times'
axes.label_text_property.color = (0.0, 0.0, 0.0)
axes.label_text_property.font_family = 'times'
mlab.savefig("vector_plot_in_3d.pdf")
mlab.show()
作为最后的评论，我想说您可以在 Mayavi/Paraview、Tecplot 或 matplotlib 中生成良好的可视化，但您必须投入一些时间。
以下是 Paraview 中的一些示例：
