这6个可视化软件工具画图非常好看，强烈推荐！

数据可视化是数据结果的直观展示，好的可视化图表非常具有说服力，制作可视化图表的工具多种多样，主要分为BI、Python、JS这三大类，BI代表工具有Tableau、PowerBI，Python可视化库有Seaborn、Matplotlib等，JS可视化工具有Echarts、D3等。

这次推荐我常用的6个可视化软件工具，可视化能力都非常强大，值得入手试试。

Plotly

Plotly是Plotly.py 的高级封装，可视化能力及其强大，且图表类型丰富，它为复杂的图表提供了一个简单的语法。

图片

受 Seaborn 和 ggplot2 的启发，它专门设计为具有简洁，一致且易于学习的 API 。只需一次导入，您就可以在一个函数调用中创建丰富的交互式绘图，包括分面绘图（faceting）、地图、动画和趋势线。

Plotly是完全免费的，凭借其宽松的开源 MIT 许可证，可以随意使用它。最重要的是，Plotly Express 与 Plotly 生态系统的其他部分完全兼容，比如 Dash 应用程序中使用它，或使用JupyterLab 图表编辑器在 GUI 中编辑它们！

图片

图片

图片

图片

Tableau

Tableau是saleforce旗下的BI软件，市场份额仅次于powerbi，主要用来搭建可视化数据看板，也就是常说的报表，在国内外大企业里用的非常多。

图片

Tableau的特点是图表库丰富、简洁美观、可交互、可实时连接数据库，最重要的是极易上手。

市场上常把tableau和powerbi做比较，我用下来的感觉是tableau可视化场景更加丰富，而powerbi则更专注数据分析处理。

下面列举几个tableau public中比较不错的可视化案例

图片

图片

图片

图片

图片

可以看到，tableau不仅能开发常规的业务数据监测看板，也能开发更丰富多元的可视化海报。

如果你有以下几个需求，可以尝试下tableau

1、经常要做可视化看板，但又没有代码开发能力，希望提升效率

2、不擅长图表配置、配色，tableau能一站式提供成熟可视化方案

3、看板需要实时连接数据库，tableau能支持上百种数据库

4、看板需要可交互，能人机互动，tableau server能完美支持

当然tableau是个商业软件，也不便宜，手头紧可以选择像superset、database、metabase、redash这样的开源BI。

Matplotlib

Matplotlib是Python生态中专门用于绘制图表的第三方库，而且是最强大、最常用第三方库，诸如seaborn、cartoony 都是以matplotlib为依赖。

图片

Matplotlib提供了一个类似于 MATLAB 的绘图框架，支持多种输出格式，包括SVG、PNG等。它非常适合生成静态、动态和交互式图表。

图片

Matplotlib的特点有足够的自定义空间让开发者去设计自己的图表，它把图表的每一个元素都拆解来，给到自定义函数、参数，让你去鼓捣。也就是说，只要你愿意，你可以用matplotlib设计出任何样式的图表，堪比ps。

图片

图片

Seaborn

Seaborn 是基于Matplotlib的高级绘图库，它提供了一个高级接口，用于制作统计图形。Seaborn 特别适合绘制复杂的统计图表，如热力图、小提琴图等。

图片

Seaborn是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。

可以把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。

图片

图片

Superset

Superset是一个基于浏览器的开源BI应用，是Airbnb团队开发的，现在是Apache项目成员。和Tableau一样，Superset通过数据字段的拖拉拽实现可视化图表制作，并搭建看板。

图片

它的后端基于python开发，通过python安装使用，所以也算是python可视化生态的一员。

Superset的三大特点是：开源、轻量级、图表丰富，而且支持SQL查询，通过SQLAlchemy与大多数基于SQL语言的RDBMS集成。

它之所以可视化能力强，是因为通过 NVD3/D3 预定义了多种可视化图表，满足大部分的数据可视化展示需求，而且支持创建和共享仪表板。

图片

相比较集成好的软件，Superset是有些使用门槛的，对新手没那么友好，不过它免费呀，免费真香。

Superset安装的python依赖库比较多，建议先安装Anaconda，避免不必要的麻烦。

具体安装使用步骤见下：

# pip安装superset
pip install apache-superset
# 初始化数据库
superset db upgrade
# 创建账号
$ export FLASK_APP=superset
superset fab create-admin
# 加载数据示例
superset load_examples
# 创建默认角色
superset init
# 启动 web server， port 8088
superset run -p  --with-threads --reload --debugger

Superset可视化示例：

图片

图片

Echarts

Echarts是国内非常出名的JS可视化库，图表种类齐全，能开发各种大屏、报表。

Pyecharts 是一个用于生成 Echarts 图表的Python类库，为了与 Python 进行对接，方便在 Python 中直接使用数据生成图。

图片

图片

图片

图片

图片

这几个可视化都非常适合平时的数据分析，以及部署到一些可视化的项目中，一方面它们的接口简单，另一方面图形库丰富，不需要担心不够用，也无需花费过多时间去开发。