有哪些值得推薦的數據可視化工具？

11-24

類似於用圖形來展示報告結果。

謝邀。

本答案提要：
1.plotly
2.R ggplot2
3.無需編程語言的工具（7個）
4.基於JavaScript實現的工具（8個）
5.基於其他語言的工具（5個）
6.地圖數據可視化工具（7個）
7.金融（股票）數據可視化工具（2個）
8.時間軸數據可視化工具（2個）
9.函數與公式數據可視化工具（2個）
10.其他（3個）

共計37個工具，PS：先贊後收藏。。

-----------
1.plotly：
-----------

更多gallery鏈接：plotly

-----------------
2.R ggplot2：
-----------------

--------------------------------
3.無需編程語言的工具：
--------------------------------

01. Tableau

Create and share data in real time with Tableau

02. Raw

Raw is an open web app with a simple interface

03. Infogram

Infogram enables you to create both charts and infographics online

04. ChartBlocks

ChartBlocks is another online chart builder

05. Visualize Free

Make visualizations for free!

06. Visual.ly

http://Visual.ly makes data visualisation as simple as can be

07. iCharts

iCharts can have interactive elements, and you can pull in data from Google Docs

-----------------------------------------
4.基於JavaScript實現的工具：
-----------------------------------------

01. Chart.js

Chart.js is perfectly suited to smaller projects

02. D3.js

You can render some amazing diagrams with D3

03. FusionCharts

A comprehensive JavaScript/HTML5 charting solution for your data visualization needs

04. JavaScript InfoVis Toolkit

JavaScript InfoVis Toolkit includes a handy modular structure

05. jQuery Visualize

jQuery Visualize Plugin is an open source charting plugin

06. ZingChart

ZingChart lets you create HTML5 Canvas charts and more

07. Flot

Create animated visualisations with this jQuery plugin

08. Gephi

Gephi in action. Coloured regions represent clusters of data that the system is guessing are similar

--------------------------------------
5. 基於其他語言實現的工具:
--------------------------------------

#PHP

01. jpGraph

01234567 (二維碼自動識別)

jpGraph is a PHP-based data visualization tool

#JAVA

02. Processing

Processing provides a cross-platform environment for creating images, animations, and interactions

#Python

03. NodeBox

NodeBox is a quick, easy way for Python-savvy developers to create 2D visualisations

04. R

A powerful free software environment for statistical computing and graphics, R is the most complex of the tools listed here

#Weka

05. Weka

A collection of machine-learning algorithms for data-mining tasks, Weka is a powerful way to explore data

-----------------------------------

6. 地圖數據可視化的工具：

-----------------------------------

01. CartoDB

CartoDB provides an unparalleled way to combine maps and tabular data to create visualisations

02. InstantAtlas

InstantAtlas enables you to create highly engaging visualisations around map data

03. Polymaps

Aimed more at specialist data visualisers, the Polymaps library creates image and vector-tiled maps using SVG

04. OpenLayers

It isn"t easy to master, but OpenLayers is arguably the most complete, robust mapping solution discussed here

05. Kartograph

Kartograph"s projections breathe new life into our standard slippy maps

06. Exhibit

Exhibit makes data visualization a doddle
07. Modest Maps

Integrate and develop interactive maps within your site with this cool tool

08. Leaflet

Use OpenStreetMap data and integrate data visualisation in an HTML5/CSS3 wrapper

-----------------------------------

7. 金融數據可視化的工具：

-----------------------------------

01. Dygraphs

Help visitors explore dense data sets with JavaScript library Dygraphs

02. Highcharts

Highcharts has a huge range of options available

-----------------------------------

8. 時間軸數據可視化工具：

-----------------------------------

01. Timeline

Timeline creates beautiful interactive visualizations

02. Dipity

Dipity has free and premium versions to suit your needs

-------------------------------------

9. 函數公式數據可視化工具

-------------------------------------

01. WolframAlpha

Wolfram Alpha is excellent at creating charts

02. Tangle

Tangle creates complex interactive graphics. Pulling on any one of the knobs affects data throughout all of the linked charts. This creates a real-time feedback loop, enabling you to understand complex equations in a more intuitive way

------------

8. 其他：

------------

01. Better World Flux

Making the ugly beautiful - that"s Better World Flux

02. Google Charts

Google Charts has an excellent selection of tools available

03. Crossfilter

Crossfilter in action: by restricting the input range on any one chart, data is affected everywhere.

前陣子在Coursera上了infographic的課（https://www.coursera.org/learn/infographic-design/home/welcome），課上涉及了幾個，覺得應該適用於對編程語言不熟悉也不大會用AI的小朋友

Plotly
很方便的一點是和R, python, Excel等常見的數據處理軟體/語言之間都是有API接過去

Datavisual

Infogra.am

下面這幾個應該比較符合大家對infographic的普遍預期，相比傳統的數據可視化要有趣很多
PiktoChart

Easel.ly

著名的tableau的public version
Tableau Public

Visme
Visme有個Blog非常好，很多人特別在意infographic是因為覺得表現形式看起來特別高級，其實內在的思路非常重要，要養成如何正確看待數據、發現數據之間的內在聯繫的好習慣
Visual Learning Center by Visme, Infographics Presentation Resources

Canva
偏圖形設計，其實適合用來做Presentation多一點，也可以用於infographic後期的美化

＊免費賬號的模版應該就夠用了，如果日常工作有特彆強的需求的話，再考慮付費版本

一款叫 Tagxedo 的在線詞雲生成工具，可以根據你提供的詞語及頻次的數據集，生成類似以下的精美的詞雲圖片

網址：www.tagxedo.com

Python 的 wordcloud 模塊，結合 jieba 分詞模塊可以實現分詞並生成詞雲

對錢鍾書的《圍城》分詞並生成的詞雲

對瓊瑤的《還珠格格》分詞並生成的詞雲

對郭小四的《小時代》分詞並生成的詞雲

對克強總理的2016年政府工作報告分詞並生成的詞雲

將圖片數組化變成一個遮罩，就可以打造詞雲的形狀了

將《還珠格格》進行分詞，並用小燕子的照片作為遮罩

將金庸的《射鵰英雄傳》進行分詞，並用郭靖的劇照作為遮罩、

谷歌有一個項目，叫Google Books Ngrams，是將谷歌掃描的三千萬冊書進行分詞並做詞頻統計，沿著整個歷史時間軸來研究語言在歷史中的變遷。

例一、「黑鬼-黑人-非裔美國人」
上世紀六十年代美國黑人民權運動爆發之前，「黑人」普遍被歧視地稱為「黑鬼」（nigger），隨後則被稱為「黑人」。而近年來，「非裔美國人」變成更為政治正確的叫法。在Ngrams里輸入，nigger，black people和African-American，可以清晰地看到這一趨勢。橫坐標是時間，縱坐標是詞頻。（見下圖）

例二、「科學、哲學與宗教」
按照羅素在《西方哲學史》里的說法，科學是確定性的知識，神學是不訴諸理性的教條，而哲學則介於兩者之間。比羅素晚一輩的美國哲學家蒯因可能不同意，他認為哲學壓根就應該是科學化的（ScientificPhilosophy)，但蒯因的學生輩大概是最後一撥科學化的哲學家：新起的一大票邏輯學家都出自數學系和計算機系，哲學系已剩不下什麼「科學」的玩意兒了。如果哲學家們還不爭氣，再過個十年，也許Ngrams真會驗證這個預測。在Ngrams中，分別輸入首字母大寫的「Science, Philosophy, Religion」，和小寫的「science, philosophy, religion」，我們得到如下兩張圖。在大寫的圖中（下圖一），可以清楚看到在公元1600到1800年間，宗教是壓倒性強勢，然後是哲學，相比之下，科學還是沒影的事。但1850年是轉折點，科學慢慢佔據優勢，比宗教和哲學加起來都大。在小寫的圖中（下圖二），科學和宗教的位置互換，晚了一百年。研究文化史和科學史的恐怕各自都有解讀。

例三、文壇座次
中國文壇講究排座次，魯郭茅巴老曹，等等。把他們的名字輸入Ngrams。可以看出魯爺江湖地位不可動搖，八十年代末九十年代初有點技術性下滑，隨後又呈上升態勢。但貌似三四十年代，魯略輸郭。不明白為啥曹禺就不帶玩了呢，即使輸入老拼法Tsao Yu也不濟。金庸按說是這老幾位里英文最好的吧，但就是不受待見，把他小名路易-查良鏞（Louis Cha Leung-yung）算上，也不管用。

最後，如果覺得寫的還OK，請點贊哦 (*&>﹏&<*)

個人感覺跟國外的數據可視化作品比起來，目前國內實踐著的大部分數據可視化作品都是渣！！！想當年，作為一度痴迷數據新聞可視化的學生，羨慕information is beautiful的光鮮外衣，自學起來一些數據新聞網站，作為英語渣被虐得一把鼻涕一把淚！！！讓我去廁所哭會兒。

不過功夫不負有心人，還是讓我找到了幾個國外質量較高的數據可視化工具或資源。既然，樓主問到了，就在這兒曝光十個。嗯，首先，沒有被此書虐過的童鞋Beautiful Visualization (豆瓣) 還是最好找一下虐，畢竟...............基數就是基礎，不來不去，它就在那兒

幫助你更好地理解數據，這正是可視化的要義。工具，便是更好的幫你理解可視化。（好吧我承認這句話是我自創的）

NO1. 我個人最喜歡的：
http://Visual.ly Visually | Content Marketing for Brands
http://Visual.ly 用社交網路功能來連接在世界各地的所有成員。設計師們通過提交自己的項目進入他們的網站畫廊，從而能夠對數據實現可視化。它理想的目標是提供一個介面，用於直接在瀏覽器中創建動態的信息圖表。該工具目前未發布，雖然我聽說過一些私人beta測試。你可以註冊您的電子郵件地址以接收更新消息，並可能邀請測試。至於他們的網路功能，http://Visual.ly 提供了極少數的合作夥伴頁面。這些類似於個人資料頁面，您可以查看評論，喜歡，意見和信息圖表意見，但這些都是有針對性的對大品牌 - 國家地理、易趣、Skype、CNN 等。

NO2.
Better World Flux
Better World Flux
這是一款漂亮的可視化工具！Better World Flux 是一個可以互動信息、圖形的網站。選擇一個國家，根據指示操作，比如可以選擇預期壽命或飲水作為指標。有一個小的視頻演示如何操作，你可以在YouTube上觀看（http://www.youtube.com/watch?v=xck1Alcyh2A）。

NO3.
We Feel Fine
We Feel Fine / by Jonathan Harris and Sep Kamvar
We Feel Fine 標榜為人類情感而探索，這是我見過最獨特的可視化引擎之一。開始前要點擊其主頁上的大按鈕，該應用程序將據此載入操作系統。

沿上面一行，你會發現飛出選項對數據進行排序。其標準包括年齡，性別，氣候位置，甚至日期。該項目提供了整個世界的喜怒哀樂情緒，在任何給定的點，數據超級詳細！這是對人類來說，真正令人震驚的實驗。

當你點擊畫布的任何地方，飛球會分散。如果您將滑鼠放在他們中的一個，它會提供更多的細節，點擊打開，頂部有一個全新的選項。許多結果都來自Twitter。情緒和情感的數據數量級是令人難以置信。

NO4.

Rss Voyage
Rss Voyage - RSS feed reader with a difference
另一個我個人最喜歡，且確實有助於形象化各地數據的網路數據的網站。如果您登錄到Rss Voyage, 你可以導入自定義RSS供稿到您的帳戶一整個數據圖。在他們的網頁，你可以點擊「開始」與默認提供的應用程序。在這種情況下Rss Voyage將拉動幾個流行的博客，如紐約時報，癮科技，衛報，等等。

如果您通過移動圖形，點擊一個特定的文章的觀點時，他將固定在屏幕上。這包括標題，簡短描述，元數據連同它的URL出版日期。如果在任何時候你想開始創建自己的RSS可視化，所有你需要做的就是創建一個帳戶！

註冊是完全免費的，你可以在頁面的底部創建通過註冊表格您的帳戶。作為另一獎勵功能

Rss Voyage可以讓你輕鬆設置全屏模式瀏覽風格的RSS源。

NO5.Revisit

moritz.stefaner.eu

客觀來講，Revisit是一種重新定義我們如何看待微博的工具。有了這個工具，你可以與一個或多個關鍵字的數據創建連接。您可以將額外的標題添加到您的圖形和分享的鏈接（甚至到微博）。

點擊一個單獨的分離線，關閉圖形將顯示更多細節。通常包括元數據，如時間發布和相關的關鍵字。搜索條件僅限於標準的Twitter符號，使用逗號分隔的關鍵字列表。

如果有興趣，我建議查看位於同一網站的創作數據可視化等項目。Truth Beauty

NO6.

Tag Galaxy

Tag Galaxy是一個非常獨特的可視化工具。他們的主頁乾淨且易於理解，因為標籤Flickr上有單獨的一個搜索表單。此外左下角設有為新用戶一些流行的建議。只需輸入一個詞，然後按Enter，通過Flickr的照片就可在Tag Galaxy查詢。

他們的渲染引擎複製我們的太陽系的中心，太陽代表主要搜索項的外觀，外部行星的軌道代表類似的標籤。這是我見過的最酷的可視化演示渲染和Flash之一。

注意，當您在每個星球上懸停它會為你提供一個小的預覽數。這是發現在Flickr的該標籤的詢問的照片總數。點擊太陽將打開相關照片縮略圖的球體，而旋轉的行星會增加他們的搜索字詞的查詢。當然，你可以找到更多有關照片通過點擊彈出完整視圖。

NO7.

Google Fusion Tables

About Fusion Tables

我們都知道的龍頭企業是谷歌。他們的實驗室的後面幾年已經運行了一些很有趣的實驗，Google Fusion Tables就是其中之一。你需要的是一個谷歌賬戶。此工具可以公開在網上共享數據，並建立自定義的可視化圖形。

這些可以從csv或Excel電子表格導入。儘管目前並不支持。登錄後，會發現公共數據列表的表格與演示。這些都在不斷更新，新的用戶提交，打開文檔後，頂部的工具欄會有其他菜單可視化鏈接，自定義圖形。

NO8.
Dipity

http://www.dipity.com/

沒有什麼比我們在地球上的歷史更有趣。已經有很多的事件在過去10年到20年，更不用說十年到百年！ Dipity 是一個奇妙的工具，他用來創建和嵌入自定義的互動時間表。用戶可以在重要日期進行標記，包括照片，鏈接，音頻,視頻和其他形式的媒體。

該服務需要您在創建時間表前註冊一個帳號。選擇一個免費的計劃，在日後他們提供升級到保費計劃http://www.dipity.com/premium/plans。幸運的是，該網站會提供公共的最流行的時間表成員，所以你可以很容易地通過排序動態時間表去發現一個令人興奮的細目清單。我個人最喜歡的是史蒂夫工作的生活和事業照片甚至直到2011完全格式化。http://www.dipity.com/StevePro/Steve-Jobs-Life-and-Career/

NO9.

WIkiMindMap

WikiMindMap

說到獨特的展示台,維基百科也是一個網路，雖然你沒有看到儘可能多的開發商，但是Wiki包含一個大的離譜的數據量！ WikiMindMap可以讓你選擇一個區域，然後輸入網址的頁面。

如果您的關鍵字不完全匹配了一個頁面，應用程序將提供給您最親近的建議。圓圈內產生的鏈接將引出到主Wiki頁面，而刷新鏈接打開的選項的樹。這些都是相關的鏈接拉斷主維基頁面協調您的關鍵字。它也很容易通過點擊鏈接刷新圖標切換到一個新的根節點。

NO.10

Axiis- Browser Market Share

http://www.axiis.org/examples/BrowserMarketShare.html

Axiis 是用於數據可視化軟體的最流行的網站之一。在他們的網頁，你可以把酷炫的程序下載到您的PC或Mac電腦上運行。

W3Schools已經記錄用戶和跟蹤瀏覽器幾年了。 Axiis編製從2002到2009與最流行的Web瀏覽器形成一個美麗的可視化圖形。和眾多上市的包括Safari瀏覽器，網景，IE瀏覽器和谷歌Chrome瀏覽器合作。名單尚未更新為2010/2011 ，但我們可能會看到公布在未來數月更新的信息圖表。

國內的話，做得好的應該是財新的數據新聞實驗室和網易了。

文章原刊載於數據新聞網（jake的1KE主頁）。

作者Jake為網頁與手機平台設計師。

請關注微信公眾號：「wow1ke」

更多資料：財新數據可視化實驗室

數據很大你想看看？沒有這些可視化工具你可能看不懂

樓上的牛人們推薦一大堆外文網站讓普通人怎麼用？！

這可不是簡單地擼個圖片摘個文字那麼簡單。

我還是推薦幾個適合普通人以及新手使用的吧，以下網站皆為中文版：

① BDP個人版

鏈接：https://me.bdp.cn/home.html

BDP作為新一代的雲端數據分析平台，具備無縫數據接入功能，是一款兼具強大數據處理和靈活易用可視化分析的高效工具，簡單的3步即可完成數據分析。BDP提供近30種圖表類型，其中包含詞雲、漏斗圖、地圖、雷達圖等等。同時BDP還支持多端查看數據，幫助用戶快速完成多數據整合，快速挖掘隱藏的數據價值，用數據提高業績。

② ECharts

鏈接：http://echarts.baidu.com/

ECharts，商業級數據圖表，一個純Javascript的圖表庫，可以流暢的運行在PC和移動設備上。底層依賴輕量級的Canvas類庫ZRender，提供直觀，生動，可交互，可高度個性化定製的數據可視化圖表。

ECharts在支持常規圖表的前提下，同時提供模塊化引入和單文件引入，在開發時用戶可以引用所有ECharts開發文件，方便開發和調試。而在項目發布後也可以去除不需要的文件以加快頁面響應速度。

③ 圖表秀

鏈接：http://www.tubiaoxiu.com/

圖表秀，一款免費的在線圖表製作工具，支持自由布局與聯動交互分析。頁面設計簡潔、上手簡單，一共提供10個類54款圖表模型，其中包含傳統圖表、詞雲、氣泡圖、雙線圖、KPI圖表等等。

搬運一篇以前翻譯過的文章，從 Web 開發者的角度比較了 12 個不同的可視化工具。

本文首發於我的博客：【翻譯】為網頁開發者推薦的 12 個繪圖庫

原文作者：Rohit Boggarapu，文章鏈接：12 Best Charting Libraries for Web Developers

1. Google Charts

文檔和幫助信息豐富的 Google Charts 對於剛剛入門 JavaScript 繪圖的人來說是極佳的選擇。它的文檔里到處都是帶注釋的代碼和逐步的講解，可以直接用來把 HTML5 / SVG 圖標嵌入到你的網頁中。

如果你需要更進階的自定義功能或是 Google 原始提供的 18 類以外的圖表，下面會介紹一些有著更多類別和特性的選擇。

適合人群：追求靈活性和良好文檔的嚴肅開發者。

2. MetricsGraphics

MetricsGraphics 是一個在 D3.js 的基礎上專為可視化時間序列數據而開發的繪圖庫。雖然它只支持線圖、散點圖、柱狀圖、直方圖和數據表格，但它在這幾類圖表上的表現非常強。

跟 Google Charts 一樣（MetricsGraphics 是 Mozilla 的產品），豐富的文檔和例子使得它很容易上手。比如這個非常有趣的關於 UFO 目擊事件的互動式例子。

同時它也是一個非常簡易和輕量級的選擇。

適合人群：追求快速美觀同時又不需要寫一堆雜亂代碼的開發者。

3. FusionCharts

FusionCharts 支持 vanilla JavaScript、jQuery、Angular 等一系列高人氣的庫和框架。它內置 90 多種圖表和超過 1000 種地圖，相比 Google Charts 和 MetricsGraphics 要完整得多。你可以在這裡查看它所支持的全部圖表類型。

考慮到應用或是網站的拓展性，如果你選擇了一個功能不完整的繪圖庫，這就有可能在將來發展成一個問題。而像 Microsoft、Google 和 IBM 這樣的公司都在使用 FusionCharts，這說明它是一個能滿足企業級拓展性需求的工具。

適合人群：需要各種不同種類的易自定義圖表的開發者。

4. Epoch

Epoch 是一個基於 d3.js 開發的工具，它使得開發者可以方便地在他們的應用或是網站上部署實時圖表。它的文檔整潔，完全免費並且開源，這使得它對於不想花錢購買重量級解決方案的人來說是一個很好的選擇。

對普通數據和實時數據，Epoch 都支持 5 種圖表類型。這個數量並不能與 FusionCharts 或是 Highcharts 這種特性完整的產品對抗，但它所專長的是以簡單和友好的方式呈現實時數據。

適合人群：需要簡單靈活的實時數據呈現方案的開發者。

5. ECharts

百度的 ECharts 是一個很棒的工具，它支持在繪製完數據後再對其進行操作。這個被稱為 Drag-Recalculate 的特性使得用戶可以在圖表之間拖動一部分的數據並得到實時的反饋。同時，ECharts 是專為繪製大量數據設計的。它可以瞬間在二維平面上繪製出 20 萬個點，並用專為 ECharts 開發的輕量級 Canvas 庫 ZRender 使數據動起來。

你可以在這裡對上圖進行操作，來體驗 ECharts 所提供的特性。

適合人群：想盡量避免寫代碼並有實時數據操作需求的開發者。

6. D3.js

雖然並不是對用戶最友好的工具，但 d3.js 在 JavaScript 繪圖界的重要性是不可小覷的。許多其他的庫都是基於它所開發，因為它提供了你所能想到的所有功能。它支持 HTML、SVG 和 CSS，並且有著海量的用戶貢獻內容來彌補它缺乏自定義內容的劣勢。

由於 D3.js 的學習曲線比較陡峭，你或許會考慮看看 用 d3.js 進行數據可視化。這門課程能為你打下堅實的基礎。

適合人群：不怕寫代碼的硬核繪圖專家。

7. Sigma

跟上面已經提到過的工具相比，Sigma 有著自己獨特的定位，那就是圖模型的繪製。它基於 Canvas 和 WebGL 開發並提供了公開的 API。所以你可以在 GitHub 上找到社區貢獻的許多插件。舉例來說，你可以用 Sigma.js 畫出這樣的圖：

Sigma 同時也是響應式的，並支持觸屏。開發者很容易添加新的功能以及精細地控制邊和頂點的規格。

適合人群：需要專為繪製圖模型設計的強大工具的開發者。

8. Highcharts

人氣極高的 Highcharts 可以在不依賴插件的情況下繪製互動式的圖表。它高靈活性的繪圖 API 也被 Nokia、Twitter、Visa 和 Facebook 這樣的公司所青睞。

Highcharts 對於非商業使用是免費的，而商業許可的價格是一份 590 美元（附帶技術支持）。

這是一個用它繪製的例子：

你可以通過這個教程來入門 Highcharts。

適合人群：需要在技術支持的幫助下繪製各種複雜的圖表的開發者。

9. dc.js

dc.js 是一個開源的 JavaScript 繪圖庫。它非常適合用來創建互動式的儀錶盤（Dashboard）。圖表之間是有聯繫的，所以當你與其中一個部分進行交互時，其他部分都會做出實時的反饋。這是一個例子：

除了一些在線課程以外，你可以通過各種例子來學習使用這個庫。等你照著文檔動手一遍以後就有能力創建自己的圖表了。

雖然 dc.js 並沒有像 ECharts 或是 Google Charts 那樣豐富的功能，但它在自己的賣點——易於呈現和探索巨量的維度數據集上做的非常好。

適合人群：需要為關係型圖表創建一個儀錶盤的開發者。

10. dygraphs

由 Google 開發的 dygraphs 絕對是繪圖工具中的明星。到現在 Google Correlate 還在使用它（當然，在設計上經過了一些調整）。它可以被用於繪圖密集的項目，因為它能在不影響性能的情況下輕鬆地繪製幾百萬個數據點，這在很大程度上彌補了它那過於樸素的審美設計。

從一開始作為 Google 的一個內部項目到最後公開發布，dygraphs 一直有著活躍的社區支持。同時它也在 GitHub 上開源。

適合人群：需要有著活躍支持的專為繪製海量數據集設計的工具的開發者。

11. Vega

Vega 是一個基於 d3.js 的用於創建、分享和保存可視化圖標的庫。它由許多部件組成，其中一些能夠在不需要寫代碼的前提下達到與 d3 競爭的水平。Vega 能夠把 JSON 數據轉換成 SVG 或 HTML5 圖表。雖然這沒什麼了不起的，但它把這一步做的很踏實。

因為使用 Vega 不需要寫任何代碼（只要會編輯 JSON 文件即可），它是一個很好的 d3 替代品，能在降低使用複雜度的同時保留 d3 的特性。

適合人群：需要 d3 強大的特性又不希望從頭學起的開發者。

12. NVD3

最後介紹的工具也是基於 d3.js 的。作為繪圖界的佼佼者，NVD3 是由一系列部件組成的，允許開發者創建可重用的圖標。你可以在它的網站上找到許多 demo 和對應的代碼。這也是上手 NVD3 的最佳方式。

你可以看到，NVD3 的審美風格要比 d3.js 更為精緻一點。

它支持 11 種圖表類型，包括區域圖、線圖、柱狀圖、氣泡圖、餅狀圖和散點圖。同時也支持所有現代瀏覽器以及 IE 10 以後的版本。

適合人群：熟悉 d3 並想要可重用圖表的開發者。

之前看到一個國外妹子用了24種工具製作一個相同的圖表，比較了12款可視化軟體和12個編程/圖表庫，並針對工具/圖表庫的側重度，靈活程度，圖表創新性，交互效果四大方面，寫了一篇一級棒的文章。

本課代表編譯了這篇文章和大家分享，便於大家更加了解這些可視化工具與編程的優缺點。（ps：原文基於CC Attribution 3.0版權協議，編譯文在原文基礎上有刪改）

———————————————
今年5月，這個妹子給自己設置了一個挑戰：儘可能嘗試使用多種多樣的編程語言或者軟體來進行數據可視化。為了比較這些工具，她利用這些工具重複製作了同樣的一張散點圖。基於結果，她還發布了兩篇文章：一篇是用12種軟體做一個相同的圖表，另一篇是用12種編程/圖表庫做一個相同的圖表。

下圖展示了她使用12個不同的軟體製作同一張散點圖的過程：（想看動圖的可以戳這裡）

這是12種編程/圖表庫製作出來的效果：

她從這些可視化軟體/圖表庫中認識到：
There Are No Perfect Tools, Just Good Tools for People with Certain Goals.
沒有十全十美的工具，但是如果確立（可視化）目標，就能找到合適的工具去實現。

數據可視化在很多領域都有應用，比如自然科學，商業當然還有新聞業。（插播：本美數課課代表從事的數據新聞~）所有這些領域都有不同的需求——但即使在數據新聞領域，不同的場景下呈現的方式和效果也不同，因此不存在一個完美的工具可以滿足所有的需求。

下面是她在製作中曾遇到過的一些矛盾，也是數據可視化工作者常常遇到的情況。
1）分析 VS 展示：
是想使用工具（R, Python）來分析數據，還是更注重於構建可視化效果（D3.js, Illustrator）？有些工具（比如說 Tableau, Ggvis, Plotly）試圖在這其中謀求平衡，既可分析又可展示。

她根據分析和展示上的側重性對可視化工具和編程語言們進行了排列：可以看到工具類的往往更注重展示，而編程類的比較平均，各有側重點。

2）數據管理
如果製作可視化的時候需要更改源數據怎麼辦？在這方面，這些工具或編程語言的靈活性如何？
低靈活性：比如在Illustrator中，即使你只是輕微修改了數據，也需要重頭開始製作圖表，這種工具還不方便進行數據管理。
中靈活性：比如在D3.js中，可以單獨處理或修改數據，然後再重新導入數據文件來更新可視化結果。
高靈活性：比如在Plotly和Lyra中，導入數據後，可以直接在該工具中修改或是增減新數據。

3）傳統圖表 VS 創新圖表：
如果你只需要基本的圖表類型，如柱狀圖或折線圖，Excel完全可以滿足啦~
但你如果想創建表現形式更為豐富的互動圖表，比如點擊可以出現酷炫的交互效果，像D3.js之類的編程語言就更適合啦，但是學習此類工具的門檻也往往更高，有著陡峭的學習曲線和冗長的代碼。或者也可以使用Processing，用它製作這張散點圖的代碼長度只有D3.js的一半。還有Lyra，它不需要任何代碼基礎，但也可以讓你輕鬆修改數據有關的視覺元素。

下圖是她對可視化軟體和編程語言兩類的靈活性的評價排列：

4）交互圖表 VS 靜態圖表：
你是需要創造基於網頁的交互圖表（如D3.js, Highcharts能做到的），還是PDF/SVG/PNG形態的圖表就能滿足你 (R和Illustrator可以做到)？

幾年前，互動圖表曾受到高度追捧，但現在關注焦點慢慢從「看起來怎麼樣」轉移到「什麼才更有意義」。

對於分析部分，交互特性往往也是很有必要存在的。Plotly和R的庫Ggvis就可以讓讀者輕鬆地將滑鼠懸停在可視元素上來查看基礎數據。

下圖是作者對於軟體/編程的在靜態和交互的劃分：

看完了以上四個方面，
There Are No Perfect Tools, Just Good Tools for People with Certain Mindsets.
還是那句話，沒有十全十美的工具，不同的工具適合不同的思維方法。

人各有長處，何況工具呢？它們都是依照特定的製作思路和功能被開發的，而真實使用場景下，使用者的思路和開發者們預想的方式可能會不同。開發者們往往會受到以前使用工具和他們同事的影響，況且他們也有著非常不同的專業背景：比如新聞學、統計學、計算機科學、設計專業等等等。

我的朋友Alberto Cairo曾經像我推薦過Yeeron和InZight兩個工具，但是我覺得很難用。而他覺得難用的Lyra，卻是個給我帶來諸多啟發的工具。這是因為我倆背景不同：他的首要自我認知是記者，其次才是設計師；而我則認為自己主要是個設計師。所以他喜歡能發現故事的可視化工具，而我則喜歡更高的設計自由度。

We Still Live in an 「Apps Are for the Easy Stuff, Code Is for the Good Stuff」 World.
我們仍然更認同「可視化軟體更容易上手，但寫代碼可以做出更好的作品」。（所以想入可視化黑洞的同學們，學代碼吧！hello world：）

大多數軟體很容易上手，但功能有限。
大多數編程語言/圖表庫相對較難學習，但提供可以更多的靈活性和選項。

下面的圖表是原作對學習的靈活性和難度之間的關聯排列：可以看出大多數編程語言/圖表庫處於高難度和靈活多變的區域，而大多數支持一鍵生成的可視化軟體則處於低難度與不靈活的區域。

作者還提到她自己很喜歡像Plotly，Tableau，Lyra和NodeBox這樣的軟體，只需要通過點擊和拖動就可以製作圖表，且擁有很高的靈活性。希望可以看到更多這類的工具，甚至希望能夠把軟體的可視化能力開發得像編程一樣強大，當然這是一個很大的挑戰。Excel就是一個很好的例子。它不但對初學者來說很容易上手，也能為Excel大神們提供了很大的靈活性。

「Every Tool Forces You Down a Path.」
每種工具都會引你走向一條路……

你想要站在宇宙中心去呼喚……是絕對不行的，要勇敢的走起來先！加斯特Do it！

附上原文：
WHAT I LEARNED RECREATING ONE CHART USING 24 TOOLS

這個妹紙的其他文章~(???)~
1）One Chart, Twelve Tools
2）One Chart, Twelve Charting Libraries
twitter：@lisacrost

//2017年，本美數課課代表要學代碼了！p5.js var button; var like = 0;


function setup(){

  createCanvas(100, 100);

  button = createButton("like");

  button.mousePressed(likePlus);

}

function likePlus(){ like++; button.html(like); }

可能回答得不是很切題，但是適用於習慣／想要用R、python等（統計）軟體做數據可視化，尤其是畫有交互功能的圖的盆友們，你萌可以參考下我的推薦，蟹蟹。圖片均來源於網路，侵刪。

以R為例。

－－－－－－－－－－如果你只是單純地想畫幾張（好看的）圖－－－－－－－－－

首推plotly，誰用誰知道

pros：游標移到某一個數據點都會顯示具體內容（當然現在很多包都可以做到這點）；可以任意拖拽，放大縮小；下載圖片等功能（下圖右上角）

cons：參數太多（這也能算缺點？？）導致語法略冗長；但另一方面也非常靈活，可以任意customize
tips：怎麼學一個功能特彆強大的新的r包？答：跟著栗子學。。。用熟了之後可以自行閱讀reference或者source code

然後推ggplot2

相信大家都很熟悉，就說一點，如果你用慣了ggplot2，只需要再加一行命令即可變成plotly的對象，實現hover/select/zoom in/download等等功能

p &<- ggplot(data = d, aes(x = carat, y = price)) + geom_point(aes(text = paste("Clarity:", clarity)), size = 4) + geom_smooth(aes(colour = cut, fill = cut)) + facet_wrap(~ cut) ggplotly(p)

接下來是幾個輔助的（小眾）包

rbokeh

Bokeh是一個基於python的數據可視化library，提供各種介面。甩一個作者在userR 2016上的屁屁踢鏈接，裡面有二十個栗子，五分鐘可以過完 rbokeh by Ryan Hafen

pros：有個別的圖比plotly畫的好，如hexbin（蜂窩圖？）；能畫一些非常炫酷的圖，（分別是屁屁踢裡面的例10和例9；當時我就嚇尿了；關鍵是要會javascript；但其實對實際的工作學習沒什麼幫助）

cons：大部分功能plotly可以完全cover，而且hover和select功能不是每一幅圖都有

GGally，ggplot2的延伸

推薦給學統計的童鞋們，非常適合簡單粗暴的exploratory analysis，說幾個例子。

順便安利下broom這個包，相信大家在學線性回歸的時候都需要從summary裡面取參數的估計值啊、p值啊、R方等等信息，這個包讓這個過程異常方便，自動返回data frame噢～真的很節省時間。然後配合ggcoef命令，下圖可視化了估計的參數和置信區間，p值的大小體現在圓點的size上

還可以根據數據的類型，畫不同的圖展示變數之間的兩兩關係，自動出correlation

還想更特別一點嘛，自定義ggplot2 themes吧

不想讀那麼長的reference？沒事，看看別的公司怎麼做的，還是那個道理，找個栗子學就好了嘛。。。ggtech上有幾個簡單的themes，可以更改背景、字體（大小）、默認顏色等等

－－－－－－－－－－－－－畫完了圖，你想展示？－－－－－－－－－－－－－－

以圖表為主，推薦flexdashboard

－它其實是由rmarkdown文件、knit成的html頁面，但是模樣是個dashboard，自由設置layout；
－有一個storyboard的layout，和tableau裡面那個一毛一樣；
－支持各種數據可視化交互，可以添加shiny components；
－覺得table違和，可以用data.table（這又是一個神器）

－－－－－－－－－－－－展示完了，想分享給別人？－－－－－－－－－－－－－
先留個白。。。個人版的shiny可以上傳三個到server，html頁面更是想放哪放哪。但總的來說，分享不是一件非常方便的事情（至少沒有其他BI軟體方便，還能訂閱）。有個新東西叫RStudio Connect，貌似會逐漸解決這個問題，我正在研究中，歡迎大神給我支招。

－－－－－－－－－－看看別人家的公司是怎麼做可視化的－－－－－－－－－－－
純分享一些use cases，不僅僅使用R做的（嗯，有的我也不知道怎麼做的）

FiveThirtyEight：Data Journalism Site

－再次甩一個userR 2016的視頻鏈接FiveThirtyEight"s data journalism workflow with R，是此次會議的視頻點擊率排行第一噢~
－一個新聞網站有github、公布數據和代碼你敢信？？？GitHub - fivethirtyeight/data: Data and code behind the stories and interactives at FiveThirtyEight
－這真的是「用數據講故事」了，不過作圖和解讀的應該是兩撥人
－當然他家（目前）最出名的還是創始人神一樣的預測上次大選結果，這裡丟一個wiki Nate Silver，拭目以待這次的結果

Second Spectrum

這個簡直炸裂！！！第一次看了幾段demo，連我這個對於球類一竅不通的人都熱血沸騰！！！必須看視頻才能體會！！！再次甩一個TED TALK Rajiv Maheswaran: The math behind basketball"s wildest moves

好了我冷靜下來了，這個公司主要是採集比賽過程中的信息，以籃球為例，球員運動啊、球的軌跡啊都是數據點，然後收集了很多很多場的數據之後呢，把他們可視化（真的超級炫酷），然後做分析。分析什麼呢？自家球員和競爭對手的優劣啊！！！好像還能算某種情形下投籃的命中率？？？所以，球隊想給他錢，電視台體育頻道也想給他錢（如下圖，主播點點屏幕就能交互了，截圖到蜜汁蘭花指。。。）

待續待續！後記：心疼我自己，電腦上格式好好的，手機上有幾段空行顯示地不對勁，改了好幾次也沒解決……強迫症傷不起啊，讀了好幾遍確認沒有錯別字和不通順 -_-|||

1. Axiis http://www.axiis.org/

基於 Flex 的數據可視化工具，準確、表現豐富。

2. Chronoscope http://timepedia.org/chronoscope/
對於海量數據的可視化，這個工具值得一試，包含一個 JavaScript API ，可以同 Google 的電子表格，iGoogle 以及開放社會網路集成。

3. Flex http://www.adobe.com/devnet/flex/tourdeflex/web/#docIndex=0;illustIndex=0;sampleId=0
Flex 內置圖表控制項，可以快速生各種效果的圖表，使用類似 SVG 的 FXG 技術。

4. JSCharts http://www.jscharts.com/
一個 JavaScript 圖表工具，擁有很多模板。

5. MilkChart http://code.google.com/p/milkchart
幾個簡單易用又功能強大的數據到圖錶轉換工具。使用 HTML5 Canvas 對象。

6. http://Ajax.org http://www.ajax.org/
一個純 JavaScript 實時圖表生成平台。

7. BirdEye http://birdeye.googlecode.com/svn/branches/ng/examples/demo/BirdEyeExplorer.html
用於 Adobe Flex 的可視化數據分析類庫，基於 Action Script。

8. KartOO http://www.kartoo.com/
一個非常直觀的可視化搜索引擎。

9. Google Chart API http://code.google.com/apis/chart/types.html
Google 的圖表 API。

10. DojoX Data Chart https://user.sitepen.com/~mwilcox/Chart/DataChart.html
基於 Dojo 的圖形工具

11. Dundas http://www.dundas.com/Components/Gallery/ASP/
.NET 下老牌的數據圖表工具。

12. Degrafa http://www.degrafa.org/samples/data-visualization.html
一個圖形框架，用於創建 UI，可視化數據，地圖等。

13. Flex Monster Pivot Table and Charts http://www.flexmonster.com/flash/help/index.html?file=Examples/sample_ui/grid_chart_config.html
提供 Flex/Flash 數據透視表，用於 RIA 應用的開發。

14. 最後，我想說，藉助AI, PS等工具排版也十分必要。

js系的d3.js及引申件、dc.js、vis.js……

python系的bokehjs，老牌matplotlib、chaco、mayavi……

VTK大家族……

以及各種gnuplot、ggplot之類的玩意，其實都不錯……

謝邀。

本人以前工作的時候收集了各個平台各種行業的幾十種數據可視化分析工具，讓你不僅大飽眼福，而且還可以讓你事半功倍。

先放圖。

Gantti

Gantti是一個開源的PHP類，幫助用戶即時生成Gantti圖表。使用Gantti創建圖表無需使用JavaScript，純HTML-CSS3實現。圖表默認輸出非常漂亮，但用戶可以自定義樣式進行輸出（SASS樣式表）。

Smoothie Charts

Smoothie Charts是一個十分小的動態流數據圖表路。通過推送一個webSocket來顯示實時數據流。Smoothie Charts只支持Chorme和Safari瀏覽器，並且不支持刻印文字或餅圖，它很擅長顯示流媒體數據。

Flot

Flot是一個優秀的線框圖表庫，支持所有支持canvas的瀏覽器（目前主流的瀏覽器如火狐、IE、Chrome等都支持）。

Pizza Pie Charts

Pizza Pie Charts是個響應式餅圖圖表，基於Adobe Snap SVG框架，通過HTML標記和CSS來替代JavaScript對象，更容易集成各種先進的技術。

Fusion Charts Suit XT

Fusion Charts Suit XT是一款跨平台、跨瀏覽器的JavaScript圖表組件，為你提供令人愉悅的JavaScript圖表體驗。它是最全面的圖表解決方案，包含90+圖表類型和眾多交互功能，包括3D、各種儀錶、工具提示、向下鑽取、縮放和滾動等。它擁有完整的文檔以及現成的演示，可以幫助你快速創建圖表。

Protovis

Protovis是一個可視化JavaScript圖表生成工具。

Processing

Processing是數據可視化的招牌工具。你只需要編寫一些簡單的代碼，然後編譯成Java。Processing可以在幾乎所有平台上運行。

Leaflet

Leaflet是一個開源的JavaScript庫，用來開發移動友好地交互地圖。

Openlayers

Openlayers可能是所有地圖庫中可靠性最高的一個。雖然文檔注釋並不完善。且學習曲線非常陡峭，但是對於特定的任務，Openlayers能夠提供一些其他地圖庫都沒有的特殊工具。

PolyMaps

PolyMaps是一個地圖庫，主要面向數據可視化用戶。PolyMaps在地圖風格化方面有獨到之處，類似CSS樣式

表的選擇器。

Timeline

Timeline即時間軸，用戶通過這個工具可以一目了然的知道自己在何時做了什麼。

OpenStreetMap

OpenStreetMap是一個世界地圖，由像您一樣的人們所構築，可依據開放協議自由使用。

OpenHeatMap

OpenHeatMap簡單易用，用戶可以用它上傳數據、創建地圖、交流信息。它可以把數據（如Google Spreadsheet的表單）轉化為互動式的地圖應用，並在網上分享。

Excel

Excel作為一個入門級工具，是快速分析數據的理想工具，也能創建供內部使用的數據圖，但是Excel在顏色、線條和樣式上課選擇的範圍有限，這也意味著用Excel很難製作出能符合專業出版物和網站需要的數據圖。

Charting Fonts

Charting Fonts是將符號字體與字體整合（把符號變成字體），創建出漂亮的矢量化圖標。

Highchart.js

Highchart.js是單純由JavaScript所寫的圖表資料庫，提供簡單的方法來增加互動性圖表來表達你的網站或網站應用程式。目前它能支援線圖、樣條函數圖。

Paper.js

Paper.js是一個開源向量圖表敘述架構，能夠在HTML5 Canvas 運作，對於初學者來說它是很容易學習的，其中也有很多專業面向可以提供中階及高階使用者。

Dundas Chart

Dundas Chart處於行業領先地位的NET圖表處理控制項，於2009年被微軟收購，並將圖表產品的一部分功能集成到Visual Studio中。

TimeFlow

TimeFlow Analytical Timeline是為了暫時性資料的視覺化工具，現在有alpha版本因此有機會可以發現差錯，提供以下不同的呈現方式：時間軸、日曆、柱狀圖、表格等。

Gantti

以上。

http://weixin.qq.com/r/f3WagiXEs3jMrWHh9yBt (二維碼自動識別)

http://weixin.qq.com/r/f3WagiXEs3jMrWHh9yBt (二維碼自動識別)

小汪不才，最近的寫了一篇文章【乾貨】你不得不知道的11款數據分析工具，貌似和這個題目的調性有一丟丟像。主要是對現在的數據可視化工具做了一下盤點，僅做個比list更詳細，比深度分析更簡單的內容給大家參考下，歡迎探（si）討（bi）

BI（BusinessIntelligence）即商業智能，越來越多的智能軟體供應商推出可視化數據分析工具，應對企業業務人員的大數據分析需求。然而如果你覺得不是數據分析專業、沒有挖掘演算法基礎就無法使用BI工具？NO，自助式分析工具已經讓數據產品鏈條變得大眾化，。為了更好地幫助讀者選擇分析工具，本文將為介紹數說立方、數據觀、魔鏡等11款BI-商業智能產品，排名不分先後！

1.
功能列表

2.
詳細介紹

2.1.
數說立方

數說立方是數說故事新推出的一款面向數據分析師的在線商業智能產品。最重要的特點是配備百億級社交資料庫，同時支持全網公開數據實時抓取，從數據源端解決分析師難點；另外數說立方搭載了分散式搜索、語義分析、數據可視化三大引擎系統的海量計算平台，實現數據處理「探索式分析」和「秒級響應」的兩個核心功能。同時數說立方是數說故事三大主打產品之一，並與其他兩大產數說聚合和數說雷達實現從數據源、數據分析、到數據展示完整的數據解決方案。

優點：

2 即便是個人免費版，體驗和功能仍然非常好；

2 與自家產品「數說聚合」的無縫接入，支持定向抓取微信、微博等數據；

2 功能完善，集數據處理、特徵工程、建模、文本挖掘為一體的機器學習平台；

2 可視化視圖展現、友好的客戶感知頁面；

2 支持SAAS，私有化部署，有許可權管理；

缺點：

2 產品新上市，操作指導頁不太完善；

2 體驗過程中有一些小bug；

體驗網址：http://t.cn/RqGv5OO

2.2 數加平台

數加是阿里雲發布的一站式大數據平台，可以提供數據採集、結構化、加工到展示分析整套的一站式數據服務。
可採集不同系統及物理存儲的源頭數據，在分散式計算平台上進行數據的深度整合、計算、挖掘，將計算的結果通過可視化的工具進行個性化的數據分析和展現，也可直觀的展示分析現有雲上業務系統的資料庫數據。

優點：

2 有完整的產品規劃，功能完善；

2 圖形展示和客戶感知良好；

2 提供SQL查詢；

缺點：

2 需要捆綁阿里雲才能使用，一般用戶還不能真正使用起來；

2 部分體驗功能一般，有一定的學習成本；

體驗網址：https://data.aliyun.com/

2.3 Tableau

Tableau是目前市面上較為成功的BI工具。產品既有針對性，又有普適性。拖放式界面，操作簡單。數據兼容性強，適用於多種數據文件與資料庫，同時也兼容多平台，windows、mac、Online均可使用。而且重要的一點是免費為用戶安排現場培訓或按需求進行在線培訓。

優點：

2 處於行業領導者地位，功能完善；

2 有較好的圖形展現與客戶感知；

2 新產品開始支持雲端展現，但是需要客戶端支持；

缺點：

2 相比於商業智能BI，更像一個基於數據查詢的數據展示工具；

2 處理不規範數據、轉化複雜模型比較難；

2 無法處理大量數據；

2 國內網路連接Online版速度較慢；

體驗網址：http://www.tableau.com/zh-cn

24 Qlik

QlikView只需輕輕單擊幾下，就可以對所有數據源進行合併、搜索、可視化和分析，可在不影響性能的前提下連接到多個數據源；其次視圖種類豐富，界面簡潔，互動性強，總體來說是一款簡單易用的BI產品。Qlik用戶可通過各類可視化效果，將Qlik擴展到任何應用程序中。另外用戶也可以通過使用標準的和最新的網路API，可將可視化效果數據嵌入網站或應用程序。

優點：

2 產品功能完善，圖形展現和客戶感知良好；

2 支持SAAS，有許可權管理功能；

缺點：

2 有一定的學習成本；

2 報表規範性要求很高；

2 數據抓取功能都非常弱，需要有非常好的數據倉庫作為基礎；

體驗網址：http://global.qlik.com/cn

2.5 Spotfire

Spotfire服務對象是一線工作人員和日常決策人員，其交互界面形象易懂，無需寫腳本語言和編寫程序就可以對數據進行添加、分離操作。內置搜索引擎，可以隨意查找任意信息。支持R、S+等統計、挖掘功能；有豐富、開源的R模型。標記有自身特色，提供了過濾、鑽取等功能，多個標記同時還可以實現圖形化的集合運算。

優點：

2 交互界面形象易懂，即使是普通的業務人員也能輕而易舉地進行複雜的數據分析；

2 不一定要建數據倉庫，還可以直接從多個異構數據源提取數據進行分析；

2 支持SAAS，有許可權管理功能；

缺點：

2 SAAS版只支持30M，由於是國外伺服器所以上傳很慢；

2 不適合中國式的固定報表；

2 進軍中國市場較晚，國內案例較少；

2 工具的適應性範圍廣，但是難易跨度大；

體驗網址：http://spotfire.tibco.com/

2.6 神策分析

神策分析的產品有完整的使用文檔，每個模塊都有詳細的使用說明以及示例，降低了用戶的學習成本。而且支持私有部署、任意維度的交叉分析，並幫助客戶搭建專屬的數據倉庫。目前提供事件分析、漏斗分析、留存分析、數據管理等功能，未來預計會增加用戶分群、用戶人群分析、推送和異常維度組合挖掘等

優點：

2 專註於用戶行為數據分析，不追求做大而追求做全；

2 有詳細的產品使用文檔以及案例；

2 提供SQL查詢；

缺點：

2 更多的是demo示例，不能開箱即用；

2 純dashboard展示，並不能對單獨一塊數據作自定義分析；

體驗網址：http://www.sensorsdata.cn/

2.7
BDP

BDP個人版免費，只需導入數據，設定分析維度，即可實時得到圖表分析結果。示例和視頻教學很細緻，交互頁面友好。每次數據更新，對應的圖表也會自動更新，可以免去一些重複製作的工作。分享環節也很貼心，報告可以一鍵導出為PPT、郵件發送，也可直接生成鏈接分享。

優點：

2 產品支持移動端；手機同步呈現最新數據

2 首次登陸的用戶可以使用免費數據；

2 操作體驗流暢，界面友好，功能全，總體來說是一款不錯的產品；

2 即便是個人免費版，體驗和功能仍然非常好；

缺點：

2 官網的介紹比較簡單；

體驗網址：https://me.bdp.cn/home.html

2.8 永洪BI

永洪BI是一款可在前端進行多維分析和報表展現的BI軟體。支持拖拽操作，數據源格式多樣，提供不同級別的查詢支持，支持跨庫跨源連接。另外永洪提供了一款數據存儲、數據處理的軟體——MPP數據集市，可與BI打通，使得數據查詢，鑽取和展示的速度大幅度提高。不過其產品用戶體驗一般，拖拽過於自由，導致儀錶盤布局不好控制；主題樣式雖多但是給人感覺樣式還是很傳統。

優點：

2 商業流程完善，給人專業的感覺；

2 產品定製化的版本效果不錯；

2 支持的數據接入較多；

缺點：

2 SAAS版體驗很差，有一定的學習成本；

2 UI的視覺效果一般，整體可視化效果不夠現代化；

體驗網址：http://www.yonghongtech.com/index.html

2.9 數據觀

數據觀的功能設計理念是極簡、無門檻，所以它最大的特點就是簡單。數據觀數據來自雲端，如：百度
網盤、微盤、salesforce等。數據上傳後，馬上有推薦圖表，引導明確。另外產品的使用沒有技術門檻，無需專業IT知識，同時適用於非專業分析師出身的業務人員，可以快速將數據轉化成直觀的圖表，適合一開始接觸數據分析工具的非專業數據從業人員。

優點：

2 註冊只需填寫郵箱，且支持明道賬號登陸；

2 使用引導明確，支持salesforce、百度雲數據導入；

2 分析結果支持鏈接分享，大大降低用戶的溝通成本；

缺點：

數據導入後，數據分析體驗方面存在bug；

體驗網址：http://www.shujuguan.cn/

2.10 FineBI

FineBI分為數據處理、可視分析和分享公用三大功能模塊。支持多種數據源，圖表風格清爽美觀，可選擇任意維度分析。分析頁面由控制項和組件組成，控制項和組件的數量是可以添加至任意多個，但是布局的交互比較僵硬，且使用邏輯有點亂，引導不明確。需要安裝本地客戶端才能使用。

優點：

2 有較為詳細的行業案例與技術方案；

2 產品演示和資源中心也較為清晰

缺點：

2 需要使用客戶端，增加了使用的不便利性

2 只有儀錶盤展示，BI報表需要另一款產品；

2 無法處理大量的數據；

體驗網址：http://www.finebi.com/

2.11 魔鏡

魔鏡支持自動拖拽建模，同時可視化效果庫十分酷炫。用戶可以邀請團隊成員到自己的項目，合作進行探索分析，並且按照需求有效控制訪問數據的成員許可權。產品模塊規劃完整，有基礎企業版到hadoop等5種選擇為，而且可以支持定製化服務。但是可能是雲平台版的緣故，使用過程中出現不少BUG，企業版的體驗可能會相對好一點。

優點：

2 產品模塊的規劃比較健全，其中包括數據源導入、數據分析、儀錶盤、數據挖掘和數據工廠；

2 官網的設計不錯，模板選擇性大，顏值控可能會喜歡；

2 工具使用指導清晰，使用篇和方法篇等比較詳細；

缺點：

2 產品存在較多的BUG，UI和功能相對其他產品來說較簡陋；

2 部分產品模塊並不能切實用於數據分析；

體驗網址：http://www.moojnn.com/

選擇一款適用的BI產品，能夠大大簡化數據分析的繁雜工作，提高分析效率與質量。當然，以上每個工具各有優點，工具地址都給大家了，接下來就是輪到你動手的時候了，找一個自己喜歡的工具，開始吧！

樓上推薦很多牛逼的工具其實對大部分用戶來說使用門檻過高了，有時候大家只是想專註於數據，寫出好的報表，而不是去開發，或者去搭建網站。

來推薦一下前公司的免費專業數據報表製作工具文圖（http://www.wentu.io)

文圖的優勢在於易用和可擴展性（更多新的功能也會陸續加入）

相比d3.js 和 echarts 這些工具，他們比較難上手，畢竟還需要用戶自己去學習api，搭建網站，做細節優化。文圖在echarts基礎上做了封裝優化，以後還會加入其他工具和圖表類型。

修改圖表數據就像excel一樣簡單

相比excel我們的優勢是在線編輯展示和文檔共享。輕量而且方便。

方便管理報表的文檔庫

http://wentu.io/publish#fcc7efffa1e37cec (二維碼自動識別)

發布分享您製作的數據報表

相比其他一些國外的數據報表製作工具我們是本土團隊，文圖更符合我們中國人的使用習慣，而且有什麼建議反饋到我們這裡都會儘快處理（我負責前端開發，所以有bug或者體驗問題都可以直接私信告訴我）。

馬上（真的是馬上啊。。。不出意外的話預計2016.01.28）上線的文圖第二版即將有自由布局，歷史記錄撤銷重做，多款預定主題及文字樣式，歡迎大家來嘗試。這個早就上線了

新版的多欄布局

因為IE適配還沒有來得及做，敬請各位使用chrome或者firefox訪問文圖

其實應用最廣泛，最底層，最為全能的數據可視化工具還是只有D3.js了。如果有程序員背景的話還是最推薦這個，不過門檻比較高，需要花時間去學，因為它是一個JavaScript Library，所以肯定沒有那些有著花里胡哨GUI的軟體們那麼親民。需要一行一行寫就是了。

5月31日更新

最近比較忙差點忘了來更新

國雲大數據魔鏡7.0免費雲分析平台已於5.15更新上線，歡迎大家使用、拍磚！國雲魔鏡—行業領先的大數據可視化分析平台 6.0

這裡針對數據分析板塊詳細介紹下

多圖文預警！！
1.數據區
1.1維度

魔鏡將包含定性、分類信息、等離散的欄位視為維度。例如，包括任何含有文本或日期值的欄位。不過在複雜數據關係中，維度的實際定義稍微複雜一些。一個維度就是一個可以視為獨立變數的欄位。

舉例來說，可以針對該維度的每個值來聚合一個度量。例如，您可能要計算每個「省份」的銷售總額。在這種情況下，「省份」欄位用作維度，因為您要聚合每個省份的銷售額。「銷售額」的值取決於「國家」，因此，「國家」是獨立欄位，而「銷售額」是依賴欄位。同樣也可以對視為維度的數字欄位計算這種聚合。例如，您可能需要計算向客戶提供的每個「利潤率」的銷售總額。在這種情況下，「利潤率」欄位用作獨立欄位，而「銷售額」欄位是依賴欄位，即便這兩個欄位都是數字欄位也是如此。您可通過先將「利潤率」度量轉換為維度，將數字欄位用作獨立欄位。

1.2度量

魔鏡將包含數字、定量信息的數值類型欄位視為度量。不過，在關係數據源中，度量的實際定義稍微複雜一些。一個度量就是一個依賴變數形式的欄位，也就是說，它的值是一個或多個維度的函數。

這也就意味著度量是工作表中其他維度的函數。例如，您可能要計算每個「省份」的銷售總額，在這種情況下，「銷售額」欄位用作度量，因為您要聚合各省份的欄位。

1.3度量轉換為維度

默認情況下，魔鏡將包含數字的所有關係欄位視為度量。不過，您可能會決定將其中某些欄位作為維度。例如，在魔鏡中，默認情況下可能會將包含年齡的欄位分類為度量，因為它包含數字數據。不過，如果您要查看每個年齡的人數分布，就可以將「年齡」欄位轉換為維度。

單擊該欄位並將其從數據區的度量區域拖放到維度區域中，如圖所示。

1.4 維度轉換為度量

在魔鏡中將定性的、分類信息視為維度，如將維度轉換為度量，會將離散的維度信息進行計數，默認計數（不同）。如將維度欄位「訂單號」轉換為度量，欄位會變成「訂單號（計數（不同））」，標識的意義變成了訂單數目。

1.5 維度、度量自由轉換交互說明

維度、度量的轉換在業務分析的實際應用中是非常常用的。在魔鏡工具中實現維度、度量自由轉換除通過下拉菜單，還可以直接拖拽到各區域實現切換。

2. 數據分析
2.1 快速進入分析台
點擊導航——數據分析，進入數據可視化分析台，如圖所示。

點擊儀錶盤——新建圖表，亦可進入數據可視化分析台，如圖所示；

2.2 上卷下鑽

上卷和下鑽是導航分層結構的最有用方法之一。例如，如果您在檢查各省的銷售總額，則可下鑽查看某省份、各個城市的銷售額情況。

在大數據魔鏡中有兩種方式可以進行創建分層結構。

將一個維度拖入到另一個維度上，將自動創建分層結構，彈窗編輯分層結構名稱。將「省級」拖入「市級」，自動跳出彈窗編輯分層結構名稱，點擊確認，創建後的結果如圖所示。

通過單擊分析台上的維度，右拉創建分層結構，彈窗編輯分層結構，將相關維度拖入相關分層結構中，如圖所示。

將「市級」拖入分層結構中，如圖所示。

舉例來說，將「省級」拖入列，將「銷售價格」拖入行，選擇「餅圖」，如圖所示。

生成了各省銷售價格的餅圖，右擊某個省，選擇「下鑽」，可以查看江蘇省各城市的銷售價格，如圖所示。

反之，將「市級」拖入列，將銷售價格拖入行，生成餅圖，右擊某個城市選擇「上卷」，就可以查看各省的銷售價格，也可以再次右擊選擇「下鑽」，如圖所示。

2.3 探索功能

大數據時代的數據多為混亂的、無結構的、多媒體的海量數據，而數據分析的探索功能可以成為一個很有效的工具。數據分析的探索功能可以發現變數之間的相關性以及引導出新的假設，發現數據潛在的價值。

例如，我們分析某個區域的房產銷售價格，同時可以探索其他新的欄位，探索數據更深層次的價值。在大數據魔鏡數據分析平台中，將「省級」拖入列，將「銷售價格」拖入「行」，可以看到各省的銷售價格對比圖，如圖所示。

此時，我們可以探索一下其他維度信息，選擇江蘇省，右擊選擇「探索」，可以看到彈出了新的相關欄位，如圖所示。

我們可以選擇點擊「市級」，探索一下江蘇省各市的銷售價格，如圖所示。

還可以繼續探索南京每個時期的銷售價格，從而做出有利於市場的決策，如圖所示。

2.4 計算欄位

創建計算欄位即通過自定義計算形成新的欄位，形成的新的欄位在維度、度量列表呈現，新的計算欄位可進行刪除和編輯操作。

在維度或者度量右拉菜單中選擇「創建計算欄位」，如圖所示。

編輯「計算欄位」界面，如下圖所示。

在彈出窗口輸入新欄位名稱，並輸入公式表達式及新欄位名稱，比如「平均銷售價格」，輸入公式表達式，在函數列雙擊選擇想要的函數，比如「AVG」,再雙擊欄位名列任一欄位，比如「銷售價格」，如下圖所示。

點擊確認，保存完成後，在欄位列表中會顯示出新增的欄位，如下圖所示。

計算欄位公式說明如下。

數字公式

字元串公式

日期公式

聚合公式

2.5 參數欄位

參數類似於維度集，可以切換不同的維度，通過創建參數欄位，當在「行、列、標記、篩選器」中時，可以快速切換當前參數中維度賦值。參數欄位，多用於多維分析中。

點擊維度中右拉菜單，選擇點擊「創建參數欄位」。

彈出編輯參數界面如圖所示。

將當前展開的業務分組內的維度拖入「編輯參數」框內，框內欄位可以進行自由排序。除了分層結構名不能拖入，其他維度都可以，如圖所示。

確認保存後，生成新的參數欄位「參數1」，如圖所示。

將參數1拖入「行、列、標記或者篩選器」時，視圖區會自動出現欄位選擇單值下拉列表。參數欄位默認選中的維度為排序第一的維度，如圖所示，就可以隨意切換查看各區域、各省和各市的銷售價格。

2.6 數據聯想

對某一欄位進行數據聯想，在數據區創建個新的聯想欄位，參與繪圖，如圖所示。

將滑鼠移至「數據聯想」產生聯想的臨時對象，如圖所示。

聯想的欄位可添加至左側列表，可參與繪圖，如圖所示。

2.7 聚合/取消聚合

聚合度量

雖然魔鏡對於每個度量默認是匯總聚合，但對於每個置於功能區的度量，可分配一個不同的聚合。例如，可對「銷售額」進行匯總聚合，對「利潤」進行最大值聚合，對「折扣」進行平均值聚合，如下圖所示。

通過選擇「度量」菜單項，可以更改工作表中所有度量的聚合狀態。

聚合維度
魔鏡可使用「計數」或「計數(不同)」將維度聚合為度量，如下圖所示。當聚合維度時，將創建一個新的臨時度量列，使維度看起來是一個度量。

取消聚合
當所有度量取消聚合後，視圖中每一行都會出現一個標記。所有度量取消聚合後，無法在視圖區操作「只保留」、「排除」數據。
1. 示例——銷售分析散點圖與取消/聚合
現有超市銷售數據一份，先將一個度量放置在「行」功能區上，將另一個度量放置在「列」功能區上，則表示想要比較兩個數值。通常在這種情況下，魔鏡會選擇散點圖作為推薦可視化形式。初始視圖可能讓人失望 — 只有一個標記，顯示兩個度量的所有值的匯總。
有多種方式可生成這樣一個散點圖：
1）您可以使用維度添加【描述】；
2）可以向「行」和「列」功能區添加額外的度量或維度，以便在視圖中創建多個單標記散點圖。
3）當然您也可以取消聚合，在視圖中標記每一行數據。
將「銷售額」度量放在「列」功能區上。
將「利潤」度量放在「行」功能區上。
1. 度量自動聚合為匯總，銷售額(匯總)在欄位名稱中顯示。描述信息中顯示的值是數據源中每個行的銷售額和利潤總和。如圖所示。

將「類別」維度拖到「標記」區的【顏色】上。

這會將數據分隔成三種標記，每個維度成員一個標記，然後使用顏色對標記進行區別標記，如圖所示。

將「省份」維度拖到「標記」區的【描述】上。

儘管顯示更多標記，度量仍然是聚合的。因此，無論數據源中是只存在一個「省份為江蘇、類別為辦公用品「的行還是 100個這樣的行，結果始終都是一個標記。

此過程可能會按您認為有用的方向形成視圖，或者您可能更願意轉向不同的方向，例如，通過向視圖中添加維度，或者通過引入趨勢線或預測。

2. 向「行」和「列」功能區添加更多欄位，

將「省份」維度拖到「列」功能區。

將「細分」維度拖到「行」功能區。操作結果如下圖所示。

現在，您有了一個可提供省份和客戶細分市場的銷售額與利潤概況的視圖。將游標懸停於視圖中的標記上以查看各個細分市場的工具提示數據。

3.
取消聚合

另一種修改您原來的單標記散點圖以顯示更多標記的方法是取消聚合。

選擇「取消聚合」，如圖所示。

現在您看到許多標記 -- 原始數據源中的每一行分別有一個標記。

當您取消聚合時，查看的將不再是數據源中各行值的平均值或總和。相反，視圖會為

數據源中的每一行顯示一個標記。取消聚合數據是查看數據的整個表面區域的一種方法。

這是了解數據形狀和識別離群點的快捷方式。這種情況下，取消聚合將顯示，對於數據中的許多行，銷售收入和利潤之間存在一致的關係。

2.8 日期維度的連續與離散

日期類型維度除有離散屬性外，還具有連續屬性。在可視化展示方面可呈現不同的結果。如果，3日的數據是缺失的，在日期維度連續的狀態下，3日是存在於軸上的，但在離散的狀態下，3日標題是不存在於軸上的。離散及連續狀態分別如圖所示。

2.9 快速表計算

魔鏡新版本快速表計算目前包括同比、環比。同比、環比的度量計算是相對日期維度而存在的。

同比一般情況下是今年第n月與去年第n月比。使用同比主要是為了消除季節變動的影響，用以說明本統計周期數據與去年同期數據相比的變化量。例如：本期2月比去年2月，本期6月比去年6月等。

環比一般情況下是今年第n月與今年第n-1月比。環比是本期統計數據與上期統計數據比較，用以說明本統計周期數據與前一統計周期數據相比的變化量。例如，本期2月比今年1月，本期6月比今年5月等。

同比/環比計算方法：

同比=（本統計周期數據 - 去年同期數據）/去年同期數據 ×
100%。

環比=（本統計周期數據-上統計周期數據）/上統計周期數據 ×
100%。

同比/環比使用方法：

當維度欄中放置了日期欄位時，系統會默認提供可選的同比/環比類型。當維度欄中沒有放置日期欄位時，表計算會置灰，如下圖所示。

當表計算中存在多個日期維度，同比環比計算可通過右拉菜單進行計算依據選擇。如下圖所示。

2.10 數據類型

數據源中的所有欄位都具有一種數據類型。數據類型反映了該欄位中存儲的信息種類，例如整數 (150)、日期 (2015/321) 和字元串「Sophilin」。欄位的數據類型在「數據」窗格中由以下所示圖標之一來標識，如圖所示。

3. 圖表組件

3.1 視圖的組件

不管哪類可視化圖形都是行和列的集合，由以下組件組成：軸、區、單元格和欄位標籤和圖例，如下圖所示。

3.2 標記

標記區主要分為顏色、大小、標籤、描述，通過對標記區的設置在圖形中顯示更多的信息，如圖所示。

顏色

顏色標記不同的值，不同的顏色標記不同的維度值，顏色的深淺標識度量的大小，顏色標記除放射樹狀圖外其他圖形只能拖入1個維度，再拖入顏色，替換之前的欄位。

將維度拖入顏色，對顏色進行編輯，滑鼠點擊「內蒙古」，可在當前版本色板里自定義該維度的顏色，同一顏色可被多維度值使用。默認20個顏色循環使用，可進行自定義切換色方案，如圖所示。

當有欄位拖入維度或者度量時，可自定義編輯圖表顏色，如下圖所示，自定義選擇目標顏色，或者輸入目標顏色色值號即可進行顏色編輯。還可根據需要手動調節顏色透明度。

將維度「地區」拖入「顏色」，可以看到不同顏色標記數量的大小；將度量「利潤」拖入「顏色」，可以看到顏色深淺標記數量的大小，可進行反轉，默認顏色淺-數值小，顏色深-數值大，點擊【反轉】按鈕後，則顏色深-數值小，顏色淺-數值大。

大小

調整整體的大小，自動適配美觀顯示。線圖，調整線條的粗細，柱圖，調整柱形的大小，形狀，調整形狀的大小，維度，按相關維度進行聚合，並且大小標識不同的維度值，度量，按相關度量進行聚合，並且按此度量進行大小標識柱圖。將度量「利潤」拖入「大小」，不同粗細的柱形標識不同的度量值，如圖所示，可自定義調節圖形粗細，有XS、S、M、L、XL等五個大小刻度可供調節，默認最大值為「XL」，同時也可自定義編輯圖形顏色。

標籤

將維度拖入「標籤」顯示維度值，將度量拖入「標籤」顯示度量值，「標籤」內只能顯示一個欄位，度量或維度，顯示度量值或維度值，根據圖形的不同選擇性顯示相關度量的度量名。在柱形圖中，標籤顯示在柱形中，如圖所示，其中也可同時編輯該圖的顏色和大小。

描述

即詳細信息，滑鼠懸停時顯示的詳細信息，將「省級」拖入「描述」，可以看到各區域各省更詳細的信息，如圖所示，其中也可同時編輯該圖的顏色和大小。

除了顏色、大小、標籤以及描述等四個主要標記外，還有角度、度量值和形狀三個標記，其雖然沒有在標記框內默認顯示，但也有著舉足輕重的作用。

角度

角度只有在操作餅圖的時候才會出現，用來標識佔比的欄位。將維度「地區」拖入列，度量「利潤」拖入行，選擇餅狀圖，如圖所示，則該餅圖即是以利潤為角度繪製的利潤佔比圖。

度量值

當有多個度量，並且想共用一個坐標軸時，度量值就會體現在標記框內。將維度「地區」拖入列，度量「利潤」、「銷售額」拖入行，選擇線圖或者餅狀圖，如圖所示，「利潤」和「銷售額」均在度量值標記下顯示。

形狀

形狀，散點圖下的標記元素。支持維度拖入形狀，不同的形狀標識不同的維度成員。如圖，不同子類別單價、利潤的分布情況，其中產品子分類用不同的形狀標識。如圖方形標識書架，圓形標識信封。

3.3 篩選器
通過設置篩選器用來縮小顯示在視圖中的數據範圍。通過選擇特定維度成員或特定度量值範圍，可以定義篩選器。將需要篩選的欄位以拖動的方式，從左側邊欄的欄位列表拖動到頁面中間的篩選器中，點擊右拉菜單，就可以進行篩選了，如下圖所示。

勾選「東北」「中南」「華東」，生成篩選後的圖表，如下圖所示。

將日期欄位拖入「篩選器」，有「日期範圍」「開始日期」「結束日期」可以設定，如下圖所示。

維度篩選器

值選擇器

值選擇器—可使用「值」下拉列表來選擇值的選擇方法。

1）從列表中選擇—從值的列表中進行選擇需要使用資料庫查詢來獲取值。

2）自定義值列表—在文本框中鍵入明確的維度成員名稱以定義篩選器，而無需查詢資料庫。當您要使用大型數據源並且查詢速度較慢時，請使用此選項。如果您知道相關的維度成員，則可以在文本框中鍵入這些成員，或者從其他應用程序複製並粘貼這些成員。請確保每個成員在文本框中各佔一行。

3）使用全部—選擇數據源中的所有成員。有時，您需要定義基於所有數據的條件或限制篩選器，即使數據隨時間發生變化也是如此。「使用全部」選項始終會包含資料庫中的每個成員以作為條件或限制的輸入，而不是從篩選器中選擇要包含或排除的特定成員。

4）排除模式—默認情況下，將包含定義篩選器時已選擇的成員，並排除已取消選擇的成員。但有時，定義不需要的值比定義需要顯示的所有值更加容易。擇對話框右上角的「排除」選項可從篩選器中排除而不是包含所做的選擇。

5）包含—返回在字元串中的任何位置包含該匹配值的所有成員。

6）開頭為—返回在字元串開頭具有匹配值的成員。

7）結尾—返回在字元串結尾具有該匹配值的成員。

8）精確匹配—返回僅包含匹配值且沒有任何其他內容的成員。

度量篩選器

1）值範圍—指定要包含在視圖中的範圍的最小值和最大值。所指定的值將

包含在該範圍中。

2）至少—包含大於等於指定最小值的所有值。在因數據經常改變而無法指

定上限時，這種篩選器十分有用。

3）至多—包含小於等於指定最大值的所有值。在因數據經常變化而無法指

定下限時，這種篩選器十分有用。

4）特殊—這種特殊篩選器可幫助您對 Null值進行篩選。僅包含「Null值」、「非 Null值」或「所有值」。

3.4 行列轉置

行列轉置，點擊轉置按鈕，交換「行」和「列」上的欄位，如圖所示。

點擊轉置按鈕後，「行」與「列」上的欄位已經交換，如圖所示。

3.5 放大鏡

點擊「放大鏡」圖標，即可將當前可視化圖最大化顯示，如圖所示。

3.6 設置數值格式
設置數值格式是設置度量在可視化圖形效果的顯示樣式，如圖所示。
默認：默認狀態顯示千字元，保留3位小數。
數字（自定義）：①小數位數，默認2位；②負值顯示，默認狀態-1234；③單位：K、M、B；默認無單位；④前綴/後綴，默認無前後綴；⑤千字元，默認勾選千字元。
貨幣（自定義）：①小數位數；默認2位；②負值顯示，默認狀態-1234；③單位：K、M、B，默認無單位；④前綴/後綴，默認前綴為￥，無後綴；⑤千字元，默認勾選千字元。
百分比：小數位數，默認保留2位小數。
設置數值格式是設置度量在可視化圖形效果的顯示樣式。
默認：默認狀態顯示千字元，保留3位小數。

數字（自定義）：①小數位數，默認2位；②負值顯示，默認狀態-1234；③單位：K、M、B；默認無單位；④前綴/後綴，默認無前後綴；⑤千字元，默認勾選千字元，如圖所示。

貨幣（自定義）：①小數位數；默認2位；②負值顯示，默認狀態-1234；③單位：K、M、B，默認無單位；④前綴/後綴，默認前綴為￥，無後綴；⑤千字元，默認勾選千字元，如圖所示。

可自定義其他貨幣符號，魔鏡列出的常用貨幣符號如下圖所示。

百分比：小數位數，默認保留2位小數，如圖所示。

以上4種狀態不衝突，都是獨立的，選擇其中一種覆蓋另一種。

4. 可視化圖表組件

4.1. 列表

列表是以表格的形式展示數據的載體。大數據魔鏡列表分為列表、突出顯示錶、壓力表。突出顯示錶與壓力表可根據業務需要，增加自定義設置，使得信息更加詳細、明顯。通過突出顯示錶，不僅可以迅速發現多組數據在某個維度上的關鍵點，而且可以立即知道該關鍵點的值。

列表的三種圖形效果如圖所示。

1) 列表
列表包含行表頭和列表頭，是通用的數據分析圖表。通常通過在「行」功能區上放置一個維度並在「列」功能區上放置另一個維度來創建列表，又稱交叉表或數據透視表。然後您通過將一個或多個度量拖到標記區的【顏色】、【大小】、【標籤】、【描述】來完成視圖，如圖所示。
拖入「區域」到行功能區；
拖入「類別」到列功能區；
拖入度量「銷售額」、「利潤」到標記區，；
切換列表圖；

2) 突出顯示錶
突出顯示錶中，顏色的深淺標識度量的大小，如圖所示。
拖入「區域」到行功能區；
拖入「類別」到列功能區；
拖入度量「銷售額」、「利潤」到標記區，；
切換突出顯示錶；

如圖所示，顏色深淺標識的是銷售額的度量值，標籤顯示的是利潤值的多少。
3) 壓力表
壓力表，通過圖形的大小標識度量的大小，如圖所示。

4.2. 餅圖
餅圖是最常用的一種統計圖表，一般只用來展示相對比例或百分比情況。使用餅圖需要注意的是，分類最多不要超過六類，如果超過六類，整體看起來會比較擁擠，就需要考慮別的圖形了。
如圖所示，將維度「地區」拖入列，將度量「銷售額」拖入行，選擇可視化圖形效果——餅圖，即可生成如下餅圖（若要顯示地區，可將「地區」拖入「標籤」里），其中圖形的大小和顏色均可編輯。

4.3. 線圖
線圖是最常用的統計圖表之一。線性圖可以將獨立的數據點連接起來，通過線形圖，人們可以在大量連續的點中發現數據變化的趨勢，線圖常用來展示數據隨時間的變化趨勢。

大數據魔鏡線圖類型最多支持1個維度1個度量。

連接到數據源「示例-超市.xls」後，進入可視化數據分析台。

1）拖拽如「訂單日期」到列，「銷售額」到行；

2）選擇可視化圖形效果—線圖，即可形成線形趨勢圖；

不同時間的銷售額趨勢如圖所示。

查看不同地區各時間段銷售額趨勢情況，將地區拖拽至【顏色】，如圖所示。

4.4. 面積圖

面積圖又稱區域圖，強調數據隨著維度而變化的程度，也可用於引起人們對總值趨勢的注意。面積圖包含面積圖、堆棧面積圖、百分比堆棧面積圖三種類型。導入數據源，拖拽相關維度，點擊右側的可視化圖庫—面積圖、堆棧面積圖、百分比堆棧面積圖，形成如下圖所示。

面積圖

堆棧面積圖

百分比堆棧面積圖
4.5. 條柱圖
4.5.1條形圖和柱狀圖
柱狀圖與條形圖是常用圖表之一。柱狀圖可以表現數據的對比情況，展現整體趨勢。條形圖可以快速地對比各信息值的高低，尤其是當數據分為幾個類別時，使用條形圖會有效，很容易發現各項目數據間的比較情況。魔鏡柱狀圖分為標準柱形圖、分組柱狀圖、堆棧柱狀圖。

柱狀圖可通過點擊

進行轉置，轉置為水平，即轉換為條形圖；分組柱狀圖、堆棧柱形圖可通過點擊

、

兩個圖標進行切換；

標準柱形圖，支持多維度多度量。多維度情況自動維度分組，多度量分區顯示。多用於展示多維度多度量關係情況。

將「細分「、「類別」兩個維度均拖入列，

將「銷售額」、「利潤」兩個度量均拖入到行，形成如圖所示標準柱形圖。

堆積柱狀圖顯示單個項目與總體的關係，並跨類別比較每個值佔總體的百分比。堆積柱狀圖使用二維垂直堆積矩形顯示值。當有多個數據系列並且希望強調總數值時，可以使用堆積柱狀圖。

將「地區」維度拖入至標記區【顏色】，形成如圖標準柱形圖。

大數據魔鏡分組柱形圖有兩種形態，維度分組柱形圖與度量分組柱形圖。

維度分組柱形圖切換規則是至少滿足2個維度1個度量，具體操作如：

拖入「類別」、「細分」兩個維度到列，「銷售額」度量到行；

點擊右側圖庫—分組柱形圖進行切換；生成如圖所示維度分組柱形圖；

建模區，「細分」「類別」維度在列，「類別」維度在【顏色】，不同顏色標識了不同類別。

在此圖形基礎上，拖入「利潤「度量到行，再次點擊圖庫—分組柱形圖。

建模區標記區生成」度量值「，所有相關度量默認用顏色標識，這就能看出不同細分下不同類別銷售額與利潤的趨勢對比，如圖所示。

4.5.2組合圖

前面介紹了線圖、柱形圖、條形圖、餅圖、面積圖，可有時單獨用一種圖形並不能滿足需求。這裡複合圖的意思就是在一張視圖裡用集中不同的圖形展示數據，如圖所示。

將「地區「拖入列，「銷售額」、「利潤」拖入行，切換組合圖。

如圖，柱形表述的是銷售額的趨勢，線形標識的是利潤的高低。

4.6. 散點圖
散點圖通常是用在需要分析不同欄位間是否存在某種關係的時候，例如，分析各類產品的銷售額和利潤情況。通過散點圖，可以有效地發現數據的某個趨勢、集中度及其中的異常值，根據這些發現，可以幫助我們確定下一步應重點分析哪方面的數據及情況。
如圖所示來分析各地區銷售額、利潤及折扣情況，可看出異常值和整體的趨勢
銷售額、折扣分別為X、Y軸定位，可根據業務需求，用標記大小標識折扣值。

在圖中，不同子類別用不同的顏色標識，不同的折扣情況圓圈的大小標識。從圖中可以看出子類別—椅子的折扣較大。

4.7. 樹狀圖

樹狀圖是數據樹的圖形表示形式，可以清晰直觀地表現維度之間的層級關係，直觀又美觀。

魔鏡現有樹狀圖樣式，如下圖所示。

（1）樹圖

如下圖所示，將「地區」拖入列，「利潤」拖入行，選擇圖表區-樹狀圖-樹圖。

可以直觀地看出，利潤越多，圖形佔比越大。從圖表中可以看出，中南地區利潤最大，西南地區利潤最小。

（2）可縮放樹圖

如下圖所示，將「地區」「類別」「產品名稱」依次拖入列，「利潤」拖入行，選擇圖表區-樹狀圖-可縮放樹圖。

可以直觀地看出，利潤越多，圖形佔比越大。點擊圖表中某一部分，該部分以及它的下級就會放大，再點就會縮小，由此可以清晰地觀察每一部分的具體數據。

（3）放射狀樹圖

如下圖所示，將「地區」「類別」「產品名稱」依次拖入列，「利潤」拖入行，選擇圖表區-樹狀圖-放射狀樹圖。

可以直觀地看出從地區到類別再到產品名稱的數據信息。並且圓的大小代表著數據的大小。

（4）樹狀圖

如下圖所示，將「地區」「類別」「產品名稱」依次拖入列，「利潤」拖入行，選擇圖表區-樹狀圖-樹狀圖。

可以直觀地看出從地區到類別再到產品名稱的數據信息，且圓的大小代表著數據的大小。

（5）可縮放放射樹圖

如下圖所示，將「地區」「類別」「產品名稱」依次拖入列，「利潤」拖入行，選擇圖表區-樹狀圖-可縮放放射樹圖。

可以直觀地看出，數值越多，圖形佔比越大。點擊圖表中某一部分，該部分以及它的下級就會放大，點擊根節點就會還原，由此可以清晰地觀察每一部分的具體數據。

4.8. 氣泡圖

氣泡圖類似於散點圖，但又區別於散點圖。散點圖一般只能較好地展示二維數據，氣泡圖則是在其基礎上另外通過散點氣泡的大小來表達第三維變數的數值。在氣泡圖中，氣泡由大小不同的標記表示，指示相對重要程度。氣泡的大小取決於數值的大小。

如下圖所示，將「產品名稱」拖入列，「利潤」拖入行，選擇圖表區-氣泡圖。可以清晰直觀地看出，書架的氣泡最大，說明書架的利潤最高。

另外，可以將度量拖入顏色標記，氣泡圖區分氣泡大小的同時，還根據顏色深淺表示數值的大小。

4.9. 標籤雲
標籤雲是一個展示相關標籤以及相應權重的圖表。權重影響字體大小，所佔權重越大，標籤字體就越大。標籤雲通過字體大小，直觀地展示出各維度的權重，還可以配色，美觀炫酷。
如下圖所示，將「城市」拖入列，「利潤」拖入行，選擇圖表區-標籤雲。可以清晰直觀地看出，上海的字體最大，說明上海的利潤最高。
另外，可以將度量拖入顏色標記，標籤雲區分字體大小的同時，還根據顏色深淺表示數值的大小。

4.10. 地圖
日常分析中，地圖是經常要用到的圖形效果。特別是表現各地域分布情況，地圖的展現效果要比其他的圖形效果形象、直觀。
將「省/自治區「拖入列，「銷售額」、「利潤」拖入行，切換地圖。

4.11. 數字圖
數字圖類似儀錶盤，顯示單個數值結果。
拖入相關維度、度量，自動匯總成一個匯總結果。點擊數字圖，生成圖表，如圖所示。

將「省份」拖入行，「銷售額」拖入列，切換數字圖。如圖所示。

end。。。累成狗。。。。。

下面為原回答
------------------------------------------------------------------------------------------------------------------------------------------可以試試，大數據魔鏡，國內產品，免費使用，在線雲版，操作簡單便捷。魔鏡—行業領先的大數據可視化分析平台 6.0（7.0近期上線，會再度更新）

操作簡單且支持多種數據源

可視化效果眾多

有多種可視化效果，豐富的組件庫中包括示意圖、篩選器、地圖和標籤雲圖等，從而使用戶能夠創建簡單的儀錶板或者絢麗的商業信息圖表和可視化效果。

四屏合一（可定製）
擁有國內領先的大屏幕可視化解決方案，完美兼容LCD 屏、液晶屏、PAD 屏、智能手機屏幕四屏支持。

數據許可權
支持企業/團隊間的數據分析協作，並針對數據加設許可權，數據分析項目的所有者可以對團隊成員進行管理員、編輯者、觀察者的許可權設置，同時分配數據資源的調配許可權，給團隊提供更私密協作的空間和管理運作方式。

自動建模和分析挖掘
大數據魔鏡率先將數據建模和數據分析的過程進行可視化，用戶無需變形複雜的代碼即可完成數據建模，同時豐富的分析演算法，如聚類分析、關聯分析、相關性分析、決策樹、數據聯想等，不需要寫代碼，只需簡單拖拽操作就可以實現，簡單操作的同時滿足了用戶的複雜分析需求。

其他功能

http://www.moojnn.com/public.html#/f2yymm (二維碼自動識別)

自從看了挪威那吞劍老頭TED演講後久不能忘這麼牛叉的東東。
既能動畫播放，又能截圖當2D圖表。
還能自選指標。

http://www.gapminder.org/world/

數據可視化現在越來越流行了，也是一種趨勢，隨手用可視化工具做了一些數據圖表，如下：

各種地圖

拆分變成各種小圖表

折線圖、旭日圖、樹圖等等

來一張完整的數據可視化報告，內容比較多，涉及圖表和文本，可能圖片比較小，可以參考下鏈接：

https://me.bdp.cn/share/index.html?shareId=sdo_2f1485a2242b1c37df45c7ae881c4f1d

拖拖拽拽就能輕鬆完成數據可視化製作，根本無需5分鐘啊~數據可視化工具：BDP。

IBM 的 ManyEyes http://www-958.ibm.com/software/data/cognos/manyeyes/

在線。免費。可以製作比較流行的 Tag Cloud, Word Map 的幾種 visualization

Processing http://processing.org/

一點編程 + 很多現成的函數可以用。如果你想知道 Processing 可以做到什麼地步，我以前很仰慕的一個傢伙的網站可以考慮看看 http://anthonymattox.com/

Processing.js

貌似就是個在線 Processing

Prefuse http://prefuse.org/

Interactive visualization tool kit.

Protovis http://mbostock.github.com/protovis/

Protovis is free and open-source, provided under the BSD License. It uses JavaScript and SVG for web-native visualizations

所謂數據可視化是對大型資料庫或數據倉庫中的數據的可視化，它是可視化技術在非空間數據領域的應用，使人們不再局限於通過關係數據表來觀察和分析數據信息，還能以更直觀的方式看到數據及其結構關係。

數據可視化技術的基本思想是將資料庫中每一個數據項作為單個圖元元素表示，大量的數據集構成數據圖像，同時將數據的各個屬性值以多維數據的形式表示，可以從不同的維度觀察數據，從而對數據進行更深入的觀察和分析。

為了讓開發者更好地使用數據可視化工具，雲棲社區組織翻譯了GitHub上的 Awesome dataviz ，其幾乎囊括了優秀的數據可視化框架，庫和軟體。涵蓋了支持JavaScript，Android，C++，Golang，iOS，Python，R語言和Ruby等編程語言的數據可視化工具，精彩不容錯過。

內容目錄

Awesome dataviz

JavaScript 工具

圖表庫
圖形圖表庫
地圖（Maps）
d3
dc.js
Misc

Android 工具
C++ 工具
Golang 工具
iOS 工具
Python 工具
R 工具
Ruby 工具
其他工具

資源

參考書籍
資源網站

JavaScript 工具集

圖表庫

C3 - 以 d3 為基礎構建的可重用圖表庫
Chart.js - 帶有 canvas 標籤的圖表
Chartist.js - 具有強大瀏覽器兼容能力的響應式圖表
Dimple - 適用於業務分析的面向對象的 API
Dygraphs - 適用於大型數據集的互動式線性圖表庫
Echarts - 針對大型數據集的高度定製化互動式圖表
Epoch - 可以完美創建的即時圖表
Highcharts - 基於SVG和VML呈現的圖表庫. 免費 (CC BY-NC 可用於非盈利項目）
MetricsGraphics.js - 能夠針對時間序列數據進行優化
Morris.js - 非常漂亮的時間序列線狀圖
NVD3 - 使用 d3.js 實現的可重用性圖表庫
Peity - 可創建小型內連 svg 圖表
Plotly.js - 支持20種圖表類型的強大的聲明式庫
TechanJS - 股票以及金融圖表

圖形（graphs）圖表庫

Cola.js - 通過基於約束的優化技術創建圖表的工具. 和 d3 以及 svg.js 共同發揮作用
Cytoscape.js - 由 Cytoscape 核心開發人員維護的用於繪製圖形的 JavaScript 庫.
Linkurious - 一款基於 Sigma.js 的能加快圖形可視化和互動式應用的開發速度的工具箱
Sigma.js - 致力於圖形繪製的 JavaScript 庫
VivaGraph - 針對 JavaScript 的圖形繪製庫

地圖（Maps）

CartoDB - CartoDB 是一款開源工具並且其允許對網頁上的地理數據進行存儲和可視化
Cesium - WebGL 虛擬地球儀和地圖引擎
Leaflet - 對移動端友好的互動式地圖JavaScript 庫
Leaflet Data Visualization Framework - 使用了 Leaflet 的設計用於簡化數據可視化和主題映射的框架
Mapael - 基於 the.js 的能夠展示矢量地圖的 jQuery 插件
Mapsense.js - 將 d3.js 和瓷磚式覆蓋地圖結合起來
Modest Maps - 使用 Javascript，依照 BSD 許可的瓷磚覆蓋式為基礎展示和交互地圖庫

參見 Awesome D3

dc.js

dc.js 是一個多維圖表構建工具，其能夠與 crossfilter 完美地配合工作

angular-dc - dc.js 的 AngularJS 指令
dc.leaflet.js - 使用了 Leaflet 地圖的 dc.js 圖表
ember-dc - dc.js 的 Ember Component Wrappers（組件包裝）

雜項

Chroma.js - 用於處理色彩的小型庫文件
Piecon - 圖標上的餅狀圖繪製工具
Recline.js - 使用純 JavaScript 和 HTML 的用於構建數據應用的簡單而又強大的庫
Textures.js - 用於創建 SVG 模式的庫
Timeline.js - 創建互動式時間線
Vega - Vega 是一個用於創建，保存和分享互動式可視化數據設計的語法和格式
Vis.js - 一個包括了時間線，網路和圖表（2D和3D）的動態可視化庫

安卓工具

HelloCharts - 兼容安卓 API 8及以上版本的圖表庫
MPAndroidChart - 一款功能強大而又易於使用的圖表庫

C++工具

Visualization Toolkit (VTK) - 用於3D圖形和圖像處理和可視化的開源庫

Go語言工具

Charts for Go - 基於 Go 的基礎圖表. 其能夠對 ASCII、 SVG 和圖像進行渲染
svgo - 針對 SVG 的 Go 語言庫

iOS工具

JBChartView - 同時支持線性和條形圖的圖表庫
PNChart - 使用了 Piner 和 CoinsMan 的簡單並且美麗的圖表
ios-charts - MPAndroidChar 的 iOS 埠. 其可以使用非常簡單的代碼為兩個平台創建圖表

Python工具

bokeh - 用於 Python 的互動式網頁繪圖工具
ggplot - 與ggplot2 面向R語言的 API相同
glumpy - OpenGL 科學可視化庫
matplotlib - 2D 繪圖庫
pygal - 一個動態 SVG 圖表庫
PyQtGraph - 互動式和實時的 2D/3D/圖像繪製以及科學/工程工具
seaborn - 一個能夠製作極具吸引力的和展現翔實統計信息數據的圖表庫
toyplot - 目標為大型數據圖表的小型 Python 數據圖表繪製工具
Vincent - 面向 Vega 翻譯器的 Python 工具
VisPy - 基於 OpenGL 的高效科學可視化工具
mpld3 - Matplotlib Graphics的 D3 渲染工具

R工具

ggplot2 - 一個基於圖形語法的繪圖系統
lattice - R語言格子圖形
plotly - 互動式圖表（向 ggplot2 的輸出中添加了交互性）, 統計圖和簡單網路圖
rbokeh - 針對 Bokeh 的R語言介面
rgl - 使用了 OpenGL 的3D 可視化
shiny - 用於創建互動式應用和可視化的框架
visNetwork - 互動式網路可視化

Ruby工具

Chartkick - 使用 Ruby 的單線創建圖表的工具

其他工具

不與特定平台或語言綁定的工具

Charted - 一個能夠從任何數據文件中創建自動化，可分享的圖表的工具
Gephi - 一個用於可視化和製作大型圖表的開源平台
Lightning - 一個提供以API為基礎的方式獲取可再生，網路為基礎的互動式可視化圖表的數據可視化服務
RAW - 由 CSV 和 Excel 文件創建的網路可視化工具
Spark - 命令解釋程序（shell）走勢圖. 其包含多種實現語言
Periscope - 直接由SQL查詢語句創建圖表

參考書籍

Design for Information 作者： Isabel Meirelles
The Best American Infographics 2014 作者： Gareth Cook
The Visual Display of Quantitative Information 作者： Edward Tufte
The Wall Street Journal Guide to Information Graphics 作者： Dona M. Wong
Visualization Analysis and Design 作者： Tamara Munzner

資源網站

FlowingData
Information is Beautiful
The Data Visualization Catalogue - 一個數據可視化工具的集合，優缺點兼具
Visual Complexity - 關於複雜網路可視化的網站

原文鏈接：Awesome dataviz GitHub

譯者：賈子甲校對：劉崇鑫王殿進

如果發現原文翻譯有誤，請郵件通知雲棲社區（yqeditor@list.alibaba-inc.com），感謝您的支持。