数据可视化
标签：
IT咨询
| 发表时间：2016-05-08 09:29 | 作者：人月神话
出处：http://blog.sina.com.cn/cmmi
推荐阅读知乎的关于有哪些可视化工具推荐的回答，内容已经相当全面了
https://www.zhihu.com/question/19929609
要注意的是当前主流的仍然是基于javasrcirpt开发的图表库，对于偏重的flex不应该做为选择的基础。下面对一些选择的思路做些简单的说明。
首先可选的主流图表库包括了百度的 Echart，Highchart，D3.js这三个。这三个可视化图表库的使用客户也相当多，能够应对的常见可视化场景也足够。对于百度的Echart又推出有新的V3.0版本，虽然支撑的图表扩展没有大的变化，但是在性能上有明显改进。当然从支持的图表类型种类和开放性来谈，最强大的还是D3.js，但是前面两种已经能够基本满足实际的图表层面使用的需要。
对于网络关系图，在可视化里面常见的一种类型，其中主流的应该是 Gephi，Gephi是一款开源免费跨平台基于JVM的复杂网络分析软件, 其主要用于各种网络和复杂系统，动态和分层图的交互可视化与探测开源工具。其次是 R语言中的iGraph和networkD3包，功能也足够强大。还有就是 基于python语言实现的networkx，是专门进行网络可视化呈现的一个小工具。
对于商用的图表和可视化工具当然是 Tableau，据Gartner魔力象限，2014年的测评，tableau可执行速度最快，整体市场表现也在前列。在Tableau官方网站可以免费下载到桌面试用版进行试用。
如果仅仅是提供常用的画图API接口，自己完全根据需要绘制SVG渲染图，对于这种场景你仍然可以选择Echart和Highcharts来实现，在官方网站也有制作SVG渲染图的例子。对于 Raphaël是另外一个小巧的Javascript图库可以自己制作SVG渲染图，网上有一个通过Raphaël制作网络拓扑图的例子可以参考：
网络拓扑渲染图： http://www.weixuehao.com/archives/370
Highcharts渲染图： http://code.hcharts.cn/demos/hhhhix
当然还有一类即经常用于网管类，日志类监控分析的前端图表展示软件，在ELK日志分析系统 Logstash+ElasticSearch+Kibana4里面会使用Kibana4进行前端图表展现。
Grafana是另外一个基于JavaScript的前端展示工具，Grafana provides a powerful and elegant way to create, explore, and share dashboards and data with your team and the world。对于Grafana支持Graphite, Elasticsearch, Prometheus, InfluxDB, OpenTSDB and KairosDB各种数据采集源。
Grafana的官方地址： http://grafana.org/
最后说下 Processing，功能相当强大，但是要有一定的开发基础和学习门槛，Processing 在 2001 年诞生于麻省理工学院（MIT）的媒体实验室，主创者为 Ben Fry 和 Casey Reas，当然还有来自 Carnegie Mellon、洛杉矶的加利福尼亚大学以及迈阿密大学等的贡献。
IBM关于processing介绍文章： http://www.ibm.com/developerworks/cn/opensource/os-datavis/
360doc上的一篇： http://www.360doc.com/content/13/0828/08/1073512_310399676.shtml
数据可视化和图表仅仅是前端呈现的工具，对于数据可视化最重要的还是首先要搞清楚你当前有哪些数据，数据本身的结构和数据间关系是如何的？其次搞清楚数据呈现的场景和模式，其次才是呈现问题。
https://www.zhihu.com/question/19929609
要注意的是当前主流的仍然是基于javasrcirpt开发的图表库，对于偏重的flex不应该做为选择的基础。下面对一些选择的思路做些简单的说明。
首先可选的主流图表库包括了百度的 Echart，Highchart，D3.js这三个。这三个可视化图表库的使用客户也相当多，能够应对的常见可视化场景也足够。对于百度的Echart又推出有新的V3.0版本，虽然支撑的图表扩展没有大的变化，但是在性能上有明显改进。当然从支持的图表类型种类和开放性来谈，最强大的还是D3.js，但是前面两种已经能够基本满足实际的图表层面使用的需要。
对于网络关系图，在可视化里面常见的一种类型，其中主流的应该是 Gephi，Gephi是一款开源免费跨平台基于JVM的复杂网络分析软件, 其主要用于各种网络和复杂系统，动态和分层图的交互可视化与探测开源工具。其次是 R语言中的iGraph和networkD3包，功能也足够强大。还有就是 基于python语言实现的networkx，是专门进行网络可视化呈现的一个小工具。
对于商用的图表和可视化工具当然是 Tableau，据Gartner魔力象限，2014年的测评，tableau可执行速度最快，整体市场表现也在前列。在Tableau官方网站可以免费下载到桌面试用版进行试用。
如果仅仅是提供常用的画图API接口，自己完全根据需要绘制SVG渲染图，对于这种场景你仍然可以选择Echart和Highcharts来实现，在官方网站也有制作SVG渲染图的例子。对于 Raphaël是另外一个小巧的Javascript图库可以自己制作SVG渲染图，网上有一个通过Raphaël制作网络拓扑图的例子可以参考：
网络拓扑渲染图： http://www.weixuehao.com/archives/370
Highcharts渲染图： http://code.hcharts.cn/demos/hhhhix
当然还有一类即经常用于网管类，日志类监控分析的前端图表展示软件，在ELK日志分析系统 Logstash+ElasticSearch+Kibana4里面会使用Kibana4进行前端图表展现。
Grafana是另外一个基于JavaScript的前端展示工具，Grafana provides a powerful and elegant way to create, explore, and share dashboards and data with your team and the world。对于Grafana支持Graphite, Elasticsearch, Prometheus, InfluxDB, OpenTSDB and KairosDB各种数据采集源。
Grafana的官方地址： http://grafana.org/
最后说下 Processing，功能相当强大，但是要有一定的开发基础和学习门槛，Processing 在 2001 年诞生于麻省理工学院（MIT）的媒体实验室，主创者为 Ben Fry 和 Casey Reas，当然还有来自 Carnegie Mellon、洛杉矶的加利福尼亚大学以及迈阿密大学等的贡献。
IBM关于processing介绍文章： http://www.ibm.com/developerworks/cn/opensource/os-datavis/
360doc上的一篇： http://www.360doc.com/content/13/0828/08/1073512_310399676.shtml
数据可视化和图表仅仅是前端呈现的工具，对于数据可视化最重要的还是首先要搞清楚你当前有哪些数据，数据本身的结构和数据间关系是如何的？其次搞清楚数据呈现的场景和模式，其次才是呈现问题。
相关 [数据 可视化] 推荐：
大数据的可视化
- - CSDN博客云计算推荐文章 现在数据管理面临的一个关键性问题是如何将这些海量的来自于四面八方的非结构化数据可视化. 不管你从事于什么行业或者正在从事于哪一方面的研究，正将是你经常会触及的问题. 最近，埃里克•奥彭肖和JR里根做客了商务博客的“金融时代”专栏，讨论的主题为“大数据可视化是‘大数据’的关键机会”，分析了今天大数据的使用者们面临的可视化问题，以及公司为应对这个挑战而付诸的一些创新的方法.
Visual.ly：可视化数据探索平台
- kaichun - TechWeb 新酷网站 RSS阅读Visual.ly相关图片(图片来源：Techweb.com.cn). 【TechWeb报道】4月12日消息，新酷网站：可视化数据探索平台Visual.ly. 我们生活在数据收集和内容创作的时代. Visual.ly正是这个数据时代当产物，一个全新的可视化信息图形新平台. 信息图形将极大的刺激视觉表现，促进用户间相互学习、讨论.
数据可视化6步法
- - 百度商业用户体验部在当前互联网，各种数据可视化图表层出不穷，本文尝试对数据可视化的方法进行归纳，整理成6步法. 一般的数据图表都可以拆分成最基本的两类元素: 所描述的事物及这个事物的数值，我们暂且将其分别定义为指标和指标值. 比如一个性别分布中，男性占比30%，女性占比70%，那么指标就是男性、女性，指标值对应为30%、70%.
大数据可视化小结
- - CSDN博客云计算推荐文章苏州海数信息www.dataonv.com. 对数据可视化的需求正急剧增长. 一部分原因是更多的公司正在寻求通过对大数据分析来获得可视化的业务洞察力. 大数据的可视化个人认为还是以仪表盘为展现的最终载体，当然仪表盘会包含移动端、云端和企业端. 那么，仪表盘中的内容应该包含哪些. 大数据的最终分析结果，其中有一种是对关键指标的计算结果，如：市场模糊占有率，总体情感指数，用户粘度系数等等，其展现内容最简单来说就是一个数字或者百分比，展现形式可以是较为显眼的图片，突出数字的基础上，增加小部分的文字描述；.
Twitter数据挖掘及其可视化
- - 细语呢喃前阵子有学弟学妹问我毕设做的啥，于是我决定记录一下去年毕设的内容. 主要是基于twitter的内容有：. Twitter数据挖掘平台的设计与实现. 毕设从16年3月开始做，做到5月初，开始写论文，当时写的论文一共有七章,写了一个礼拜，从早到晚- -| 共24834字. ，数据有的从15年11月左右开始抓的.
可视化的数据结构和算法
- greenar - 酷壳 - CoolShell.cn还记得之前发布过的那个关于可视化排序的文章吗. 在网上又看到了一个旧金山大学David Galles做的各种可视化的数据结构和基本算法的主页，网址在这里，大家可以看看. 我把这个页面的目录列在下面并翻译了一下，大家可以直接点击了. 不知道国内的教育有没有相关的教学课件，至少在我大学的时候是没有的. Queues队列: 数组实现.
数据可视化之美——《纽约时报》的一天
- afanso - 《程序员》杂志官网文 / Michael Young，Nick Bilton 译 / 祝洪凯，李妹芳. 你是否曾经想过《纽约时报》网站的读者会涵盖什么类型的人. 我们还在想他们倾向于在一天之中的什么时候来访问网站，使用什么工具访问以及他们都来自哪里. 从他们是谁到在什么时候、以什么方式以及为什么等，所有这些问题都在我们的思考范围之内.
可视化的数据结构和算法
- yan - 博客园新闻频道 还记得之前发布过的那个关于可视化排序的文章吗. 在网上又看到了一个旧金山大学David Galles做的各种可视化的数据结构和基本算法的主页，网址在这里，大家可以看看. 我把这个页面的目录列在下面并翻译了一下，大家可以直接点击了. 不知道国内的教育有没有相关的教学课件，至少在我大学的时候是没有的.