看了一下其他的，都是利用现有的可视化软件，这里以Python为例，介绍2个比较好用的可视化包—seaborn和pyecharts，简单易学、容易上手，绘制的图形漂亮、大方、整洁，感兴趣的朋友可以尝试一下，实验环境win10+python3.6+pycharm5.0，主要内容如下：

1.seaborn：这是一个基于matplotlib的可视化包，是对matplotlib更高级的API封装，绘制的图形种类繁多，包括常见的折线图、柱状图、饼状图、箱型图、热力图等，所需的代码量更少，使用起来更方便，下面我简单介绍一下这个包的安装和使用：

• 安装seaborn，这个直接在cmd窗口输入命令“pip install seaborn”就行，如下：

• 安装成功后，我们就可以进行简单的测试了，代码如下，很简单：

补充推荐一个Python 新数据可视化模块——Plotly Express 。

Plotly Express

Plotly Express是一个新的高级Python数据可视化库，它是Plotly.py的高级封装，它为复杂的图表提供了一个简单的语法。只需一次导入，大多数绘图只要一个函数调用，接受一个整洁的Pandas dataframe，就可以创建丰富的交互式绘图。

Plotly Express 安装

惯例，使用 pip进行安装。

pip install plotly_express

Plotly Express支持构建图表类型

• scatter:在散点图中，每行data_frame由2D空间中的符号标记表示。
• scatter_3d:在3D散点图中，每行data_frame由3D空间中的符号标记表示。
• scatter_polar:在极坐标散点图中，每行data_frame由极坐标中的符号标记表示。
• scatter_ternary:在三元散点图中，每行data_frame由三元坐标中的符号标记表示。
• scatter_mapbox:在Mapbox散点图中，每一行data_frame都由Mapbox地图上的符号标记表示。
• scatter_geo:在地理散点图中，每一行data_frame都由地图上的符号标记表示。
• scatter_matrix:在散点图矩阵（或SPLOM）中，每行data_frame由多个符号标记表示，在2D散点图的网格的每个单元格中有一个，其将每对dimensions彼此相对绘制。
• density_contour:在密度等值线图中，行data_frame被组合在一起成为轮廓标记，以可视化该值的聚合函数histfunc（例如，计数或总和）的2D分布z。
• density_heatmap:在密度热图中，行data_frame被组合在一起成为彩色矩形瓦片，以可视化该值的聚合函数histfunc（例如，计数或总和）的2D分布 z。
• line:在2D线图中，每行data_frame表示为2D空间中折线标记的顶点。
• line_polar:在极线图中，每行data_frame表示为极坐标中折线标记的顶点。
• line_ternary:在三元线图中，每行data_frame表示为三元坐标中折线标记的顶点。
• line_mapbox:在Mapbox线图中，每一行都data_frame表示为Mapbox地图上折线标记的顶点。
• line_geo:在地理线图中，每一行都data_frame表示为地图上折线标记的顶点。
• parallel_coordinates:在平行坐标图中，每行data_frame由折线标记表示，该折线标记穿过一组平行轴，每个平行轴对应一个平行轴 dimensions。
• parallel_categories:在并行类别（或平行集）图中，每行data_frame与其他共享相同值的行组合，dimensions然后通过一组平行轴绘制为折线标记，每个平行轴对应一个dimensions。
• area:在堆积区域图中，每行data_frame表示为2D空间中折线标记的顶点。连续折线之间的区域被填充。
• bar:在条形图中，每行data_frame表示为矩形标记。
• bar_polar:在极坐标图中，每一行都data_frame表示为极坐标中的楔形标记。
• violin:在小提琴图中，将data_frame行分组成一个曲线标记，以便可视化它们的分布。
• box:在箱形图中，行data_frame被组合在一起成为盒须标记，以显示它们的分布。
• strip:在条形图中，每一行都data_frame表示为类别中的抖动标记。
• histogram:在直方图中，行data_frame被组合在一起成为矩形标记，以可视化该值的聚合函数histfunc（例如，计数或总和）的1D分布y（或者x如果orientation是'h'）。
• choropleth:在等值区域图中，每行data_frame由地图上的彩色区域标记表示。

gapminder数据集说明

我们使用gapminder数据集进行体验 Plotly Express 。

R-ggplot2

ggplot2是R语言最为强大的作图软件包，强于其自成一派的数据可视化理念。当熟悉了ggplot2的基本套路后，数据可视化工作将变得非常轻松而有条理。

技术相关

1. 将数据，数据相关绘图，数据无关绘图分离

这点可以说是ggplot2最为吸引人的一点。众所周知，数据可视化就是将我们从数据中探索的信息与图形要素对应起来的过程。

市面上有相当多的数据可视化工具，绝对能够挑花你的眼。

但这些大多是门槛比较高的工具，比如Gantti、Paper.js、Highchart.js、echarts等等，不得不说，它们在技术层面上确实做的很牛逼，也很成熟。但是针对的使用人群也比较单一，就是会代码的编程人员和IT人员，受众太小了。

所以我今天不讲这些工具，我讲讲零基础的人可以直接用的，这样也可以大大提高程序员和IT人员的效率。

1、可视化大屏工具

我以前在Shanghai一家德国企业负责数据可视化产品的开发，对于数据可视化工具有所了解。以下是我的推荐：

1. 微软Power BI
   

   Power BI 是软件服务、应用和连接器的集合，它们协同工作以将相关数据来源转换为连贯的视觉逼真的交互式见解。 无论用户的数据是简单的 Excel 电子表格，还是基于云和本地混合数据仓库的集合，Power BI 都可让用户轻松地连接到数据源，直观看到（或发现）重要内容，与任何所希望的人进行共享。 [Power BI 简单且快速，能够从 Excel 电子表格或本地数据库创建快速见解。 同时 Power BI 也可进行丰富的建模和实时分析，及自定义开发。 因此它既是用户的个人报表和可视化工具，还可用作组项目、部门或整个企业背后的分析和决策引擎

2. Tableau
   Tabeau在数据可视化领域处于领导者地位，他的Desktop的Public 版本是免费的，非常适合用于基于数据可视化数据分析。
   Tableau公司将数据运算与美观的图表完美地嫁接在一起。它的程序很容易上手，各公司可以用它将大量数据拖放到数字“画布”上，转眼间就能创建好各种图表。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在业务领域里的所作所为到底是正确还是错误，就能了解得越透彻。
   

3. Dataplay3
   Dataplay3是基于蚂蚁金服开源的Ant G2，提供基于语法驱动的数据可视化。该工具是开源产品，地址在这里

   https://github.com/gangtao/dataplay3

全文共2984字，预计学习时长5分钟

在ggplot2、seaborn、shiny、Dash、R或python之上，还有哪些更高级的程序语言？有关数据可视化“更上一层楼”的秘诀，本文将一一道来。

目前gartner领导地位的有三款，都是非常优秀的可视化，拖拉创建报表。Tableau powerbi qlik。三款产品中，qlik是最先问世的，但随着其他两款产品的出现，qlik的市场份额被抢去不少，当然这也无法抢走它独特的光芒。如果楼主想自己玩，那么我推荐qlik，因为它的desktop是免费的，tableau desktop试用期只有14天。powerbi也有免费的版本，但是缺少大量的功能，当然熟悉excel的，也可以考虑powerbi的。如果楼主公司就有tableau，可以考虑它，它创建的报表很精美。在此再说下qlik另外两个独特优势：1.可以无需数据仓库，它本身就是集etl、数据仓库、可视化为一体的2.它集成随心所欲，想怎么集成就怎么集成。这样说，echarts能做的，它都可以做。希望有帮助。

JMP和Minitab等比较不错！

现如今，智能化发展迅速，各方面都在追求智能，例如“智慧城市”，“智能数据”。顺应社会潮流，大量企业向智能数据转型，要做到智能数据，首先，需要改变传统的数据报表形式，于是，数据可视化迅速崛起。

那今天，就跟着潮流，给大家分享一款不仅智能还超好用的可视化工具——DataFocus。

为什么说它智能？

因为DataFocus的实现方式，它不与传统的可视化工具一样是拖拽式的，而是搜索式的，这也是国内首个利用搜索来进行可视化分析的。听到这里是不是觉得很好奇，搜索式到底是怎么样的？别急，下图就给你展示创新的搜索式到底是什么。

我推荐东软平台云（https://cloud.neusoft.com）的DataViz 自助式可视化数据分析软件，提供给业务人员使用的敏捷式数据分析工具，帮助业务人员高效便捷地完成各种统计分析，上卷下钻，多维透视，筛选过滤，地理分析等数据分析工作业务人员无需IT技术的协助，不用任何编码工作，即可自助完成业务数据分析工作。DataViz可以按照大屏的尺寸进行精准的布局和实现，可以按照长边铺满等方式进行宽高自适应，支持自由设定背景图片、背景色等，提供实时效果预览，在本地电脑即可制作可视化大屏仪表板，展现企业业务数据分析大屏。