|
前言 数据可视化工具多种多样，五花八门，说是争奇斗艳也不过分。 这是好事，但也存在一个问题：可用工具实在太多了，该如何选择？
个人愚见，仅供参考。
1.首先弄清需求究竟是什么，也就是说为什么需要数据可视化。 情况一，你在使用python紧进行数据分析，如果数据可视化仅仅是作为你分析过程中的一部分，而不是作为最终展示的一部分。这时就可以用python的任意数据可视化包，而不必使用BI。通俗地说，这时的可视化是给你自己看的，便利顺手即可，无需过于追求精致美观。 情况二，数据已经处理完毕，你需要最终汇报时将数据以可视化方式呈现。这时就需要使用BI工具精心制作。 此外，有些需求比较特殊，比如地理信息数据，词云图。这些最好选择专门的工具。
2.学习或工作是否有指定要求。 比如有的公司会购买商用BI工具，统一使用，这时就需要遵循公司安排。如果你在某个课题组，大家用的都是一种工具，那最好也和大家保持一致。如果某项研究之前使用的都是一种工具，那接下来最好也沿用。
3.关注工具的生态与历史。 数据可视化工具简直爆炸式增长，但很多都是近些年才发展起来的。我认为，这些新发展的创新的工具必有其存在的价值，但是已经存在并更新发展多年的，有良好的社区生态的工具是值得信赖的，比如plotly。换句话说，就是这个工具，别今天用了，第二天发现用不了了。
python中有一个经典的数据可视化包叫 matplotlib 。我是不喜欢用这个的，因为觉得它做的图不是很美观，还需要加各种参数。我喜欢用一个叫 cufflinks 的包，方便美观。但是当我学习一些python相关教程时发现，可视化基本上用的都是 matplotlib ，比如sklearn的官方文档的示例。这时我才意识到， matplotlib 的生态很强大，换句话说，就是它经典，大家都需要用，代码移植也方便。
4.关注工具是否需要编程。 需要编程灵活自由，无需编程的简单方便。目前数据可视化发展很完备了，一般的BI通过拖拽就可以做出很漂亮的图，无需编程。但是如果想在图中添加特定元素或有更复杂的需求，最好选择需要编程的工具。
5.关注工具是否有中文版 不可否认的是，国外在这方便领先我们数年，但是英文工具可能确实会对我们使用带来一些困难。这时如果此工具有中文版的操作界面，说明文档以及社区，对我们使用就非常有帮助。当然如果英文好，这条可以忽略。 以下是工具的汇总，这里没有放上各种编程语言的包，太多了。这里基本上都是无需编程的。个人觉得，“在线可视化“不错，方便简单。此外，易分享性很重要。比如 海致BDP，可以直接以网页链接形式将成果分享给他人进行展示，对方无需下载任何软件。而 帆软BI，则需要对方必须下载软件才能浏览。
| 
我是人
发表于 2020-11-11 14:27:09
张一
发表于 2020-12-15 13:21:01
lz_destiny
发表于 2020-11-11 14:30:44
