30 个把数据可视化的简单工具
s
Big Data 的重要性与日俱增，许多企业的资料库内都收集了非常多消费者资料，但要将这一笔笔冷僻又繁杂的数字与名目资料转化为有价值、为企业带来效益的策略拟定参考，需要倚赖资料科学家的脑袋与适当的统计软体，再把结果图表化，让一般企业、大众都看的懂，也就是「看图说故事」与「数字会说话」两者的结合。
但有哪些简单又实用性高、不需要专业的编码知识、也不需要特别的训练就可以用的软体呢？以下介绍30 个着名的资料图表化软体给大家参考，想要让顾客听懂你在说什么、说服你的客户就靠它们了！
1. iCharts
iCharts 是能够连接市场研究出版者、经济及产业面的资料和专业的消费者的平台，拥有数以万计的图表，涵盖层面包刮商业、经济、运动和其他类别，它让大众能够简单的了解并能够跟上世界最新统计资料的脚步。
为了拥有庞大的资料量，它提供以云端为基础和受专利保护的图表工具，让企业和个人都能推出品牌、行销以及用图表分享他们的资料，透过网站分享给数百万的人。很棒的是，iChart 提供免费帐户给使用者，让你能够使用基本的互动是图表，当你花钱购买更进阶的版本，你就能使用更多不同的功能；图表本身是具有互动性的，因此可以从Google Docs、Excel spreadsheet 和其他来源撷取。
2. Fusion Charts Suit XT
Fusion Charts Suit XT 是一个专业的、进阶版的JavaScript chart library，让我们能够建出任何形式的图表。
採用SVG（Scalable Vector Graphics，可缩放向量图形）和支持超过90 种以上的图表类型，包括3D、甘特图（gantt）、各种不同的压力表图（gauges chart）、漏斗图（funnel chart），甚至世界/ 各州/ 个国家的地图。同样地，大部分的图表包含2D 及3D 的视图，图表是完全可客制化的，标籤、字体、边界等等全部都是可以依使用者作改变。
除此之外，他们也重视工具间的互动性，提示框（tooltips）、向下延伸资料（drill down）、可点选的图例关键字（legend keys）、缩放及上下捲动，以及一次按键进行图表输出或列印。
3. Modest Maps
Modest Maps 是一个小而可延伸、给想要使用互动式地图的设计师和开发者的免费的图书馆，提供核心设定在紧密、清楚的套件特色，拥有许多额外的功能。
4. Pizza Pie Chart
Pizza Pie Chart是建立在来自Adobe 的Snap SVG 结构基础上的圆饼图（pie chart），透过HTML 和CSS 而非JavaScript 物件，专注于进行简单的整合，但你仍可以透过JavaScript 物件连结到Pizza。
更方便的是，你可以传送饼图到任何有Pizza 的装置，在传送后，饼图会自动变成合适的大小形式，当然也可以固定它最大的长宽。
5. Raw
Raw是免费且开源的网站应用程式，为弹性地视觉化资料并尽可能以最简单的方式进行。
事实上它将自身定位为「弥补电子表格（spreadshit）应用程式和向量图表编辑之间的遗漏」，藉由下载资料设定、复制贴上或是拖曳资料，让我们能够客制化浏览或分层。以受观迎的D3,js 为基础，支援各种不同的图表类型像是树状图、气泡图（bubble chart）等等，客户端安装Raw 是非常直接的。
6. Leaflet
Leaflet是现代化开源的JavaScript library，是为了手机优化的良好互动地图。
容量只占JavaScript 的31KB，拥有所有大部分开发商所需要线上地图的特色，Leaflet 融合了简单、效能及实用性三者的设计，有效率的跨桌上型及行动手机平台高效能地运作，虽以HYML5 及CSS3 为优势，但仍能够让版本较早的浏览器进行浏览动作。
7. Chartkick
Chartkick是Ruby gem（同样也是JavaScript API－由JavaScript 语言编写的应用程式埠）为了能简单又快速地创造出好看的图表。整合了两大图表库：Highcharts 以及Google Charts，并能够使用和这两个图库相同的功能来建立图表，支援多种图表类型以及单一图表含多样系列，同样地，像是刚刚所提到地Chartkick.js，不需要Ruby 也能够带给用户端相同的功能。
8. Ember Charts
Ember Charts 是由Ember.js 和D3.js 架构所建立地图表库，它包含时间序列、长条图、元饼图以及散布图，容易修改并做延伸。这些图表的元素可以看出在图表互动性及呈现上，完整地实践了他们的想法。
9. Springy
Springy 是一个以力导向的图表版面配置演算法，也就是说，弹性地使用真实世界的物理来尝试并理解如何呈现一个好看的网络型图表，Springy.js 设计的小且且简单，它提供一个抽象化图表操作以及计算版面配置，画版面配置以及互动都是随个人喜好，这代表说，你可以使用canvas、SVG、WebGL 甚至是旧版的HTML 要素。
10. Bonsai
Bonsai 是一个为了建构图表以及动画的开源JavaScript liabrary，由这个图库提出使用SVG 以及功能充足的API 得出的结果，支援建构简单的图形如长方形、圆形或椭圆等，有了特定的功能以及为了能客制化图形的路径函数，针对不同形状做颜色、梯度变化率以及漏斗型的筛选如灰阶、透明度等应用。
11. Google Charts
Google Charts 提供了非常棒的方式能在网站上视觉化资料，从一条简单的线图到很复杂的阶层型树状图，图库艺廊提供了非常多可使用的图表类型，对于专业视觉画的图表如地理图、动态压力图等，是十分好用的工具；另外包内建含动画和使用者互动控制的功能。
12. jsDraw2DX
jsDraw2DX是一个独立于JavaScript liabrary、为利用SVG 产生任何形式的互动图，除了有能够产生任何基本的图形如线、长方形、多边形、圆形、椭圆、弧形等等之外，它也能画出曲线、任何度数的贝兹曲线（Beziers）、函数绘制图等等。
13. Cube
Cube 同样也是开源系统，能视觉化时间序列资料，建立在MongoDB、Node 以及D3。如果你将Cube 传送到时戳事件，你能在内部后台简单地建立集合矩阵的实境视觉化。举例来说，你也许可以使用Cube 来监控网站浏览量、计算每五分钟下载量。
14. Gantti
Gantti是一个为了快速地产生Gantt 图表的开源PHP 类别，这些图表单纯地涵盖了HTML5-CSS3，而没有任何JavaScript。预设的图表结果看起来就已经很有亲和力了，但也能很简单地客制化，它运作只单纯地透过定义开始入口以及结束时间、要求单一函数指令；同样地，这些图表能够跨浏览器。
15. Smoothie Charts
Smoothie Charts是真的小型地图表资料库，主要是为了实际现场串流资料。虽然有很多图表资料库能让你动态地更新资料内容，但没有一个能真正地优化持续性的串流资料。Smoothie Charts 目前只能在Chrome 和Safari 上运作，事实上，相较于其他视觉化形式的资料库像是Flot，它比较不好用；但是，还是得强调，它真的非常擅长于展现串流资料。
16. Envision.js
Envision.js 是一个JavaScript liabrary，用来简化创造快速又具有互动性的HTML5 视觉化图像。它有两种不同的图表类型：财务型的时间序列资料以及专为开发者所用的API 以建立客制化图表。它採用framework-agnostic 模型以及依赖部分微型图表库。
17. BirdEye
BirdEye 是Declarative Visual Analytics，它属于一个群体专案，为了要提升设计和广泛的开源资料视觉化发展，并且为Adobe Flex 建视觉分析图库，这个动作以叙述性的资料库为主，让使用者能够建立多元资料视觉化介面来分析以及呈现资讯。18. Arbor.js
Arbor.js 是由网页工程师以及jQuery 所建立的图表视觉化资料库，提供有效率、以力导向的版面配置演算法，抽象画图表组织以及筛选更新的处理。
它不受限于你必须要用特定的方法来进行萤幕绘画，可以使用canvas、SVG 甚至是HTML 定位要素，能够依据你的专案来选定你需要的东西。Arbor.js 帮助你专注于图表资料以及它的特色，而非要花一堆时间在数学运算来产出版面配置。
19. Gephi
Gephi 对于所有类型的网络及复杂的系统、动态性和阶层图等，都兼具互动性视觉化以及搜寻平台。以图表为基础的视觉化者以及资料搜寻者，不只能够应付大量的资料集，还能创出美丽的图表，同样也能让你筛选、清除不必要的资料。
20. HighChartjs
Highcharts JS 是单纯由JavaScript 所写的图表资料库，提供简单的方法来增加互动性图表道你的网站或是网站应用程式。目前它能支援线图、样条函数图（spline）、面积图、面积样条函数图（areaspline）、柱状图、长条图、圆饼图和散布图等等。特别的是，它能够在现代浏览器像是iPhone 和版本6 的IE 等运作，不需要特别的程式设计技术，就能设定Highcharts 组态。
21. Javascript InfoVIS Toolkit
JavaScript InfoVis Toolkit提供创造网站上的Interactive Data Visualizations，这个资料库拥有很多独特的样式以及动画编辑效果，而且也是免费的。
22. Axiis
Axiis 是开源资料视觉化架构，专为初学者以及专业开发者设计，Axiis 给予开发者有办法来深入的定义资料视觉化，只要透过简要而直观的标籤语言。Axiis 提供预建的视觉化内容以及抽象的版面配置模板，以及让你能够创造自己独特的视觉化图表。23. Protovis
Protovis 是使用canvas 元素的JavaScript 视觉化工具包，利用图表的方法让资料视觉化，透过基本的几何图如柱状图与点图，来组合客制化的资料浏览。这些几何图被称作为marks，每个mark 经过编码后成一笔视觉化资料，并且透过动态性，像是颜色及位置来呈现，当然你可以有趣地来结合它们来变得更丰富、又具互动性的视觉资料。
24. HumbleFinance
HumbleFinance 是一个HTML5 资料视觉化工具，和Google Finance 的Flash 图表很相似，利用Prototype 和Flotr libraries，不受限只有呈现财务资料，任两个分享在横轴的2D 的资料都能够可以。资料必须储存在JavaScript 变数，以及在跑函数来产生图表前，需要设定三个参数。可以手动地选择一部分的资料，并放大该部分的资料，这是一个非常有用的功能当你在处理大量的资料时。
25. D3.js
D3 是一个为了操作以资料为主的HTML 文件，小而免费的JavaScript library。D3 能够帮助你快速的视觉化你的资料，不论是HTML 或是SVG 都可以，并且可以进行互动性、合併流畅的转换以及阶段性动态到你的页面上。
D3 不是传统的视觉化架构。D3 只解决问题的癥结点：有效率的操作资料文件，这反而给予D3 特别的弹性，能够在CSS3、HTML5 以及SVG 上功能都很完整。
26. Dipity
Dipity 让你能够建立免费的数位时间轴，不只建立，在互动模式下还能分享、插入，视觉化的时间轴能够整合到影音、图片、文字、连结、社群媒体、时戳以及位置中。
27. Kartograph
Kartograph 不需要任何地图提供者像Google Maps，用来建立互动式地图，由两个libraries 组成：从空间数据开放格式，利用向量投影的Python library 以及Post GIS，并将两者结合到SVG 和JavaScripts library，并把这些SVG 资料转变成互动性地图。
28. TimeFlow
TimeFlow Analytical Timeline 是为了暂时性资料的视觉化工具，现在有alpha 版本因此有机会可以发现差错，提供了以下不同的呈现方式：时间轴、日历、柱状图、表格等。
29. Paper.js
Paper.js 是一个开源向量图表叙述架构，能够在HTML5 Canvas 运作，对于初学者来说它是很容易学习的，其中也有许多专业面向可以提供中阶及高阶使用者。
30. Visualize Free
Visualize Free 是一个建立在高阶商业后台集游InetSoft 开发的视觉化软体免费的视觉分析工具，视觉化是一个很棒的方法，从多元变量资料筛选并看其趋势，或是利用简单地点及方法来切割资料或是小范围的资料，如果你正在找一个方法来视觉化搜寻并呈现资料，而一般的office 图表软体没办法处理，那Visualize Free 会是一个很棒的选择。
来源：科技橘报FastCompany；图片来源：FastCompany ; luc legay, CC Licensed
数据可视化和分析工具有哪些 当你分析和可视化数据前，常需要“清理”工作和需要你的数据的图形化的表达。因此你需要标准化这些工作，使看到统一的样式。下面千锋教育大数据培训技术分享的22个工具被用来帮助使数据处于最佳的状态。 1、DataWrangler 斯坦福大学可视化组(SUVG)设计的基于web的服务，以你刚来清理和重列数据。点击一个行或列，DataWrangler 会弹出建议变化。比如如果你点击了一个空行，一些建议弹出，删除或删除空行的提示。它的文本编辑很cooool。 2、Google Refine Google Refine。用户在电脑上运行这个应用程序后就可以通过浏览器访问之。这个东西的主要功能是帮用户整理数据，接下来的演示视频效果非常好：用户下载了一个CSV 文件，但是同一个栏中的同一个属性有多种写法：全称，缩写，后面加了空格的，单数复数格式不一的。。。但是这些其实都代表了同一个属性，Google Refine 的作用就是帮你把这些不规范的写法迅速统一起来。
3、R 项目 R语言是主要用于统计分析、绘图的语言和操作环境。虽然R主要用于统计分析或者开发统计相关的软体，但也有人用作矩阵计算。其分析速度可比美GNU Octave甚至商业软件MATLAB。 可视化应用与服务(Visualization applications and services)这些工具提供了不同的可视化选项，针对不同的应用场景。 4、Google Fusion Tables Google Fusion Tables 被认为是云计算数据库的雏形。还能够方便合作者在同一个服务器上分享备份，email和上传数据，快速同步不同版本数据，Fusion Tables可以上传100MB的表格文件，同时支持CSV和XLS格式，当然也可以把Google Docs里的表格导入进来使用。对于大规模的数据，可以用Google Fusion Tables创造过滤器来显示你关心的数据，处理完毕后可以导出为csv文件。 Google Fusion Tables的处理大数据量的强大能力，以及能够自由添加不同的空间视图的功能，也许会让Oracle，IBM, Microsoft传统数据库厂商感到担心，Google未来会强力介入数据库市场。
2018年5大可视化BI工具选型对比分析
2018年5大可视化BI工具选型对比分析 如今，有大量功能强大的可视化工具和BI工具能快速的实现数据可视化，帮助业务分析推动决策。 在本文中，5类BI可视化工具（QlikView、Tableau、Power BI、帆软FineBI 和Google Data Studio）的特性、优点和缺点。主要比较它们的关键参数，包括可用性、设置、价格、支持、维护、自助服务功能、不同数据类型的支持等。 一、QlikView QlikView是一种将用户作为数据接收者的解决方案。它允许用户在工作流程中探索和发现数据，这与开发人员在处理数据时的工作方式类似。为了保持数据探索和可视化方法的灵活性，该软件致力于维护数据之间的关联。这可以帮助最终用户发现您的数据，即使这些搜索项目的来源是令人难以置信的，这些数据也会提醒您检索相关项目。 QlikView比较灵活，展示样式多样。它允许设置和调整每个对象的每个小方面，并自定义可视化和仪表板的外观。QlikView数据文件(QVD文件)概念的引入，一定程度上取代了ETL工具的功能，拥有可集成的ETL（提取，转换，加载）引擎，能够执行普通的数据清理操作，但是这可能会很昂贵。 1.产品差异化 Qlikview的设计是在avant-garde预构建的仪表板应用程序和联想仪表板的基础上开发的，这些应用程序既创新又直观易用。由于具有先进的搜索功能，它还提供了避免使用数据仓库和使用关联仪表板在内存中提取数据的功能。 2.特征 Qlikview的独特性和灵活性的完美结合使其在其他BI供应商中占有一席之地，并为各行各业处理了大量不同规模的业务提供各种有用的应用程序。 其中一个特点是QlikView能够自动关联数据：识别集合中各种数据项之间的关系，无需手动建模。 另一个特性，Qlikview处理数据输入，是将其保存在多个用户的内存中，即保存在服务器的RAM中。这样可以加快查询速度，从而加快数据探索速度，并改
常见的知识可视化的几种工具简介 （一）概念图(Concept Map) 概念图是康乃尔大学的诺瓦克（J.D. Novak）博士（Novak, J. D. & Gowin, D. B，1984） 根据奥苏贝尔(David P. Ausubel)的有意义学习理论提出的一种教学技术。根据诺瓦克（J.D. Novak）博士的定义，概念图是用来组织和表征知识的工具。它通常将某一主题的有关概念置于圆圈或方框之中，然后用连线将相关的概念和命题连接，连线上标明两个概念之间的意义关系。概念图是使用节点代表概念、连线表示概念间关系，由包含一个概念的节点及连接组成。连接被贴上标签并用箭头符号指示方向，被贴上标签的连接解释节点之间的关系，箭头描绘关系的方向，“概念-连接词-概念“这样一个三元组形成了一个命题。另外，概念图是具有层次结构的，最高级的概念处在顶端。人们可以用适合的关联词来说明不同层次的概念之间的关系，并确定不同分支之间的横向联系。概念图这种知识可视化方法最大的优点在于对知识的体系结构（概念及其概念之间的关系）一目了然的表达出来，还突出表现了知识体系的层次结构。概念图还是很好的结构化知识评估工具。为了方便使用计算机辅助创建和评估概念图，美国评估、标准和学生测试中心（Center for Research on Evaluation, Standards, and Student Testing，简称CRESST）对概念图的概念和连接词进行了预定义，提出了知识地图（Knowledge Maps）。 （二）思维导图（Mind Map）思维导图最初是20世纪60年代英国人托尼·巴赞（Tony Buzan）（1999）创造的一种笔记方法。托尼·巴赞（1999）认为：传统的草拟和笔记方法有埋没关键词、不易记忆、浪费时间和不能有效的刺激大脑四大不利之处，而简洁、效率和积极的个人参与对成功的笔记有至关重要的作用。在草拟和笔记的办法成效越来越小的情况下，需要一种可以不断增多回报的办法，这种办法就是思维导图。尽管思维导图的初始目的只是为了改进笔记方法，它的作用和威力还是在日后的研究和应用中不断显现了出来，被广泛应用于个人、家庭、教育和企业。托尼·巴赞认为思维导图是对发散性思维的表达，因此也是人类思维的自然功能。他认为思维导图是一种非常有用的图形技术，是打开大脑潜能的********，可以应用于生活的各个方面，其改进后的学习能力和清晰的思维方式会改善人的行为表现。（三）认知地图（Cognitive Maps）认知地图也被称为因果图（Causal Maps），是由Ackerman & Eden（2001）提出的，它将“想法“（ideas）作为节点，并将其相互连接起来。想法不同于概念（concepts），它们大多是句子或段落。认知地图（Eden, 1988；Eden，1992）是以个体建构理论（Personal Construct Theory）为基础提出的，其中的“想法“都是通过带箭头的连接线连起来，但连接上没有连接词，连接线的隐含意思是“因果关系“或“导致“，且没有层次的限制。Cognitive Maps用来帮助人们规划工作，促进小组的决策。 （四）语义网络（Semantic Networks）在心理学中，语义网络被定义为词语或概念的语义相似性或相关程度。然而，Fisher(1990)将其定义为节点和连接组成的网络，有连接词但不严格限制在层次结构上。这样，语义网络更像概念图，而不像主流心理学和计算机科学中定义的那样。与概念图一样，语义网络以概念和有意义的、不受限的连接词为基础，形成基本的实例或命题。Fisher(2000)认为语义网络可以被看成多维的，而非二维的。语义网络可以非常大，包含成百上千的相互关联的概念。由于它非常大，使用者在某一时刻只能看到其中的一个部分，也就是与中心概念直接关联的概念。 （五）思维地图（Thinking Maps） Thinking Maps（Thinking maps，2004）是由David Hyerle
第一部分：入门级工具 1.Excel Excel的图形化功能并不强大，但Excel是分析数据的理想工具，上图是Excel 生成的热力地图 作为一个入门级工具，Excel是快速分析数据的理想工具，也能创建供内部使用的数据图，但是Excel在颜色、线条和样式上可选择的范围有限，这也意味着用Excel很难制作出能符合专业出版物和网站需要的数据图。但是作为一个高效的内部沟通工具，Excel应当是你百宝箱中必备的工具之一。 2.CSV/JSON CSV(逗号分隔值)和JSON（JavaScript对象注释）虽然并不是真正的可视化工具，但却是常见的数据格式。你必须理解他们的结构，并懂得如何从这些文件中导入或者导出数据。以下将要介绍的所有数据可视化工具都支持CSV、JSON中至少一种格式。 第二部分：在线数据可视化工具 3.Google Chart API
Google Chart API工具集中取消了静态图片功能，目前只提供动态图表工具。能够在所有支持SVG\Canvas和VML的浏览器中使用，但是Google Chart的一个大问题是：图表在客户端生成，这意味着那些不支持JavaScript的设备将无法使用，此外也无法离线使用或者将结果另存其他格式，之前的静态图片就不存在这个问题。尽管存在上述问题，不可否认的是Google Chart API的功能异常丰富，如果没有特别的定制化需要，或者对Google视觉风格的抵触，那么你大可以从Google Chart开始。 4.Flot Flot是一个优秀的线框图表库，支持所有支持canvas的浏览器（目前主流的浏览器如火狐、IE、Chrome等都支持）。
30 个把数据可视化的简单工具 s Big Data 的重要性与日俱增，许多企业的资料库内都收集了非常多消费者资料，但要将这一笔笔冷僻又繁杂的数字与名目资料转化为有价值、为企业带来效益的策略拟定参考，需要倚赖资料科学家的脑袋与适当的统计软体，再把结果图表化，让一般企业、大众都看的懂，也就是「看图说故事」与「数字会说话」两者的结合。 但有哪些简单又实用性高、不需要专业的编码知识、也不需要特别的训练就可以用的软体呢？以下介绍30 个着名的资料图表化软体给大家参考，想要让顾客听懂你在说什么、说服你的客户就靠它们了！ 1. iCharts
iCharts 是能够连接市场研究出版者、经济及产业面的资料和专业的消费者的平台，拥有数以万计的图表，涵盖层面包刮商业、经济、运动和其他类别，它让大众能够简单的了解并能够跟上世界最新统计资料的脚步。 为了拥有庞大的资料量，它提供以云端为基础和受专利保护的图表工具，让企业和个人都能推出品牌、行销以及用图表分享他们的资料，透过网站分享给数百万的人。很棒的是，iChart 提供免费帐户给使用者，让你能够使用基本的互动是图表，当你花钱购买更进阶的版本，你就能使用更多不同的功能；图表本身是具有互动性的，因此可以从Google Docs、Excel spreadsheet 和其他来源撷取。 2. Fusion Charts Suit XT
Fusion Charts Suit XT 是一个专业的、进阶版的JavaScript chart library，让我们能够建出任何形式的图表。 採用SVG（Scalable Vector Graphics，可缩放向量图形）和支持超过90 种以上的图表类型，包括3D、甘特图（gantt）、各种不同的压力表图（gauges chart）、漏斗图（funnel chart），甚至世界/ 各州/ 个国家的地图。同样地，大部分的图表包含2D 及3D 的视图，图表是完全可客制化的，标籤、字体、边界等等全部都是可以依使用者作改变。 除此之外，他们也重视工具间的互动性，提示框（tooltips）、向下延伸资料（drill down）、可点选的图例关键字（legend keys）、缩放及上下捲动，以及一次按键进行图表输出或列印。 3. Modest Maps
知识可视化的几种工具（转载） 关键词：知识可视化 （一）概念图(Concept Map) 概念图是康乃尔大学的诺瓦克（J.D. Novak）博士（Novak, J. D. & Gowin, D. B，1984） 根据奥苏贝尔(David P. Ausubel)的有意义学习理论提出的一种教学技术。根据诺瓦克（J.D. Novak）博士的定义，概念图是用来组织和表征知识的工具。它通常将某一主题的有关概念置于圆圈或方框之中，然后用连线将相关的概念和命题连接，连线上标明两个概念之间的意义关系。概念图是使用节点代表概念、连线表示概念间关系，由包含一个概念的节点及连接组成。连接被贴上标签并用箭头符号指示方向，被贴上标签的连接解释节点之间的关系，箭头描绘关系的方向，“概念-连接词-概念”这样一个三元组形成了一个命题。另外，概念图是具有层次结构的，最高级的概念处在顶端。人们可以用适合的关联词来说明不同层次的概念之间的关系，并确定不同分支之间的横向联系。概念图这种知识可视化方法最大的优点在于对知识的体系结构（概念及其概念之间的关系）一目了然的表达出来，还突出表现了知识体系的层次结构。概念图还是很好的结构化知识评估工具。为了方便使用计算机辅助创建和评估概念图，美国评估、标准和学生测试中心（Center for Research on Evaluation, Standards, and Student Testing，简称CRESST）对概念图的概念和连接词进行了预定义，提出了知识地图（Knowledge Maps）。 （二）思维导图（Mind Map）思维导图最初是20世纪60年代英国人托尼·巴赞（Tony Buzan）（1999）创造的一种笔记方法。托尼·巴赞（1999）认为：传统的草拟和笔记方法有埋没关键词、不易记忆、浪费时间和不能有效的刺激大脑四大不利之处，而简洁、效率和积极的个人参与对成功的笔记有至关重要的作用。在草拟和笔记的办法成效越来越小的情况下，需要一种可以不断增多回报的办法，这种办法就是思维导图。尽管思维导图的初始目的只是为了改进笔记方法，它的作用和威力还是在日后的研究和应用中不断显现了出来，被广泛应用于个人、家庭、教育和企业。托尼?巴赞认为思维导图是对发散性思维的表达，因此也是人类思维的自然功能。他认为思维导图是一种非常有用的图形技术，是打开大脑潜能的万能钥匙，可以应用于生活的各个方面，其改进后的学习能力和清晰的思维方式会改善人的行为表现。 （三）认知地图（Cognitive Maps）认知地图也被称为因果图（Causal Maps），是由Ackerman & Eden（2001）提出的，它将“想法”（ideas）作为节点，并将其相互连接起来。想法不同于概念（concepts），它们大多是句子或段落。认知地图（Eden, 1988；Eden，1992）是以个体建构理论（Personal Construct Theory）为基础提出的，其中的“想法”都是通过带箭头的连接线连起来，但连接上没有连接词，连接线的隐含意思是“因果关系”或“导致”，且没有层次的限制。Cognitive Maps用来帮助人们规划工作，促进小组的决策。 （四）语义网络（Semantic Networks）在心理学中，语义网络被定义为词语或概念的语义相似性或相关程度。然而，Fisher(1990)将其定义为节点和连接组成的网络，有连接词但不严格限制在层次结构上。这样，语义网络更像概念图，而不像主流心理学和计算机科学中定义的那样。与概念图一样，语义网络以概念和有意义的、不受限的连接词为基础，形成基本的实例或命题。Fisher(2000)认
2012-03-31 10:01 2012-03-31 10:01 , URL https://www.doczj.com/doc/0116955617.html,/news/17548/22_free_tools_for_data_visualization_and_a… 54 , | 22 22 2011 04 28 ( ) 22 Data cleaning “New York City" "New York, NY" DataWrangler SUVG web DataWrangler cooool Google Refine Google Refine CSV Google Refine
Statistical analysis R R R GNU Octave MATLAB Visualization applications and services Google Fusion Tables Google Fusion Tables email Fusion Tables 100MB CSV XLS Google Docs Google Fusion Tables csv Google Fusion Tables Oracle IBM, Microsoft Google
Impure Impure Bestiario Tableau Public
Many Eyes
VIDI Zoho Reports 10 Choosel
11 Exhibit 12 Google Chart Tools 13 JavaScript InfoVis Toolkit
6大提高数据可视化的实用技巧 目前，大数据对社会、工作与生活的重要性不言而喻，越来越多的应用涉及到大数据，而大数据的属性都呈现出了大数据不断增长的复杂性，采取合理的分析方法，并更好的呈现出来尤为重要，对于提高大数据的可读性可以遵循以下规律： 1. 将指标图形化 一般用与指标含义相近的icon来表现，使用场景也比较多。 2. 将指标关系图形化 当存在多个指标时，挖掘指标之间的关系，并将其图形化表达，可提升图表的可视化深度。一方面可借助已有的场景来表现，比如：百度统计流量研究院操作系统的分布，首先分为windows、mac还有其他操作系统，windows又包含xp、2003等多种子系统；另一方面可以构建场景来表现，比如百度统计流量研究院中的学历分布，指标分别是小学、初中、高中、本科等等，它们之间是一种越爬越高，从低等级到高等级的关系，那么，这种关系可以通过构建一个台阶去表现。 3. 将指标值图形化 一个指标值就是一个数据，将数据的大小以图形的方式表现。比如用柱形图的长度或高度表现数据大小，这也是最常用的可视化形式，也可尝试从图形的视觉样式上进行一些创新，常用的方法就是将图形与指标的含义关联起来。 4. 让图表“动”起来 数据图形化完成后，可结合实际情况，将其变为动态化和可操控性的图表，用户在操控过程中能更好地感知数据的变化过程，提升体验。
5. 将数据进行概念转换 在数据可视化，有时需要对数据进行概念转换，可加深用户对数据的感知，常用的方法有对比和比喻。 6. 将时间和空间可视化 通过时间的维度来查看指标值的变化情况，一般通过增加时间轴的形式，也就是常见的趋势图；当图表存在地域信息并且需要突出表现的时候，可用地图将空间可视化，地图作为主背景呈现所有信息点。 以上是提高大数据可读性的六种实用方法，在进行数据呈现的时候具有一定的借鉴意义，随着大数据技术的成熟，数据呈现的方法也会越来越多，平时可以多学习、对比并积累，好的数据可视化方法和工具可以对数据呈现起到事半功倍的作用！
50个大数据可视化分析工具 在大数据时代，数据可视化工具必须具有以下特性： (1)实时性：数据可视化工具必须适应大数据时代数据量的爆炸式增长需求，必须快速的收集分析数据、并对数据信息进行实时更新; (2)简单操作：数据可视化工具满足快速开发、易于操作的特性，能满足互联网时代信息多变的特点; (3)更丰富的展现：数据可视化工具需具有更丰富的展现方式，能充分满足数据展现的多维度要求; (4)多种数据集成支持方式：数据的来源不仅仅局限于数据库，数据可视化工具将支持团队协作数据、数据仓库、文本等多种方式，并能够通过互联网进行展现。 Excel 是快速分析数据的理想工具，也能创建供内部使用的数据图，但在颜色、线条和样式上可选择的范围有限。 Google Charts 提供了大量现成的图表类型，从简单的线图表到复杂的分层树地图等，还内置了动画和用户交互控制。 D3 能够提供大量线性图和条形图之外的复杂图表样式，例如V oronoi图、树形图、圆形集群和单词云等。 R语言 是主要用于统计分析、绘图的语言和操作环境。 Visual.ly 如果你需要制作信息图而不仅仅是数据可视化，Visual.ly是最流行的一个选择。
Processing 是数据可视化的招牌工具，只需要编写一些简单的代码，然后编译成Java，可在几乎所有平台上运行。 Leaflet 用来开发移动友好地交互地图。 OpenLayers 对于一些特定的任务来说，能够提供一些其他地图库都没有的特殊工具。 Polymaps 是一个地图库，主要面向数据可视化用户。可以将符号字体与字体整合，创建出漂亮的矢量化图标。 Gephi 是一个可视化的网络探索平台，用于构建动态的、分层的数据图表。 可以用CartoDB很轻易就把表格数据和地图关联起来。 Weka是数据分析的强大工具，还能生成一些简单的图表。 NodeBox是OS X上创建二维图形和可视化的应用程序。 Kartograph不需要任何地图提供者像Google Maps，用来建立互动式地图。 Modest Maps在一些扩展库的配合下，例如Wax，Modest Maps立刻会变成一个强大的地图工具。 Tangle是个用来探索、Play和查看文档更新的交互式库。既是图表，又是互动图形用户界面的小程序。当你调整一个图表中的输入范围时，其他关联图表的数据也会随之改变。 Rapha憀与其他库最大的不同是输出格式仅限SVG和VML。 jsDraw2DX用来创建任意类型的SVG交互式图形，可生成包括线、举行、多边形、椭圆、弧线等等图形。 Pizza Pie Charts是个响应式饼图图表。 FusionCharts XT是一款跨平台、跨浏览器的JavaScript图表组件，可提供令人愉悦的JavaScript图表体验。 iCharts有交互元素，可以从Google Doc、Excel 表单和其他来源中获取数据。
大数据可视化分析平台 一、背景与目标 基于邳州市电子政务建设的基础支撑环境，以基础信息资源库（人口库、法人库、宏观经济、地理库）为基础，建设融合业务展示系统，提供综合信息查询展示、信息简报呈现、数据分析、数据开放等资源服务应用。实现市府领导及相关委办的融合数据资源视角，实现数据信息资源融合服务与创新服务，通过系统达到及时了解本市发展的综合情况，及时掌握发展动态，为政策拟定提供依据。 充分运用云计算、大数据等信息技术，建设融合分析平台、展示平台，整合现有数据资源，结合政务大数据的分析能力与业务编排展示能力，以人口、法人、地理，人口与地理，法人与地理，实现基础展示与分析，融合公安、交通、工业、教育、旅游等重点行业的数据综合分析，为城市管理、产业升级、民生保障提供有效支撑。 二、政务大数据平台 1、数据采集和交换需求：通过对各个委办局的指定业务数据进行汇聚，将分散的数据进行物理集中和整合管理，为实现对数据的分析提供数据支撑。将为跨机构的各类业务系统之间的业务协同，提供统一和集中的数据交互共享服务。包括数据交换、共享和ETL等功能。 2、海量数据存储管理需求：大数据平台从各个委办局的业务系统里抽取的数据量巨大，数据类型繁杂，数据需要持久化的存储和访问。不论是结构化数据、半结构化数据，还是非结构化数据，经过数据存储引擎进行建模后，持久化保存在存储系统上。存储系统要具备高可靠性、快速查询能力。
3、数据计算分析需求：包括海量数据的离线计算能力、高效即席数据查询需求和低时延的实时计算能力。随着数据量的不断增加，需要数据平台具备线性扩展能力和强大的分析能力，支撑不断增长的数据量，满足未来政务各类业务工作的发展需要，确保业务系统的不间断且有效地工作。 4、数据关联集中需求：对集中存储在数据管理平台的数据，通过正确的技术手段将这些离散的数据进行数据关联，即：通过分析数据间的业务关系，建立关键数据之间的关联关系，将离散的数据串联起来形成能表达更多含义信息集合，以形成基础库、业务库、知识库等数据集。 5、应用开发需求：依靠集中数据集，快速开发创新应用，支撑实际分析业务需要。 6、大数据分析挖掘需求：通过对海量的政务业务大数据进行分析与挖掘，辅助政务决策，提供资源配置分析优化等辅助决策功能，促进民生的发展。
知识可视化的理论与方法 赵国庆黄荣怀陆志坚 北京师范大学知识工程研究中心，北京 100875 摘要：知识可视化是在科学计算可视化、数据可视化和信息可视化基础上发展起来的新兴研究领域，是指应用视觉表征手段，促进群体知识的传播和创新（Eppler, M.J. & Burkard, R.A., 2004）。本文首先介绍知识可视化的由来，分析知识可视化与数据可视化、信息可视化的联系与区别；紧接着论述知识可视化的理论基础——双重编码理论，并从知识制品的角度分析知识可视化的本质；然后分析知识可视化与教育技术、知识工程之间的关系；最后介绍知识可视化的研究框架和几种已有的知识可视化方法，并分析知识可视化的发展趋势。 关键词：知识可视化数据可视化信息可视化知识制品 一、知识可视化的由来 人类80%以上的信息是通过视觉获得的，常言道：“百闻不如一见”、“一图胜过千言”就是这个意思。可视化技术是指将抽象的事物或过程变成图形图像的表示方法。“可视化”一词，来源于英文的“visualization”，原意是“可看得见的、清楚的呈现”，也可译为“图示化”，如计算机编程的可视化界面（VB、VC等）。 “可视化”作为专业术语出现始于1987年2月，当时美国国家自然科学基金会（National Science Foundation，简称NSF）召开的一个专题研讨会，给出了科学计算可视化的定义、覆盖的领域以及近期、长期发展的方向。这标志着科学计算可视化作为一个学科在国际范围内已经成熟（潘云鹤，2001）。 按照潘云鹤（2001）的观点，科学计算可视化（Visualization in Scientific Computing）的基本含义是运用计算机图形学或者一般图形学的原理和方法，将科学与工程计算等产生的大规模数据转换为图形、图像，以直观的形式表示出来。数据可视化（Data Visualization）概念首先来自科学计算可视化，科学家们不仅需要通过图形图像来分析由计算机算出的数据，而且需要了解在计算过程中数据的变化。随着计算机技术的发展，数据可视化概念已大大扩展，它不仅包括科学计算数据的可视化，而且包括工程数据和测量数据的可视化。现代的数据可视化技术指的是运用计算机图形学和图像处理技术，将数据换为图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机辅助设计、计算机视觉及人机交互技术等多个领域。 一般说来，科学计算可视化是指空间数据场的可视化，而信息可视化（Information Visualization）则是指非空间数据的可视化（黄志澄，1999）。随着社会信息化的推进和网络应用的日益广泛，信息源越来越庞大。除了需要对海量数据进行存储、传输、检索及分类等以外，更迫切需要了解数据之间的相互关系及发展趋势。实际上，在激增的数据背后，隐藏着许多重要的信息，人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。Card et al. (1999) 将信息可视化定义为：“使用计算机支持的、交互性的视觉表示法，对抽象数据进行表示，以增强认知。” Eppler, M.J. & Burkard, R.A.（2004）认为：知识可视化(Knowledge Visualization)是在科学计算可视化、数据可视化、信息可视化基础上发展起来的新兴研究领域，应用视觉表征手段，促进群体知识的传播和创新。一般来讲，知识可视化领域研究的是视觉表征在提高两个或两个以上人之间的知识传播和创新中的作用。这样一来，知识可视化指的是所有可以用来建构和传达复杂知识的图解手段。除了传达事实信息之外，知识可视化的目标在于传输见解（insights）、经验（experiences）、态度（attitudes）、价值观（Values）、期望（expectations）、观点（perspectives）、意见（opinions）和预测（predictions）等，并以这种方式帮助他人正确地重构、记忆和应用这些知识。
大数据可视化设计 2015-09-16 15:40 大数据可视化是个热门话题，在信息安全领域，也由于很多企业希望将大数据转化为信息可视化呈现的各种形式，以便获得更深的洞察力、更好的决策力以及更强的自动化处理能力，数据可视化已经成为网络安全技术的一个重要趋势。 一、什么是网络安全可视化 攻击从哪里开始？目的是哪里？哪些地方遭受的攻击最频繁……通过大数据网络安全可视化图，我们可以在几秒钟内回答这些问题，这就是可视化带给我们的效率。大数据网络安全的可视化不仅能让我们更容易地感知网络数据信息，快速识别风险，还能对事件进行分类，甚至对攻击趋势做出预测。可是，该怎么做呢？ 1.1 故事+数据+设计 =可视化 做可视化之前，最好从一个问题开始，你为什么要做可视化，希望从中了解什么？是否在找周期性的模式？或者多个变量之间的联系？异常值？空间关系？比如政府机构，想了解全国各个行业的分布概况，以及哪个行业、哪个地区的数量最多；又如企业，想了解内部的访问情况，是否存在恶意行为，或者企业的资产情况怎么样。总之，要弄清楚你进行可视化设计的目的是什么，你想讲什么样的故事，以及你打算跟谁讲。 有了故事，还需要找到数据，并且具有对数据进行处理的能力，图1是一个可视化参考模型，它反映的是一系列的数据的转换过程： 我们有原始数据，通过对原始数据进行标准化、结构化的处理，把它们整理成数据表。将这些数值转换成视觉结构（包括形状、位置、尺寸、值、方向、色彩、纹理等），通过视觉的方式把它表现出来。例如将高中低的风险转换成红黄蓝等色彩，数值转换成大小。将视觉结构进行组合，把它转换成图形传递给用户，用户通过人机交互的方式进行反向转换，去更好地了解数据背后有什么问题和规律。 最后，我们还得选择一些好的可视化的方法。比如要了解关系，建议选择网状的图，或者通过距离，关系近的距离近，关系远的距离也远。 总之，有个好的故事，并且有大量的数据进行处理，加上一些设计的方法，就构成了可视化。 1.2 可视化设计流程
2018年5大可视化BI工具选型对比分析 如今，有大量功能强大的可视化工具和BI工具能快速的实现数据可视化，帮助业务分析推动决策。 在本文中，5类BI可视化工具（QlikView、Tableau、Power BI、帆软FineBI 和Google Data Studio）的特性、优点和缺点。主要比较它们的关键参数，包括可用性、设置、价格、支持、维护、自助服务功能、不同数据类型的支持等。 一、QlikView QlikView是一种将用户作为数据接收者的解决方案。它允许用户在工作流程中探索和发现数据，这与开发人员在处理数据时的工作方式类似。为了保持数据探索和可视化方法的灵活性，该软件致力于维护数据之间的关联。这可以帮助最终用户发现您的数据，即使这些搜索项目的来源是令人难以置信的，这些数据也会提醒您检索相关项目。 QlikView比较灵活，展示样式多样。它允许设置和调整每个对象的每个小方面，并自定义可视化和仪表板的外观。QlikView数据文件(QVD文件)概念的引入，一定程度上取代了ETL工具的功能，拥有可集成的ETL（提取，转换，加载）引擎，能够执行普通的数据清理操作，但是这可能会很昂贵。 1.产品差异化 Qlikview的设计是在avant-garde预构建的仪表板应用程序和联想仪表板的基础上开发的，这些应用程序既创新又直观易用。由于具有先进的搜索功能，它还提供了避免使用数据仓库和使用关联仪表板在内存中提取数据的功能。 2.特征 Qlikview的独特性和灵活性的完美结合使其在其他BI供应商中占有一席之地，并为各行各业处理了大量不同规模的业务提供各种有用的应用程序。 其中一个特点是QlikView能够自动关联数据：识别集合中各种数据项之间的关系，无需手动建模。 另一个特性，Qlikview处理数据输入，是将其保存在多个用户的内存中，即保存在服务器的RAM中。这样可以加快查询速度，从而加快数据探索速度，并改善
盘点10款最受欢迎数据可视化工具 在数字经济时代，人们需要对大量的数字进行分析，帮助用户更直观的察觉差异，做出判断，减少时间成本。当然，你可能想象不到这种数据可视化的技术可以追溯到2500年前世界上的第一张地图，但是，如今利用各种形态的数据可视化图表帮助用户减少分析时间，快速做出决策一直扮演着重要的作用。 世界上的第一张地图(公元前550年) 这里给你推荐十款现今最受欢迎的数据可视化工具，供你参考。 1、Tableau
Tableau 数据可视化工具除了图片美观之外，是否容易上手，海量数据的处理速度等都是考量工具优劣的标准。而Tableau以其高度的灵活性和动态性高居榜首。Tableau不仅可以制作图表、图形还可以绘制地图，用户可以直接将数据拖拽到系统中，不仅支持个人访问，还可以进行团队协作同步完成数据图表绘制。输出方便，同时Tableau也是免费的哦。 2、Excel
Excel 额，笔者并没有疯掉。笔者恰恰想说的是Excel作为一种简单、方便、覆盖面广的offi ce软件，无疑是数据可视化工具的典型。我们平时会经常使用Excel制作简单表格，实际上，Excel的功能十分强大，你完全可以用它来做一些让人眼前一亮的图表。 Excel可以说是典型的入门级数据可视化工具，但同时，它也支持3D的可视化展示，微软发布了一款叫做GeoFlow的插件，它是结合Excel和Bing地图所开发出来的3D数据可视化工具。GeoFlow的概念最早提出于2011年6月，据悉可以支持的数据行规模最高可达100万行，并可以直接通过Bing地图引擎生成可视化3D地图。 2FusionCharts、Modest Maps、WolframAlpha 3、FusionCharts
云计算大数据的55个最实用 可视化分析工具 近年来，随着云和大数据时代的来临，数据可视化产品已经不再满足于使用传统的数据可视化工具来对数据仓库中的数据抽取、归纳并简单的展现。传统的数据可视化工具仅仅将数据加以组合，通过不同的展现方式提供给用户，用于发现数据之间的关联信息。新型的数据可视化产品必须满足互联网爆发的大数据需求，必须快速的收集、筛选、分析、归纳、展现决策者所需要的信息，并根据新增的数据进行实时更新。因此，在大数据时代，数据可视化工具必须具有以下特性： (1)实时性：数据可视化工具必须适应大数据时代数据量的爆炸式增长需求，必须快速的收集分析数据、并对数据信息进行实时更新; (2)简单操作：数据可视化工具满足快速开发、易于操作的特性，能满足互联网时代信息多变的特点; (3)更丰富的展现：数据可视化工具需具有更丰富的展现方式，能充分满足数据展现的多维度要求; (4)多种数据集成支持方式：数据的来源不仅仅局限于数据库，数据可视化工具将支持团队协作数据、数据仓库、文本等多种方式，并能够通过互联网进行展现。
为了进一步让大家了解如何选择适合的数据可视化产品，本文将围绕这一话题展开，希望能对正在选型中的企业有所帮助。下面就来看看全球备受欢迎的的可视化工具都有哪些吧! 1.Excel Excel作为一个入门级工具，是快速分析数据的理想工具，也能创建供内部使用的数据图，但是Excel在颜色、线条和样式上课选择的范围有限，这也意味着用Excel很难制作出能符合专业出版物和网站需要的数据图。 2.Google Chart API Google Chart提供了一种非常完美的方式来可视化数据，提供了大量现成的图标类型，从简单的线图表到复杂的分层树地图等。它还内置了动画和用户交互控制。 3.D3 D3(Data Driven Documents)是支持SVG渲染的另一种JavaScript库。但是D3能够提供大量线性图和条形图之外的复杂图表样式，例如Voronoi图、树形图、圆形集群和单词云等。 4.R
知识创新教学的常用工具介绍: 1、知识论坛 知识论坛的特点： A.知识论坛支持记录之间的相互引用，允许学生在别人观点的基础上增建（build-on）新的观点。 B.知识论坛把记录通过可视化的方式在视窗（view）中组织呈现出来，学生可以自由拖动记录的位置按自己的方式组织视图，这也为多样性的观点形成创造了条件。 C在多元观点的基础上，知识论坛还提供了“升华（rise-above）”功能，即在多个观点的基础上总结提炼出更综合、更统筹的观点。 D.知识社区提供“合著”功能，多个作者可以一起写同一条记录，支持社区知识、民主化的知识和对等的知识发展。 E.知识社区还支持以图片、绘图、视频为载体的多种媒体的交互。通过整合语义分析技术，也可为学生提供权威性知识的推荐，帮助学生推进社区观点。 知识论坛的总结： ⑴KF(Knowledge Forum) 为知识创新提供了一个专门的环境。在该环境中包括相关材料和脚手架等,能够较好地支持概念的建立。 ⑵在该环境中采用了图形方式, 并采用多种途径进行协作知识构建, 包括观点浏览、重构概念、社区参与、对话等。 ⑶随着社区知识库的不断积累, 可以实现创建共享的知识产品,它突破了对话所具有的临时性特点。学习者可以随时发表自己的观点,
其内容实现了同其他相关内容的隔离。 ⑷该环境支持连续的协作知识创新工作, 并同社区每天的工作整合在一起。相对于仅提供讨论的论坛,KF能够作为常规工作或学习的辅助工具。 2、评价工具的简单介绍 档案袋的建立过程对于学生来说是一个收集、选择和反思的过程： ⑴资料收集的过程是学生体验学习的过程； ⑵自主选出满意作品的过程是学生展示自己能力的过程； ⑶反思学习方法和学习成果过程是学生自我了解的过程。 这个过程全面反映了学生学习的过程和表现，我们能够从中清楚地看到每个学生学习过程、发展过程和目标达成度的强与弱，它是学生进行自我评价、师生之间进行互相评价的依据。 电子档案袋的优点 ⑴嵌入在知识论坛中的电子档案可以反映个体、学习共同体、学习社区知识创新过程，引导着知识的创新方向。 ⑵其次，电子档案袋在大量内容的组织上也有利于隐性知识的显性化处理，给建构出来的知识合理化的表达。 3、知识创新环境的未来发展方向 ⑴知识论坛的发展 面对丰富的网上学习资源和泛在学习机会，相对的封闭性成为了知识
大数据可视化和分析工具 大数据将为社会带来三方面变革：思维变革、商业变革、管理变革，各行业将大数据纳入企业日常配置已成必然之势。学习大数据的热潮也是风起云涌，千锋大数据全面推出新大纲，重磅来袭，今天千锋小编分享的是大数据可视化和分析工具。 1、Excel2016 Excel作为一个入门级工具，是快速分析数据的理想工具，也能创建供内部使用的数据图，同时，它也支持3D的可视化展示，微软发布了一款叫做GeoFlow 的插件，它是结合Excel和Bing地图所开发出来的3D数据可视化工具，可以直接通过Bing地图引擎生成可视化3D地图。但是Excel在颜色、线条和样式上课选择的范围有限，这也意味着用Excel很难制作出能符合专业出版物和网站需要的数据图。 2、SPSS 22 SPSS 22版本有强大的统计图制作功能，它不但可以绘制各种常用的统计图乃至复杂的3D视图，而且能够由制作者自定义颜色，线条，文字等，使制图变得丰富多彩，善心悦目。 3、R语言 R具有强大的统计计算功能和便捷的数据可视化系统。ggplot2是一个用来绘制统计图形的R软件包。ggplot2是由其背后的一套图形语法所支持的，它可以绘制出很多美观的图形，同时能避免诸多繁琐的细节。ggplot2采用了图层的设计方式，你可以从原始的图层开始，首先绘制原始数据，然后不断地添加图形注释和统计汇总的结果。
4、Tableau Public Tableau不仅可以制作图表、图形还可以绘制地图，用户可以直接将数据拖拽到系统中，不仅支持个人访问，还可以进行团队协作同步完成数据图表绘制。 5、Google Charts Google Charts提供大量数据可视化格式，从简单的散点图到分层树地图。可视化效果是完全个性化的，你可以通过动态数据进行实时连接。Google Charts可以兼容多个浏览器以及在多个平台可使用(IOS和安卓设备)。 6、D3.js D3 是流行的可视化库之一，它被很多其他的表格插件所使用。它允许绑定任意数据到DOM，然后将数据驱动转换应用到Document中。你可以使用它用一个数组创建基本的HTML表格，或是利用它的流体过度和交互，用相似的数据创建惊人的SVG条形图。 7、Gephi Gephi是一个支持动态和分层图的交互可视化与探测工具。Gephi强大的OpenGL引擎允许实时可视化，可以支持网络多达50,000个节点1,000,000条边。它给用户提供了切割边缘布局算法，包括基于力的算法和多层次算法，使得操作体验更高效。此外，该软件是完全免费使用，该公司仅收私有仓库的费用。 8、echarts echarts不是外国的，是国内百度团队的产物。总所周知，百度统计做得挺不错的。他们这个echarts也算是用到淋漓尽致。社区也算比较活跃，例子也十分多，实用一样方便。 9、highcharts
Tecpl ot——强大的数据分析和可视化软件 Tecplot系列软件是由美国Tecplot公司推出的功能强大的数据分析和可视化处理软件。它包含数值模拟和CFD结果可视化软件Tecplot 360，工程绘图软件Tecplot Focus，以及油藏数值模拟可视化分析软件Tecplot RS。 Tecplot 360 ——功能全面的CFD可视化工具 Tecplot 360是一款将至关重要的工程绘图与先进 的数据可视化功能结合为一体的数值模拟和CFD可视化 软件。它能按照您的设想迅速的根据数据绘图及生成动 画，对复杂数据进行分析，进行多种布局安排，并将您 的结果与专业的图像和动画联系起来。当然Tecplot 360 还能够帮助您用于节省处理日常事务的时间和精力。 Tecplot 360 具有以下功能： 1、广泛支持CFD&FEA有限元格式： a）包含图像纵横比和伸直系数等，28种格点质量函数控制格点质量 b）提供32种 CFD、FEA、结构分析和工业标准数据格式支持 c）交互式探索并扫瞄流场，检查随格点变化的流场特性 d）以 Richardson 外差分析，估算数值解的精确度 通过同时导入CFD和结构分析结果，Tecplot 360能够在 同一幅图中绘制出材料的变形和流体流动的改变。
2、实验与模拟验证比较： a）在同一窗口能比较数值结果和实验数据 b）萃取涡流、震波表面和其他重要的流场特性 c）透过DVD控制选项，如向前、倒退和飞梭控制，可模拟瞬时解的动画 d）单一环境下，使用XY图、极坐标、2D和3D绘图，能充分了解物理场的行为 e）交互式切片、等表面和流线轨迹工具让您获得更多、更细致的可视化结果 3、人性化输出功能： a）对简报、网站和画框制作优化动画 b）输出专业、简报质量的向量和Raster格式 c）可直接从微软Office复制/贴上图档和动画 d）输出的数据格式兼容于Tecplot 360 2008和2006 e）使用Tecplot 360独特的多画框设计工作区，可呈现多个时间连结的绘图展示 4、自动图形产生： a）藉由记录或撰写底稿来产生宏 b）藉由Python语法进行分析与自动绘图任务 c）快速重建旧有图表，并套用同样式参数和设计 5、可执行复杂模型于瞬间： a）多线程，有效利用多核心计算机资源 b）一般型计算机即能开启更大的档案 c）同时间比较多个模型，包含流固耦合可视化