數據呈現 - 20 大數據可視化工具測評

本文轉載自公衆號軟件定義世界(SDX)

**來源:****PLoB
**

如今學習應用數據可視化的渠道有很多,你可以跟蹤一些專家博客,但更重要的一點是實踐 / 實操,你必須對目前可用的數據可視化工具有個大致瞭解。以下是 Netmagzine 列舉的二十大數據可視化工具,無論你是準備製作簡單的圖表還是複雜的圖譜或者信息圖,這些工具都能滿足你的需要。更加美妙的是,這些工具大多免費。

1

入門級工具

1.Excel

圖片

Excel 的圖形化功能並不強大,但 Excel 是分析數據的理想工具,上圖是 Excel 生成的熱力地圖

作爲一個入門級工具,Excel 是快速分析數據的理想工具,也能創建供內部使用的數據圖,但是 Excel 在顏色、線條和樣式上可選擇的範圍有限,這也意味着用 Excel 很難製作出能符合專業出版物和網站需要的數據圖。但是作爲一個高效的內部溝通工具,Excel 應當是你百寶箱中必備的工具之一。

2.CSV/JSON

CSV(逗號分隔值) 和 JSON(JavaScript 對象註釋)雖然並不是真正的可視化工具,但卻是常見的數據格式。你必須理解他們的結構,並懂得如何從這些文件中導入或者導出數據。以下將要介紹的所有數據可視化工具都支持 CSV、JSON 中至少一種格式。

2

在線數據可視化工具

1.Google Chart API

圖片

Google Chart API 工具集中取消了靜態圖片功能,目前只提供動態圖表工具。能夠在所有支持 SVG\Canvas 和 VML 的瀏覽器中使用,但是 Google Chart 的一個大問題是:圖表在客戶端生成,這意味着那些不支持 JavaScript 的設備將無法使用,此外也無法離線使用或者將結果另存其他格式,之前的靜態圖片就不存在這個問題。儘管存在上述問題,不可否認的是 Google Chart API 的功能異常豐富,如果沒有特別的定製化需要,或者對 Google 視覺風格的牴觸,那麼你大可以從 Google Chart 開始。

2.Flot

圖片

Flot 是一個優秀的線框圖表庫,支持所有支持 canvas 的瀏覽器(目前主流的瀏覽器如火狐、IE、Chrome 等都支持)。

3.Raphaël

圖片

Raphaël 是創建圖表和圖形的 JavaScript 庫,與其他庫最大的不同是輸出格式僅限 SVG 和 VML。SVG 是矢量格式,在任何分辨率下的顯示效果都很好。

4.D3

圖片

D3(Data Driven Documents)是支持 SVG 渲染的另一種 JavaScript 庫。但是 D3 能夠提供大量線性圖和條形圖之外的複雜圖表樣式,例如 Voronoi 圖、樹形圖、圓形集羣和單詞雲等。雖然 D3 能夠提供非常花哨的互動圖表,但你在選擇數據可視化工具時,需要牢記的一點是:知道在何時保持簡潔。

5.Visual.ly

圖片

如果你需要製作信息圖而不僅僅是數據可視化,目前也有大把的工具可用。Visual.ly 就是最流行的一個選擇。雖然 Visual.ly 的主要定位是:“信息圖設計師的在線集市”,但是也提供了大量信息圖模板。雖然功能還有很多限制,但是 Visual.ly 絕對是個能激發你靈感的地方。

3

互動圖形用戶界面(GUI)控制

如果數據可視化的互動性強大到可以作爲 GUI 界面會怎樣?隨着在線數據可視化的發展,按鈕、下拉列表和滑塊都在進化成更加複雜的界面元素,例如能夠調整數據範圍的互動圖形元素,推拉這些圖形元素時輸入參數和輸出結果數據會同步改變,在這種情況下,圖形控制和內容已經合爲一體。以下這些工具能夠幫你實現這些功能:

1.Crossfilter

圖片

當我們爲方便客戶瀏覽數據開發出更加複雜的工具時,我們已經能夠創建出既是圖表,又是互動圖形用戶界面的小程序。JavaScript 庫 Crossfilter 就是這樣的工具。

Crossfilter 應用:當你調整一個圖表中的輸入範圍時,其他關聯圖表的數據也會隨之改變。

2.Tangle

圖片

JavaScript 庫 Tangle 進一步模糊了內容與控制之間的界限。在下圖這個應用實例中,Tangle 生成了一個負載的互動方程,讀者可以調整輸入值獲得相應數據。

4

地圖工具

地圖生成是 web 上最困難的任務之一。Google Maps 的出現完全顛覆了過去人們對在線地圖功能的認識。而 Google 發佈的 Maps API 則讓所有的開發者都能在自己的網站中植入地圖功能。

近年來,在線地圖的市場成熟了很多,如果你需要在數據可視化項目中植入定製化的地圖方案,目前市場上已經有很多選擇,但是知道在何時選擇何種地圖方案則成了一個很關鍵的業務決策。地圖方案看上去功能都很強大,但是切忌:“有了一把錘子,看什麼都像釘子。”

1.Modest Maps

圖片

顧名思義,Modest Maps 是一個很小的地圖庫,只有 10KB 大小,是目前最小的可用地圖庫。這似乎意味着 Modest Maps 只提供一些基本的地圖功能,但是不要被這一點迷惑了。在一些擴展庫的配合下,例如 Wax,Modest Maps 立刻會變成一個強大的地圖工具。

2.Leaflet

圖片

CloudMade 團隊爲大家帶來了 Leaflet,這是另外一個小型化的地圖框架,通過小型化和輕量化來滿足移動網頁的需要。Leaflet 和 Modest Maps 都是開源項目,有強大的社區支持,是在網站中整合地圖應用的理想選擇。

3.PolyMaps

圖片

Polymaps 是另外一個地圖庫,但主要面向數據可視化用戶。Polymaps 在地圖風格化方面有獨到之處,類似 CSS 樣式表的選擇器,是不可錯過的好東西。

4. OpenLayers

圖片

**OpenLayers 可能是所有地圖庫中可靠性最高的一個。**雖然文檔註釋並不完善,且學習曲線非常陡峭,但是對於一些特定的任務來說,OpenLayers 無可匹敵。例如能夠提供一些其他地圖庫都沒有的特殊工具。

5.Kartograph

圖片

Kartograph 的標記線是對地圖繪製的重新思考,我們都已經習慣了莫卡託投影,但是 Kartograph 爲我們帶來了更多的選擇。如果你不需要調用全球數據,而僅僅是生成某一區域的地圖,那麼 Kartogaph 將使你脫穎而出。

6.CartoDB

圖片

CartoDB 是一個不可錯過的網站。你可以用 CartoDB 很輕易就把表格數據和地圖關聯起來,這方面 CartoDB 是最優秀的選擇。例如,你可以輸入 CSV 通訊地址文件,CartDB 能將地址字符串自動轉化成經度 / 維度數據並在地圖上標記出來。目前 CartoDB 支持免費生成五張地圖數據表,更多使用需要支付月費。

圖片

(隨着 iPad3 等高清移動設備的普及)web 開發的一個最新趨勢是將符號字體與字體整合(把符號變成字體),創建出漂亮的矢量化圖標。在這些新型字體中,例如 FF Chartwell 和 Chartjunk 是專門用來顯示圖表和圖形的。他們與 OpenType 碰到的問題一樣,就是不能被所有的瀏覽器支持,但是不久的未來這些矢量字體將是數據可視化工作中需要考慮到的因素。

5

進階工具

如果你準備用數據可視化做一些 “嚴肅” 的工作,那麼你可能不會對在線可視化工具或者 web 小程序有太大興趣,你需要的是桌面應用和編程環境。

1.Processing

圖片

Processing 是數據可視化的招牌工具。你只需要編寫一些簡單的代碼,然後編譯成 Java。目前還有一個 Processing.js 項目,可以讓網站在沒有 Java Applets 的情況下更容易地使用 Processing。由於端口支持 Objective-C,你也可以在 iOS 上使用 Processing。雖然 Processing 是一個桌面應用,但也可以在幾乎所有平臺上運行,此外經過數年發展,Processing 社區目前已近擁有大量實例和代碼。

2.NodeBox

圖片

NodeBox 是 OS X 上創建二維圖形和可視化的應用程序。你需要了解 Python 程序,NodeBox 與 Processing 類似,但是沒有 Processing 的互動功能。

6

專家級工具

與 Excel 相對的是專業數據分析工具。如果你是一個專業的數據分析師,那麼你就必須對下面將要介紹的工具有所瞭解(如果不是精通的話)。衆所周知,SPSS 和 SAS 是數據分析行業的標準工具,但是這些工具的費用不菲,只有大型組織和學術機構纔有機會使用,下面我們介紹幾種免費的替代工具,這些開源工具的共同特徵是都有強大的社區支持。開源分析工具性能不輸老牌專業工具,插件的支持甚至更好。

1.R

圖片

作爲用來分析大數據集的統計組件包,R是一個非常複雜的工具,需要較長的學習實踐,學習曲線也是本文所介紹工具中最陡峭的。但是R擁有強大的社區和組件庫,而且還在不斷成長。當你能駕馭R的時候,一切付出都是物有所值的。

2.Weka

圖片

當你成長成一名數據科學家的時候,你需要將個人能力從數據可視化擴展到數據挖掘領域**。Weka 是一個能根據屬性分類和集羣大量數據的優秀工具**,Weka 不但是數據分析的強大工具,還能生成一些簡單的圖表。

3.Gephi

圖片

Gephi 是進行社交圖譜數據可視化分析的工具,**不但能處理大規模數據集並生成漂亮的可視化圖形,還能對數據進行清洗和分類。**Gephi 是一種非常特殊的軟件,也非常複雜,先於他人掌握 Gephi 將使你一騎絕塵。

本文由 Readfog 進行 AMP 轉碼,版權歸原作者所有。
來源https://mp.weixin.qq.com/s/27VXELxiiiT0XQ2wK0mX5A