SPSS和Python，单纯地说哪个好，是没有意义的，还要看你用来干什么?
我来帮你区分一下这些术语。
1、分析工具：Excel、SPSS、Tableau属于分析工具类;
2、分析语言：Python、R属于分析脚本语言。
分析工具类，如果细分还可以分为统计工具和挖掘工具。
1)统计工具： 比如像Excel/Tableau/PowerBI都属于统计工具，此类工具的很简单，是基于统计(比如分类汇总)的分析工具，通过统计指标，查看业务的规律、变化、趋势等等，来作出对业务的判断并给出合适的业务策略。
所以，此类工具侧重于业务的描述性分析(业务规律、业务变化、业务周期)，常用有的分析方法有：对比分析、分布分析、结构分析、趋势分析等等。
2)挖掘工具： 像SPSS/SAS类就属于挖掘工具。此类挖掘工具侧重探索隐藏得比较深的业务知识和模式，挖掘工具侧重于业务的影响因素分析、预测性分析等等，讲究分析模型(比常规的分析方法要复杂)，在分析模型中不见得有统计指标，而是模式。
常用的分析模型：影响因素分析(相关/方差/列联分析)、数据预测模型(回归预测/时序预测)、分类预测模型(决策树、神经网络、支持向量机等)，当然还其它更多的模型，比如聚类、关联等等。
理论上，使用高级的数据挖掘工具也是可以进行常规的数据统计分析的，即Excel能够实现的，理论上SPSS也可以实现。但坦白地说，用挖掘工具来做统计工具分析，其效率反而没有统计工具高。
不过，当前绝大多数公司，都是在用Excel/SQL来做数据分析，可见他们并没有什么复杂的业务问题需要用到更高级的分析工具，简单的工具已经足以胜任平时的业务数据分析了。
最后再来说分析语言Python/R。
当然你也可以认为分析语言本身也是一种分析工具。只是这种分析工具与Excel/SPSS相比不一样，Excel/SPSS只需要通过拖拉就能够实现数据分析结果，但Python/R则需要通过写脚本写代码的方式来运行分析。
作为工具，Excel/SPSS中已经内置和封装了很多常用的分析方法、分析模型，所以你不需要花太多的时间去弄明白是怎样实现的，甚至你有时不需要知道数据公式和原理(如果知道的话就更好了)，你只需要聚焦在业务层面，就可以实现业务数据分析，得到良好的分析结果。
但是，如果你们公司需要一些特殊的分析模型，或者需要对原有的模型进行修改或优化，而分析工具又不支持的话，那么此时你就得要使用分析语言Python来实现自定义的分析流程了。
而且，当你使用Python分析语言时，你就得必须了解分析模型的原理及实现，还得懂编程的一系列技能，那么你得花大量的时间在如何实现模型上，无法聚焦在业务问题的解决上了。
所以，比起用分析工具，用Python的好处是可以任意修改或定制化模型、可以自动化实现分析流程，但坏处也是显而易见的(分析复杂、周期较长、效果不一定好)。你拥有了定制化，就失去了简洁;你拥有强的功能，就增加了复杂度，此即有得就必有失了。
一、安装Py插件1、安装 SPSS Statistics 19/20/212、安装 SPSS Statistics Python Essentials （里面含python，注意版本与你安装的SPSS匹配!如果是SPSS21的话已经包含在SPSS21的安装文件里面了，此步骤跳过！） 注意：安装 Essentials for Python 的版本取决于你安装的 SPSS 版本，虽然是 64 位Windows 系统，如果安装的是 32 位版 SPSS 就需要安装 32 位 Essentials for Python 。3、安装 Scipy （版本务必与Python Essentials里面的python匹配，19安装；20和21安装），x64位必须用x64位的Scipy，官方没有，第三方的可以。官方有第三方的链接。4、安装 Numpy（版本务必与 Python Essentials里面的python匹配，19安装；20和21安装），x64位必须用x64位的Numpy，官方没有，第三方的可以。官方有第三方的链接。Scipy/Numpy官方地址： 、安装 PLS（偏最小二乘）Extension Module 拷贝到位，将和放入SPSS安装文件夹下\extensions；或将放入Python文件夹下Lib\site-packages，放入\extensions
会。在一些985重点大学，会查毕业论文的SPSS，要求毕业论文都要求做spss数据分析，抄袭率要求10%以下，所以毕业后毕业论文抽查会查SPSS。
我的两台电脑，windows和mac都安装了，以前觉得spss有点过于纸上谈兵。读了硕士之后，发现我的研究几乎都与spss有关，spss真的是一个傻瓜而有良心的软件。 1随机误差 包括随机测量误差和抽样误差。随机测量误差：没有固定的倾向，可使多次观测结果有大有小。抽样误差：由于抽样造成的样本指标与总体指标之间的差别。 问卷测验中测量误差通常来源于两个方面：一是产生于问卷测验过程中的误差，称为测量误差，也称为随机误差；二是由问卷的结构质量造成的误差，称为系统误差。 2 信度信度主要是指问卷是否精准(precision)。信度分析涉及了问卷测验结果的一致性和稳定性，其目的是如何控制和减少随机误差。信度是用估计测量误差大小的尺度，来说明问卷测验结果中测量误差所占的比率。 信度研究的是问卷测验结果的可靠性与稳定性，可以从不同的角度来评价：（1）在相同条件下所得问卷测验结果的一致程度；（2）不同研究者用同一种问卷同时测验所得结果的一致程度；（3）同一研究者用同一种问卷在不同时间内测验所得结果的一致程度。 克隆巴赫信度系数 Cronbach’s α系数是Cronbach于1951年创立的，用于评价问卷的内部一致性。α系数取值在0到1之间，α系数越高，信度越高，问卷的内部一致性越好。Cronbach’s α系数不仅适用于两级记分的问卷，还适用于多级计分的问卷。低信度：α<, 中信度： <α<,高信度： <α。一般地，问卷的α系数在以上该问卷才具有使用价值。Cronbach‘s α值皆达以上，表明问卷信度良好 3 效度（validity） 通常是指问卷的有效性和正确性，亦即问卷能够测量出其所欲测量特性的程度。操作过程如下： 从菜单选择Analyze → Scale → Reliability Analysis…→ Item（输入问卷的各条目或各因子包含的条目）→ 单击“Statistics”按钮，弹出信度分析统计量对话框 → Descriptives for: → √ Scale if item deleted →OK Scale if item deleted:去掉当前题目整个问卷的描述统计量，即敏感性分析，包括以下内容：（1）Scale Mean if Item Deleted:去掉当前题目问卷合计分的均数；（2）Scale Variance if Item Deleted: 去掉当前题目问卷合计分的方差；（3）Corrected Item-Total Correlation: 当前题目得分与去掉当前题目问卷合计分的Pearson相关系数；（4）Squared Multiple Correlation:以当前题目为因变量，其它所有题目为自变量求得的决定系数R2；Alpha if Item Deleted: 去掉当前题目后问卷的Cronbach α系数。 效度（validity）通常是指数据的有效性和正确性，即数据能够测量出其欲测量特性的程度。效度值越高，所测定的结果与实际考察的内容之间越吻合反之，则越无效。目前研究中的效度分为内容效度和构建效度。内容效度又称为逻辑效度，指数据的贴切性和代表性，即数据能否较好的代表所欲测量的内容和引起预期反应的程度。而构建效度指的是一个测验实际测到和所要测量的数值之间的对应程度。效度分析最理想的方法是利用因子分析数据的构建效度。 为了确定数据是否适合做因子分析，首先对数据做了KMO（Kaiser-Meyerollum）测度和巴特莱特球体检验。 KMO统计量：是通过比较各变量间简单相关系数和偏相关系数的大小判断变量间的相关性，相关性强时，偏相关系数远小于简单相关系数，KMO值接近1。一般情况下，KMO>非常适合因子分析；＜KMO＜适合；以上尚可，时效果很差，以下不适宜作因子分析。 Bartlett’s球型检验（BarlettTest of Sphericity）：用于检验相关阵是否是单位阵，即各变量是否独立。它是以变量的相关系数矩阵为出发点，零假设：相关系数矩阵是一个单位阵。如果巴特利球形检验的统计计量数值较大，且对应的相伴概率值小于用户给定的显著性水平，则应该拒绝零假设；反之，则不能拒绝零假设，认为相关系数矩阵可能是一个单位阵，不适合做因子分析。若假设不能被否定，则说明这些变量间可能各自独立提供一些信息，缺少公因子。 在SPSS中执行分析－降维，因子分析analyze—data reduction--factory analysis。 4 信度和效度的差异 （1）研究的对象不同 信度：答卷者 效度：组卷人 （2）研究的角度不同 信度：测量的质量 效度：问卷的质量
如何分析信效度？
信效度：信度是效度的必要条件,信度低，效度一般都不高，但是信度高，效度也不一定高。二者的研究内容也有所不同，信度是研究回答是否可靠，效度是研究题项设计是否合理。
信度：研究数据是否可靠，也就是研究样本是否真实回答了问题。
效度：研究题是否能有效的表达研究信息或维度的概念信息，也就是研究问卷中的题项设计是否合理。
信度如何分析？以SPSSAU为例：
信度分析的位置在【问卷研究】→【信度】
信度一般针对量表题进行分析，数据格式常见是一个量表题为一列，举例如下：
信度系数：
背景：当前有一份数据,共涉及A1~A4,B1~B4,C1~C3,D1~D3共14个量表题，此14个题目共分为4个维度，分别称作A，B，C和D维度。现希望对此份数据信度度情况进行分析，以验证数据质量可靠。由于是分4个维度所以需要分析4次。先对A维度涉及A1~A4,进行分析，结果如下：
如果CITC值低于，可考虑将该项进行删除；如果“项已删除的α系数”值明显高于α系数，此时可考虑对将该项进行删除后重新分析。针对CITC值和项已删除的α系数一般用于预测试中。接着分析α系数，如果此值高于，则说明信度高；如果此值介于之间，则说明信度较好;如果此值介于，则说明信度可接受；如果此值小于，说明信度不佳；从上表可以看出α系数为大于，所以信度高，
效度：
结构效度：SPSSAU→问卷研究【效度】；区分效度和收敛效度：SPSSAU→验证性因子分析；
信度分析常用方法有Cronbach α系数法、折半信度法、重测信度法、复本信度法。
效度分析通常可以探索性因子分析、验证性因子分析。
都可以用spssau进行分析，具体可结合帮助手册快速了解操作步骤。
1、在spss的主界面中，需要选择分析并点击降维里面的因子分析。
2、下一步弹出新的对话框，直接设置相关的变量并打开选项。
3、这个时候如果没问题，就继续按照图示进行确定。
4、这样一来等看到对应的结果以后，即可做信度和效度分析了。
你可以到七七计算机毕业论文的毕业设计题目列表中找一份。有完整的论文和源码等，很详细
难，2月左右。如果是直接开发制作的话大概需要2个月左右时间要是用现成的改制，这个用不了多少时间，一般一两周就可以。
以下是一些计算机本科毕业设计题目供您参考：
你的论文准备往什么方向写，选题老师审核通过了没，有没有列个大纲让老师看一下写作方向？ 老师有没有和你说论文往哪个方向写比较好？写论文之前，一定要写个大纲，这样老师，好确定了框架，避免以后论文修改过程中出现大改的情况！！学校的格式要求、写作规范要注意，否则很可能发回来重新改，你要还有什么不明白或不懂可以问我，希望你能够顺利毕业，迈向新的人生。 （一）选题毕业论文（设计）题目应符合本专业的培养目标和教学要求，具有综合性和创新性。本科生要根据自己的实际情况和专业特长，选择适当的论文题目，但所写论文要与本专业所学课程有关。（二）查阅资料、列出论文提纲题目选定后，要在指导教师指导下开展调研和进行实验，搜集、查阅有关资料，进行加工、提炼，然后列出详细的写作提纲。（三）完成初稿根据所列提纲，按指导教师的意见认真完成初稿。（四）定稿初稿须经指导教师审阅，并按其意见和要求进行修改，然后定稿。一般毕业论文题目的选择最好不要太泛，越具体越好，而且老师希望学生能结合自己学过的知识对问题进行分析和解决。不知道你是否确定了选题，确定选题了接下来你需要根据选题去查阅前辈们的相关论文，看看人家是怎么规划论文整体框架的；其次就是需要自己动手收集资料了，进而整理和分析资料得出自己的论文框架；最后就是按照框架去组织论文了。你如果需要什么参考资料和范文我可以提供给你。还有什么不了解的可以直接问我，希望可以帮到你，祝写作过程顺利毕业论文选题的方法: 一、尽快确定毕业论文的选题方向 在毕业论文工作布置后,每个人都应遵循选题的基本原则,在较短的时间内把选题的方向确定下来。从毕业论文题目的性质来看,基本上可以分为两大类:一类是社会主义现代化建设实践中提出的理论和实际问题;另一类是专业学科本身发展中存在的基本范畴和基本理论问题。大学生应根据自己的志趣和爱好,尽快从上述两大类中确定一个方向。二、在初步调查研究的基础上选定毕业论文的具体题目在选题的方向确定以后,还要经过一定的调查和研究,来进一步确定选题的范围,以至最后选定具体题目。下面介绍两种常见的选题方法。 浏览捕捉法 :这种方法就是通过对占有的文献资料快速地、大量地阅读,在比较中来确定论文题目地方法。浏览,一般是在资料占有达到一定数量时集中一段时间进行,这样便于对资料作集中的比较和鉴别。浏览的目的是在咀嚼消化已有资料的过程中,提出问题,寻找自己的研究课题。这就需要对收集到的材料作一全面的阅读研究,主要的、次要的、不同角度的、不同观点的都应了解,不能看了一些资料,有了一点看法,就到此为止,急于动笔。也不能“先入为主”,以自己头脑中原有的观点或看了第一篇资料后得到的看法去决定取舍。而应冷静地、客观地对所有资料作认真的分析思考。在浩如烟海,内容丰富的资料中吸取营养,反复思考琢磨许多时候之后,必然会有所发现,这是搞科学研究的人时常会碰到的情形。 浏览捕捉法一般可按以下步骤进行: 第一步,广泛地浏览资料。在浏览中要注意勤作笔录,随时记下资料的纲目,记下资料中对自己影响最深刻的观点、论据、论证方法等,记下脑海中涌现的点滴体会。当然,手抄笔录并不等于有言必录,有文必录,而是要做细心的选择,有目的、有重点地摘录,当详则详,当略则略,一些相同的或类似的观点和材料则不必重复摘录,只需记下资料来源及页码就行,以避免浪费时间和精力。 第二步,是将阅读所得到的方方面面的内容,进行分类、排列、组合,从中寻找问题、发现问题,材料可按纲目分类,如分成: 系统介绍有关问题研究发展概况的资料; 对某一个问题研究情况的资料; 对同一问题几种不同观点的资料; 对某一问题研究最新的资料和成果等等。 第三步,将自己在研究中的体会与资料分别加以比较,找出哪些体会在资料中没有或部分没有;哪些体会虽然资料已有,但自己对此有不同看法;哪些体会和资料是基本一致的;哪些体会是在资料基础上的深化和发挥等等。经过几番深思熟虑的思考过程,就容易萌生自己的想法。把这种想法及时捕捉住,再作进一步的思考,选题的目标也就会渐渐明确起来。
基于Python的SIFT和KCF的运动目标匹配与跟踪 毕业论文+项目源码基于Python决策树算法的学生学习行为数据分析 设计报告+代码及数据基于Sring+bootstrap+MySQL的住房公积金管理系统 课程报告+项目源码及数据库文件基于C++的即时通信软件设计 毕业论文+项目源码
你的论文准备往什么方向写，选题老师审核通过了没，有没有列个大纲让老师看一下写作方向？ 老师有没有和你说论文往哪个方向写比较好？写论文之前，一定要写个大纲，这样老师，好确定了框架，避免以后论文修改过程中出现大改的情况！！学校的格式要求、写作规范要注意，否则很可能发回来重新改，你要还有什么不明白或不懂可以问我，希望你能够顺利毕业，迈向新的人生。 （一）选题毕业论文（设计）题目应符合本专业的培养目标和教学要求，具有综合性和创新性。本科生要根据自己的实际情况和专业特长，选择适当的论文题目，但所写论文要与本专业所学课程有关。（二）查阅资料、列出论文提纲题目选定后，要在指导教师指导下开展调研和进行实验，搜集、查阅有关资料，进行加工、提炼，然后列出详细的写作提纲。（三）完成初稿根据所列提纲，按指导教师的意见认真完成初稿。（四）定稿初稿须经指导教师审阅，并按其意见和要求进行修改，然后定稿。一般毕业论文题目的选择最好不要太泛，越具体越好，而且老师希望学生能结合自己学过的知识对问题进行分析和解决。不知道你是否确定了选题，确定选题了接下来你需要根据选题去查阅前辈们的相关论文，看看人家是怎么规划论文整体框架的；其次就是需要自己动手收集资料了，进而整理和分析资料得出自己的论文框架；最后就是按照框架去组织论文了。你如果需要什么参考资料和范文我可以提供给你。还有什么不了解的可以直接问我，希望可以帮到你，祝写作过程顺利毕业论文选题的方法: 一、尽快确定毕业论文的选题方向 在毕业论文工作布置后,每个人都应遵循选题的基本原则,在较短的时间内把选题的方向确定下来。从毕业论文题目的性质来看,基本上可以分为两大类:一类是社会主义现代化建设实践中提出的理论和实际问题;另一类是专业学科本身发展中存在的基本范畴和基本理论问题。大学生应根据自己的志趣和爱好,尽快从上述两大类中确定一个方向。二、在初步调查研究的基础上选定毕业论文的具体题目在选题的方向确定以后,还要经过一定的调查和研究,来进一步确定选题的范围,以至最后选定具体题目。下面介绍两种常见的选题方法。 浏览捕捉法 :这种方法就是通过对占有的文献资料快速地、大量地阅读,在比较中来确定论文题目地方法。浏览,一般是在资料占有达到一定数量时集中一段时间进行,这样便于对资料作集中的比较和鉴别。浏览的目的是在咀嚼消化已有资料的过程中,提出问题,寻找自己的研究课题。这就需要对收集到的材料作一全面的阅读研究,主要的、次要的、不同角度的、不同观点的都应了解,不能看了一些资料,有了一点看法,就到此为止,急于动笔。也不能“先入为主”,以自己头脑中原有的观点或看了第一篇资料后得到的看法去决定取舍。而应冷静地、客观地对所有资料作认真的分析思考。在浩如烟海,内容丰富的资料中吸取营养,反复思考琢磨许多时候之后,必然会有所发现,这是搞科学研究的人时常会碰到的情形。 浏览捕捉法一般可按以下步骤进行: 第一步,广泛地浏览资料。在浏览中要注意勤作笔录,随时记下资料的纲目,记下资料中对自己影响最深刻的观点、论据、论证方法等,记下脑海中涌现的点滴体会。当然,手抄笔录并不等于有言必录,有文必录,而是要做细心的选择,有目的、有重点地摘录,当详则详,当略则略,一些相同的或类似的观点和材料则不必重复摘录,只需记下资料来源及页码就行,以避免浪费时间和精力。 第二步,是将阅读所得到的方方面面的内容,进行分类、排列、组合,从中寻找问题、发现问题,材料可按纲目分类,如分成: 系统介绍有关问题研究发展概况的资料; 对某一个问题研究情况的资料; 对同一问题几种不同观点的资料; 对某一问题研究最新的资料和成果等等。 第三步,将自己在研究中的体会与资料分别加以比较,找出哪些体会在资料中没有或部分没有;哪些体会虽然资料已有,但自己对此有不同看法;哪些体会和资料是基本一致的;哪些体会是在资料基础上的深化和发挥等等。经过几番深思熟虑的思考过程,就容易萌生自己的想法。把这种想法及时捕捉住,再作进一步的思考,选题的目标也就会渐渐明确起来。
可以的，毕业设计可以用Python语言，重点是论文的项目和文字内容排版。论文的内容不能过于重复。
计算机毕业设计 基于Python的SIFT和KCF的运动目标匹配与跟踪 毕业论文+项目源码 基于Python决策树算法的学生学习行为数据分析 设计报告+代码及数据 基于Sring+bootstrap+MySQL的住房公积金管理系统 课程报告+项目源码及数据库文件 基于C++的即时通信软件设计 毕业论文+项目源码 基于JavaWeb+MySQL的图书管理系统 课程报告+项目源码及数据库文件 基于Android Studio+Android SDK的手机通讯录管理软件设计 课程报告+项目源码 基于JSP+MySQL的校园网上订餐系统 毕业论文+项目源码及数据库文件 基于AndroidStudio的花艺分享平台APP设计 报告+源码及APK文件 基于Python的酒店评论情感分析 课程报告+答辩PPT+项目源码 基于QT的教务选课管理系统设计与实现 毕业论文+项目源码 基于Android+Springboot+Mybatis+Mysql的个人生活APP设计 说明书+项目源码 基于的Web3D宇宙空间数据可视化系统 设计报告+前后端源码及数据 基于java+android+SQLite的保健型果饮在线销售APP设计 毕业论文+源码数据库及APK文件 基于的高校综合资源发布分享社交二手平台 毕业论文+项目源码及数据库文件+演示视频 基于Delphi+MySQL的大学生竞赛发布及组队系统 设计报告+源码数据库及可执行文件+使用说明书 基于Android的名片信息管理系统设计与实现 毕业论文+任务书+外文翻译及原文+演示视频+项目源码 基于Python的电影数据可视化分析系统 设计报告+答辩PPT+项目源码 基于JavaWeb的企业公司管理系统设计与实现 毕业论文+答辩PPT+演示视频+项目源码 高校成绩管理数据库系统的设计与实现 毕业论文+项目源码 基于JavaWeb的家庭食谱管理系统设计与实现 毕业论文+项目源码及数据库文件 基于Python+SQLSERVER的快递业务管理系统的设计与实现 毕业论文+项目源码及数据库文件 基于Python的语音词频提取云平台 设计报告+设计源码 在推荐系统中引入 Serendipity 的算法研究 毕业论文+参考文献+项目源码 基于Html+Python+Django+Sqlite的机票预订系统 毕业论文+项目源码及数据库文件 基于Python的卷积神经网络的猫狗图像识别系统 课程报告+项目源码 基于C++的云安全主动防御系统客户端服务端设计 毕业论文+项目源码 基于JavaSSM的学生成绩管理APP系统设计与实现 毕业论文+答辩PPT+前后台源码及APK文件 基于JavaSwing+MySQL的清朝古代名人数据管理系统设计 毕业论文+任务书+项目源码及数据库文件 基于Python_Django的社会实践活动管理系统设计与实现 毕业论文 基于Servlet WebSocket MySQL实现的网络在线考试系统 毕业论文+项目源码 基于JavaWEB+MySQL的学生成绩综合管理系统 毕业论文+项目源码及数据库文件 基于SpringBoot+Vue和MySQL+Redis的网络课程平台设计与实现 毕业论文+任务书+开题报告+中期报告+初稿+前后台项目源码 基于Java的毕业设计题目收集系统 课程报告+项目源码 基于Java+Python+html的生产者与消费者算法模拟 毕业论文+任务书+项目源码 基于JavaWeb+MySQL的学院党费缴费系统 毕业论文+项目源码及数据库文件 基于Java+MySQL的学生成绩管理系统 毕业论文+任务书+答辩PPT+项目源码及数据库文件 基于Java+MySQL的学生和客户信息管理系统 课程报告+项目源码及数据库文件 基于Java的长整数加减法算法设计 毕业论文+项目源码 基于vue+MySQL的毕业设计网上选题系统 毕业论文+项目源码 基于背景建模和FasterR-CNN的视频前景和目标检测 毕业论文+答辩PPT+项目源码 基于Python的智能视频分析之人数统计的多种实现 毕业论文+答辩PPT+项目源码 基于C#+SQL server的校园卡消费信息管理系统 毕业论文+项目源码及数据库文件
难，2月左右。如果是直接开发制作的话大概需要2个月左右时间要是用现成的改制，这个用不了多少时间，一般一两周就可以。
看你是什么图，一般的可以用word有的用到AutoCAD CAXA
普通的毕业流程图，用Microsoft Office Visio，我的毕业设计论文用的Microsoft Office Visio 2003，更多怎么画、论文插图教程直接在附件，因为图太多了、字数太多了，就不举例了。
1、Gnuplot
Gnuplot是一个命令行的交互式绘图工具。用户通过输入命令，逐步设置或修改绘图环境，并以图形描述数据或函数。优点是画图速度快、画风清爽，软件开源且免费，图片质量相当专业。缺点是：需要写代码。
2、Matplotlib
Matplotlib是著名Python的标配画图包，其绘图函数的名字基本上与 Matlab 的绘图函数差不多。优点是曲线精致，软件开源免费，支持Latex公式插入，且许多时候只需要一行或几行代码就能搞定。缺点是需要Python编程基础。
3、visio
Microsoft Visio是Windows 操作系统下运行的流程图软件，它现在是Microsoft Office软件的一个部分。Visio可以制作的图表范围十分广泛，利用Visio的强大绘图功能绘制地图、企业标志等。最主要还是用来画流程图、示意图。
4、Origin
Origin是简单易学、操作灵活、功能丰富全面的画图软件，既可以满足一般用户的制图需要，也可以满足高级用户数据分析、函数拟合的需要。缺点是操作系统不太友好、易崩溃，只支持Windows系统。
5、Tecplot
Tecplot从简单的二维曲线曲面图，到复杂的三维动态图都可以实现。它的特色在于可快捷的将大量数据资料转化为容易理解的图片，例如等高线、向量图、网格图、剖面图、流线图等等。