[[373791]]

 本文主要涵蓋數(shù)據(jù)可視化工具主要包括4類：Excel圖表、Python繪圖庫、Tableau以及網(wǎng)頁在線工具等。

01 Excel

網(wǎng)傳數(shù)據(jù)分析師必備基礎(chǔ)套餐是ESP，即Excel+SQL+Python，這種說法不見得完全正確，但也確有一定道理，其中Excel更是幾乎每名數(shù)據(jù)分析師乃至每名職場人士必備的辦公工具。

個人也習(xí)慣于應(yīng)用Excel，更具體說主要是應(yīng)用Excel的三類功能：圖表制作、內(nèi)置函數(shù)以及數(shù)據(jù)透視表。一般而言，當(dāng)數(shù)據(jù)量較?。?00以內(nèi)）時，個人非常傾向于用Excel完成圖表插入，不僅簡潔方便，而且內(nèi)置的多種樣式、豐富的設(shè)置選項以及所見即所得的制圖體驗，都無疑是小數(shù)據(jù)量作圖的首選。

▲Excel內(nèi)置了豐富的圖表類型

Excel支持的圖表類型也極為豐富，除了常規(guī)的條形圖、折線圖、餅圖和散點圖之外，像雷達(dá)圖、旭日圖、箱線圖等視覺效果更好的圖表也是支持的。同時更是支持了豐富的設(shè)置效果，而且都是極為簡便易懂的，幾乎不需要教程即可摸索掌握。

02 Python可視化庫

作為一名數(shù)據(jù)分析師，Python幾乎是必須掌握的；而在Python數(shù)據(jù)分析相關(guān)的眾多第三方包中，可視化庫又非常強大。在這其中，個人尤為常用的有5個相關(guān)庫：

1. Matplotlib

該庫與Numpy和pandas號稱Python數(shù)分三劍客，也是當(dāng)初配合Numpy和scipy替代Matlab的重要一環(huán)，幾乎是Python數(shù)據(jù)分析過程中必須熟練掌握的繪圖庫。

不過需要承認(rèn)的是，Matplotlib功能強大，但其實相對更加偏向底層，提供了大量的參數(shù)和接口來設(shè)置圖表各種細(xì)節(jié)，對于初學(xué)者來說并不那么友好。但實話說，在徹底掌握其核心思想之后，其實還是比較符合正常思維的。

這里，附個人總結(jié)的Matplotlib完整入門教程：Matplotlib入門詳細(xì)教程

2. seaborn

既然Matplotlib過于偏向底層，繪圖也較為繁瑣，那有沒有簡單易上手的繪圖庫呢？seaborn其實算得上一個，不過也并不算是Matplotlib的升級或替代品，而只能算是有力補充。

相較而言，seaborn基于Matplotlib，提供了更為豐富的樣式，具有更加簡潔的API接口，一兩句代碼就能完成非常強大的圖表繪制。

附seaborn入門教程：Python數(shù)據(jù)科學(xué)系列：seaborn入門詳細(xì)教程

3. Pyecharts

相較于Matplotlib和seaborn這種更像是Python官方繪圖庫，Pyecharts屬于純粹的第三方繪圖庫，即Pyecharts=Python+Echarts，即百度Echarts與Python的結(jié)合體，某種程度上也再次印證了Python膠水語言的特性。

更重要的是，Pyecharts支持動態(tài)圖表繪制，支持交互式圖表，除了Web展示，還可通過一定操作移植到PPT中，這也為數(shù)據(jù)分析師做匯報添彩不少。

Pyecharts目前經(jīng)歷了兩個大的版本，尤其是在0.5升級到1.x以后，幾乎完全變了繪圖接口，但整體來說是變得更加簡潔易懂。

附Pyecharts繪圖簡潔教程：Pyecharts極簡入門教程

4. pandas

與Matplotlib同享數(shù)分三劍客的美譽，而且更有瑞士軍刀名號的pandas，實際上也是一個非常便捷的繪圖庫。更準(zhǔn)確地說，這是一個面向dataframe對象的繪圖接口，通過調(diào)用plot()接口或者plot屬性，從而可以完成主流Matplotlib中圖表的繪制，且?guī)缀趵^承了Matplotlib中相應(yīng)圖表的所有參數(shù)設(shè)置，包括設(shè)置多子圖繪制等，簡直不能更絲滑。

近期，隨著版本的升級，pandas繪圖后端更是可以指定其他繪圖底層接口，使用起來極為方便。想象一下：你在操作著dataframe的各種處理和轉(zhuǎn)換，突然想看看當(dāng)前處理的數(shù)據(jù)什么樣，那么就一言不合就來個圖表。簡單的pandas繪圖方法可查看pandas教程中的最后一部分。

5. geopandas

geopandas是一個繼承自pandas的地理信息數(shù)據(jù)處理庫，其核心數(shù)據(jù)接口geodataframe本質(zhì)上就是在pandas的dataframe數(shù)據(jù)結(jié)構(gòu)上增加一列g(shù)eometry，體現(xiàn)空間信息。

除了繼承了pandas的各種數(shù)據(jù)處理接口外，geopandas還增強了畫圖功能，在一個具有g(shù)eometry列信息的geodataframe中，直接調(diào)用.plot()接口，即可快速查看當(dāng)前地理信息情況。

下圖是混用Matplotlib和geopandas.plot()的直接繪圖結(jié)果，僅需額外設(shè)置用于標(biāo)識數(shù)值大小的一列，即可繪制五顏六色的炫麗圖片。（當(dāng)前選用顏色風(fēng)格為rainbow，可明顯看出顏色從深到淺依次為紅橙黃綠青藍(lán)紫）

03 Tableau

曾經(jīng)，為了豐富個人可視化技能、拓寬數(shù)據(jù)分析工具，也專門花了一段時間學(xué)習(xí)tableau的運用，這可能也是商業(yè)數(shù)據(jù)分析師的必備技能之一，不過個人目前也僅僅是偶爾用它畫個圖而已。

tableau本身功能還是極其強大的，支持多種數(shù)據(jù)源讀取、內(nèi)置了類SQL的字段處理功能、提供了豐富的圖表庫，工作表->儀表板->故事，三者層層遞進(jìn)，對于大屏展示和快速完成數(shù)據(jù)分析可視化報表異常高效，尤為擅長周期性動態(tài)監(jiān)管的數(shù)據(jù)指標(biāo)類儀表板。

靈活的數(shù)據(jù)加載、強大的數(shù)據(jù)轉(zhuǎn)換、簡單的字段拖拽即可出圖，這些都保證了快速生成報表的可能性。

04 網(wǎng)頁在線工具

隨著信息技術(shù)的不斷成熟，其實很多數(shù)據(jù)可視化工作也逐漸搬移到線上輕量級完成，一些網(wǎng)頁在線工具專門用于執(zhí)行數(shù)據(jù)可視化，通過簡單的灌入數(shù)據(jù)，一張張樣式豐富的圖表便很快呈現(xiàn)，而且大多都是零門檻易實現(xiàn)。這里僅列舉兩個：

1. 百度Echarts

這真算的上是百度的一個良心工具了，內(nèi)置了大量的圖表模板，僅需選定樣式->更改數(shù)據(jù)即可輕松實現(xiàn)，而且支持交互。前面介紹的Pyecharts其實就是百度Echarts的Python語言版。

2. 詞云在線網(wǎng)站

其實詞云在線網(wǎng)站還是比較多的，這里不具體給出，有興趣的話可參考此前的推送：生成詞云的5種方式，你用過幾種？

05 小結(jié)

數(shù)據(jù)可視化對于一名數(shù)據(jù)分析師而言確實很重要，好的可視化效果甚至稱得上是安身立命裝X加薪之本。然而，雖然可視化圖表選擇眾多，但其實也不能過于追求標(biāo)新立異，例如?；鶊D、瀑布圖、南丁格爾圖等，特定場景下用用可能效果感人。

但絕大多數(shù)情況下，Simple is better than complex，折線圖、條形圖、餅圖、散點圖這四大基本圖表類型仍然是樸實無華的首選。