有哪些数据可视化的好工具

1. 有哪些数据可视化的好工具

国外产品有tableau；国内产品有bdp个人版，可视化效果如下：


bdp个人版提供了柱状图、条形图、饼图、雷达图、散点图、面积图、GIS地图、漏斗图、词云、矩形树图、旭日图等几十种可视化图表！！！无需编程基础，拖拽数据即可生成统计图表，操作容易。数据实时可视化，及时了解数据动态~

2. 好用的数据可视化工具求推荐一下

Smartbi作为成熟的大数据分析平台，具备可复用、 动静结合独特的展示效果，使得数据可视化灵活强大，动静皆宜，为广大用户提供了无限的应用能力和想象空间。
除了支持使用Excel作为报表设计器，完美兼容Excel的配置项。支持Excel所有内置图形、背景图、条件格式等设计复杂的仪表盘样式，同时支持完整ECharts 图形库，支持各种各样的图形，包含瀑布图、关系图、雷达图、油量图、热力图、树图等几十种动态交互的图形，借助于地理信息技术，还打造了地图分析功能。

3. 有哪些好用的数据可视化工具

数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。但是，这并不就意味着数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。然而，设计人员往往并不能很好地把握设计与功能之间的平衡，从而创造出华而不实的数据可视化形式，无法达到其主要目的，也就是传达与沟通信息。
数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。
我用过OurwayBI

4. 国内有哪些好的数据可视化工具，推荐一下

诚然，数据可视化可谓是数据分析工作的最后一道工序，前面的作业做得再好，如果不能很好地展现出来，那就算是临门一脚、功亏一篑了……下面给大家列出好用的数据可视化工具清单，希望可以为你的学习或工作带来一些帮助。
1、强大的R可视化包-ggplot2
R是一款偏向于统计分析的脚本语言软件，基于S语言开发，如果你是R语言忠实fans，我相信你一定不会不知道R里单独的一个绘图包—ggplot2，之所以给ggplot2“强大”的头衔，一方面确实能够轻松应付各个领域的图像绘制，静态的，动态的，说的出名字的，个性化特制的；另一方面小编就是学统计学的，自然相对熟悉这个包。
ggplot2由Hadley Wickham在2005年创造。受欢迎的原因是将图形分解为语素（如尺度、图层）的思想。ggplot2可以作为R语言基础绘图包的替代，同时ggplot2预设有多种印刷及网页尺寸。


较R基础绘图包而言，ggplot2允许用户在更抽象的层面上增加、删除或转换图表中的元素。 这种抽象化的代价是执行速度。ggplot2 较 lattice 绘图包而言更耗时。
2、数据科学的达芬奇—matplotlib
如果你偏好使用python做数据分析，那我相信你对matplotlib不能再熟悉了，matplotlib 是Python语言及其数学扩展包 NumPy的可视化操作界面。
Matplotlib的优点：带有内置代码的默认绘图样式；与Python的深度集成；图形绘制相较Gnuplot更加美观。缺点嘛，高度依赖其他包，如Numpy。只适用于Python：很难在Python以外的语言中使用。
我们来用python里的matplotlib做一个散点图试试：
import matplotlib.pyplot as plt
from numpy.random import rand
a = rand(100)
b = rand(100)
plt.scatter(a,b)
plt.show()

3、菜单式操作用户的福音书—Tableau
近期有企业招聘要求会Tbaleau，小编也是最近才知道这个软件的。
tableua是一家软件公司总部设在西雅图，华盛顿，美国产生交互式数据可视化产品，着重于商务智能。Tableau产品查询关系数据库，OLAP多维数据集，云数据库和电子表格，然后生成许多图表类型。产品还可以从其内存数据引擎中提取数据并存储和检索。

4、微软忠实用户离不开的交互式标板—PowerBI
Power BI是Microsoft提供的业务分析服务。它提供具有自助式商业智能功能的交互式可视化，最终用户可以自行创建报告和仪表板，而无需依赖信息技术人员或数据库管理员.PowerBI与excel无缝接入，专业增强版的excel更是不需要安装PowerBI插件，打开excel就可食用了。

当然有些数据分析软件也带透视表、绘图功能，如MySQL、SPSS，但数据可视化不作为主要功能，这里就不如上面较详细说了。

5. 好用的数据可视化工具？

大数据魔镜，首款免费大数据可视化分析工具，免费版最大可视化效果库，500多种可视化效果，上卷下钻，数据预测，聚类分析，相关性分析，数据联想，地图，组合图等。更多功能：高级版、定制版！

6. 数据可视化工具有哪些？

数据可视化不仅仅是将数字变成酷炫的图表，数据可视化的目标是快速发现问题，识别问题，分析原因。所以，数据可视化首先是图形化，然后是可以进行探索式分析。
1）颜色预警
奥威可 视化工具 Power-BI每个图表对象都可以设置颜色预警列，颜色预警更方便一眼看出问题。柱形图的高低反映销额的大小，而颜色的深浅则反映毛利的高低。
2）高亮联动
通过高亮联动，可以看到同样的条目，在不同的视角中所处的位置。如看销售毛利TOP10时，某个省份的销额与销量分布情况。

3）图表最大化

在会议场景下，我们需要临时将某个图表对象最大化，更方便大家进行研究讨论。

4）图表任意联动

通过Power-BI图表间的任意联动筛选，将数据变得立体可视。
5）探索式分析

通过报表间智能钻取与多维动态分析，真正实现探索式分析，从识别问题到分析原因，通过鼠标即可搞定！
如：公司销售目标未达标，到底是哪个区域未达标？未达标的华东区域又是哪个城市或品类未达标？A品类未达标的原因是什么？是因为出现断货还是因为销售不力？......
又如：库龄分布中，361天以上的存货中，积压最多的A物料历史上采购了多少次？为什么某次的采购量这么大？是谁经手的？存放在哪个仓库？.......
再如：费用分析中，A门店的市场费用某月环比大幅增长，市场费用到底花在哪里了？市场费用投入后，该门店的销售业绩后续有没有达到预期增长目标？......

7. 好用的数据可视化工具

数据可视化的软件工具有：
RAWGraphs是一个在线的数据可视化开源工具，经常被用来处理Excel表中的数据。你只需要将数据上传到RAWGraphs中，设计出你想要的图表，然后将其导出为SVG格式或PNG格式的图片。此外，上传到RAWGraphs的数据只会在网页端进行处理，保证了数据的安全性。

ChartBlocks
是一个在线可视化工具，它的智能数据导入向导可以引导你一步一步地导入数据和设计图表，简单易用，还可以通过ChartBlocks一键在社交媒体（如Facebook和Twitter）上分享自己的图表。你还可以将图表作导出为SVG，PNG，JPEG格式的图片以及PDF，也可以生成源码并将图表嵌入到网站上。除了免费的个人账户以外，ChartBlocks还提供功能更加强大的专业账户和旗舰账户。

8. 哪个数据可视化工具比较好？

 看了一下其他的回答，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： 
     
   程序运行截图如下：
     
     
    2.pyecharts：这个是echarts提供给python的一个接口，在前端的数据可视化中，可能会用到这个echarts包，借助pyecharts，我们不仅可以绘制出漂亮的柱状图、折线图等，还可以绘制3D图形、地图、雷达图、极坐标系图等，简单好用，非常值得学习，下面我简单介绍一下这个包的安装和使用：   
     
   程序运行截图如下：
     
     
     
   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。
   Plotly Express支持构建图表类型   gapminder数据集说明   我们使用gapminder数据集进行体验 Plotly Express 。
   gapminder数据集显示2007年按国家/地区的人均预期寿命和人均GDP 之间的趋势：包含1952~2007年世界各国家人口、GDP发展与/地区的人均预期寿命和人均GDP 之间的趋势。
   散点图scatter   
    常用参数说明： 
       
    使用散点图描述中国人口与GDP增长趋势图 
   
   
   地理散点图scatter_geo   
    常用参数说明 
       
    使用地理散点图描述全球人口与GDP 
   
   
   折线图（line）   
   常用参数说明
     
    使用折线图描述1952~2007中国与美国人口增长趋势图 
   
   
   条形图(bar)   
    常用参数说明 
       
    使用条形图描述1952~2007中国与美国人口增长趋势图 
   
   
   等值区域图（choropleth）   
    常用参数说明 
       
    使用等值区域图描述各个国家人口数量 
   
   目前国内数据可视化工具或产品很多，到底那个工具或者产品是最好的？看了很多数据可视化产品，总结下来分为几大类。
   下面我将一一分别进行工具介绍：
   一．数据可视化库类
   一个纯javascript的数据可视化库，百度的产品，常应用于软件产品开发或者 系统的图表模块，图表种类多，动态可视化效果，开源免费。
    评价： 非常好的一个可视化库，图表种类多，可选的主题。Echarts中主要还是以图表为主，没有提供文本和表格方面的展现库，如果有相关需求还需要引入表格和文本方面的其他可视化库。
   与echarts相似，同样是可视化库，不过是国外的产品，商用需要付费，文档详尽。
    评价： 同样是非常好的一个可视化库，图表种类多。但是同样需要进行二次开发，,没有提供文本和表格方面的展现库。而且因为商用付费，所以能选择echarts肯定不会选择highcharts。
   Antv是蚂蚁金服出品的一套数据可视化语法，是国内第一个才用the grammar of Graphics这套理论的可视化库。在提供可视化库同时也提供简单的数据归类分析能力。
      评价： 是一个优秀的可视化库，需要进行二次开发。因为采用的是the grammar of Graphics 语法，和echarts相比各有千秋。
   二．报表、BI类
   由echarts衍生出来的子产品，同样继承了echarts的特点，图表种类多，没有提供文本和表格方面的展现库。Echarts接受json格式的数据，百度图说把数据格式进行了封装，可以通过表格的形式组织数据。
   评价：可以把表格数据转换成图表展现形式的工具，支持excel数据导入 ，适合做静态的BI报告。因为数据偏静态，没看到与数据库结合的部分，很难和第三方系统结合展现动态变化的数据，如日报表、月报表、周报表等。
   FineReport报表软件是一款纯Java编写的、集数据展示(报表)和数据录入(表单)功能于一身的企业级web报表工具，它“专业、简捷、灵活”的特点和无码理念，仅需简单的拖拽操作便可以设计复杂的中国式报表，搭建数据决策分析系统。
    评价： FineReport可以直连数据库，方便快捷的定制各种复杂表样，用来做出固定格式的周报、月报等。它的格式类似于excel界面，特色功能报表制作，报表权限分配，报表管理还有填报，支持多种数据库。
   Tableau 是桌面系统中最简单的商业智能工具软件，Tableau 没有强迫用户编写自定义代码，新的控制台也可完全自定义配置。在控制台上，不仅能够监测信息，而且还提供完整的分析能力。Tableau控制台灵活，具有高度的动态性。
    评价： 全球知名的BI工具，价格6000元/年/人左右，但是国外产品不花钱不会为你做任何定制化改动，售后很有问题。
   FineBI与FineReport都是帆软的产品。首先FineReport作为一款报表工具，主要用于解决提升IT部门的常规/复杂报表开发效率问题；而FineBI是商业智能BI工具，在IT信息部门分类准备好数据业务包的前提下，给与数据，让业务人员或领导自行分析，满足即席数据分析需求，是分析型产品。
   FineBI的使用感同Tableau类似，都主张可视化的 探索 性分析，有点像加强版的数据透视表。上手简单，可视化库丰富。可以充当数据报表的门户，也可以充当各业务分析的平台。
   评价：FineBI做到了自助式分析，图表类型丰富，数据分析功能较强大，钻取，筛选，分组等功能都有。但是对于普通没有IT基础的人来说，要想真正熟练地掌握finebi，还是有一定的难度的，需要花上几天，但是这个难度相比Excel的VBA学习还是低不少的。
   Power BI 是一套商业分析工具，用于在组织中提供见解。可连接数百个数据源、简化数据准备并提供即席分析。生成美观的报表并进行发布，供组织在 Web 和移动设备上使用。每个人都可创建个性化仪表板，获取针对其业务的全方位独特见解。在企业内实现扩展，内置管理和安全性。
    评价： 类似于excel的桌面bi工具，功能比excel更加强大。支持多种数据源。价格便宜。但是只能作为单独的bi工具使用，没办法和现有的系统结合到一起。
   三．可视化大屏类
   提供丰富的模板与图形，支持多数据源，拖拉式布局，支持服务化服务方式和本地部署。整体来说是一款很好的大屏的产品。
    评价： 产品不错，就是价格服务版每年5100元/年，本地部署竟然要110万，每年续费也要37万。
   前文有介绍过，finereport是一个企业级的报表工具，同时也提供大屏的服务。通过布局、色彩、绑定数据等环节完成大屏的制作。拥有很多自助开发的可视化插件库。
    评价： 很优秀的软件，性价比高。学习方面，掌握FineReport的dashboard制作，应该也比较简单的。
   五 .专业类（地图、科学计算、机器学习）
   很多工具都能实现数据地图，比如echarts，finereport，tableau等。
   ggplot2是R语言最流行的第三方扩展包，是RStudio首席科学家Hadley Wickham读博期间的作品，是R相比其他语言一个独领风骚的特点。包名中“gg”是grammar of graphics的简称，是一套优雅的绘图语法。主要用于机器学习绘图。
    评价： 机器学习、数学、科学计算领域专业的绘图语言。专业与技术要求都很高，不是专业搞机器学习或者科学计算的工程师，一般不会用到。
   Python是一门编成语言,其周边的绘图库也比较丰富比如pandas和matplotlib ,pandas能够绘制线图、柱图、饼图、密度图、散点图等； matplotlib主要是绘制数学函数相关的图如三角函数图、概率模型图等。
    评价： 机器学习、数学、科学计算领域专业的绘图语言。专业与技术要求都很高，不是专业搞机器学习或者科学计算的工程师，一般不会用到。
   
   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。
   ggplot2将数据，数据到图形要素的映射，以及和数据无关的图形要素绘制分离，有点类似java的MVC框架思想。这让ggplot2的使用者能清楚分明的感受到一张数据分析图真正的组成部分，有针对性的进行开发，调整。
    2. 图层式的开发逻辑 
   在ggplot2中，图形的绘制是一个个图层添加上去的。举个例子来说，我们首先决定 探索 一下身高与体重之间的关系；然后画了一个简单的散点图；然后决定最好区分性别，图中点的色彩对应于不同的性别；然后决定最好区分地区，拆成东中西三幅小图；最后决定加入回归直线，直观地看出趋势。这是一个层层推进的结构过程，在每一个推进中，都有额外的信息被加入进来。在使用ggplot2的过程中，上述的每一步都是一个图层，并能够叠加到上一步并可视化展示出来。
    3. 各种图形要素的自由组合 
   由于ggplot2的图层式开发逻辑，我们可以自由组合各种图形要素，充分自由发挥想象力
   基本开发步骤
    1. 初始化 – ggplot() 
   这一步需要设定的是图的x轴，y轴和”美学特征”。基本形式如下：
   p