数据正在成为当今社会的骨干。公司可以使用数据来预测客户的反应, 产品和服务的成功以及需要开展工作的领域。数据还可以用于了解世界上许多社会和自然现象, 例如社交媒体趋势, 大规模迁移, 全球变暖等。然而, 尽管数据科学家可以使用各种分析程序和数据统计模型来理解所有这些信息, 将这些发现传达给其他人的想法是非常不同的。那边数据可视化非常重要！
数据可视化使数据科学家能够以可视形式理解数据的布局和模式。它还使他们能够以简单的方式向其他没有数据科学经验的人展示其数据中的发现。因此, 数据可视化是用于将数据传达给普通人的语言。有许多跨编程语言的数据可视化库可用于此任务。本文介绍了以下最受欢迎的数据可视化库Python, R和Java脚本。你可以使用这些库来创建基本图表, 例如条形图, 饼图, 直方图, 散点图, 迷你图, 树状图, 等高线图, 正弦图等。如果你想更具创造力, 甚至可以在图表中添加动画并创建数据故事。你还在等什么？查看这些库, 并通过创建第一个图表开始数据可视化之旅！
Python中的数据可视化库
1. Matplotlib
Matplotlib是Python中最受欢迎的数据可视化库。它在具有交互环境的多个平台上具有各种应用程序。 Matplotlib也可用于Python脚本, Python和IPython Shell, Jupyter笔记本, Web应用程序服务器等。你可以创建各种数据可视化图表, 例如图表, 饼图, 直方图, 散点图, 误差图, 功率谱, 干槌等, 仅此而已！你还可以使用matplotlib使用各种GUI工具包(例如Tkinter, GTK +, wxPython, Qt等)来嵌入应用程序。matplotlib中还提供了pyplot模块, 该模块提供了类似MATLAB的界面, 与MATLAB一样通用且有用, 而完全免费和开源。
2. ggplot
Ggplot是基于ggplot2实现的Python数据可视化库, 该实现是为编程语言R创建的。在R部分中也请查看ggplot2！ Python中的ggplot可以创建数据可视化, 例如条形图, 饼图, 直方图, 散点图, 误差图等。你还可以添加不同类型的数据可视化组件, 这些组件在单个可视化中称为图层。这些层包括地块的类型, 地块中的各种美学(例如其颜色, 大小等), 然后是地块中的过滤器, 等等。一旦将ggplot告知所有图层, 它就可以轻松地创建绘图, 以便用户可以专注于解释可视化并花费更少的时间来创建它们。但这也意味着不可能在ggplot中创建高度自定义的图形。
3. Seaborn
海生是基于Matplotlib并与numpy和pandas数据结构紧密集成的Python数据可视化库。 Seaborn具有各种面向数据集的绘图功能, 可对其中具有整个数据集的数据框和数组进行操作。然后, 它在内部执行必要的统计汇总和映射功能, 以创建用户所需的信息图。它是一个高级界面, 用于创建美观和信息丰富的统计图形, 这些图形对于探索和理解数据必不可少。 Seaborn数据图形可以包括条形图, 饼图, 直方图, 散点图, 误差图等。Seaborn还具有各种工具来选择可以显示数据中图案的调色板。
4. Geoplotlib
虽然Matplotlib非常适合图表和其他数据可视化, 但它并没有提供太多的问候地理地图的选项。这就是为什么geoplotlib每当你要使用地理数据时, 它就是一个如此重要的Python库。它支持并专门提供具有各种选项的地理地图, 例如点密度图, 鹅卵石, 符号图等。要记住的一件事是, 在安装之前需要numpy和pyglet作为先决条件, 但这并不是很大的缺点。特别是由于你要创建地理地图, 因此geoplotlib是在那里制作地图的唯一绝佳选择！
R中的数据可视化库
1. ggplot2
ggplot2是基于图形语法的R数据可视化库。 ggplot2可以为数据探索创建数据可视化, 例如直方图, 散点图, 误差图等, 并为数据解释提供条形图, 饼图, 散点图等。它还允许你在其中添加不同类型的数据可视化组件或图层单个可视化。 ggplot2的一个优点是, 你只需指定变量和绘图的所有图层, 即可轻松创建所需的内容。但这也意味着ggplot2中没有足够的空间进行详细自定义。但是RStudio社区和Stack Overflow中有很多资源, 可以在需要时在ggplot2中提供帮助。与dplyr一样, 如果你要安装ggplot2, 则可以安装tidyverse, 也可以只使用install.packages(" ggplot2")安装ggplot2
2.传单
的传单程序包是非常流行的JavaScript Leaflet库的R接口。 Leaflet可用于创建交互式但轻量级的地图, 这些地图在向其他查看者显示时非常流行。 Leaflet还具有许多使其具有交互性的选项, 例如平移和放大图表, 组合多边形, 线, 弹出窗口等以创建图表, 将地图嵌入到knitr中, 在墨卡托投影中创建非球面和以此类推。在使用命令install.packages(" leaflet")从CRAN安装Leaflet软件包后, 可以在R控制台上使用它。
3.松鼠
松鼠可以在ggplot2的帮助下在R中使用, 以创建详细的数据可视化。这些包括你可以想象的所有图表, 例如散点图, 直方图, 折线图, 条形图, 饼图, 误差线, 箱形图, 多轴, 迷你图, 树形图, 3D图等。Esquisse还允许其用户导出这些图或访问用于创建这些图的代码。 Esquisse如此著名且易于使用的数据可视化工具, 因为它具有拖放功能, 即使在初学者中也很受欢迎。你可以使用install.packages(" esquisse")从CRAN安装Esquisse, 也可以使用remotes :: install_github(" dreamRs / esquisse")从GitHub安装开发版本。
Javascript中的数据可视化库
1. D3.js
D3或数据驱动的文档是一个JavaScript库, 可用于使用HTML, CSS和SVG处理数据以获得自定义数据可视化。 D3可以将文档与文档对象模型组合在一起, 然后根据需求转换文档。 D3还具有用于数据分析的不同图表类型, 例如箱形图, 直方图, 层次结构(如树状图), 网络(如图表图)以及常见的图表(如散点图, 折线图, 条形图, 饼图等)。D3还提供了动画选项, 例如动画树形图, 可缩放的条形图, 冰柱, 条形图种族等。
2. Chart.js
Chart.js是一个开放源代码的JavaScript图表库, 提供8种广泛的图表类型, 包括所有常见的图表, 例如条形图, 饼图, 直方图, 散点图, 误差图等。所有这些图都可以组合以生成可定制的混合图并可以制作动画。 Chart.js还可以在所有Web浏览器中轻松呈现, 并根据Web浏览器上的窗口大小调整图表。如果需要时间轴, 此库中的所有图表也可以与moment.js库组合。
3.密谋
密谋是一个免费的开源图形库, 可用于形成数据可视化。 Plotly是一个JavaScript库(plotly.js), 可用于创建基于Web的数据可视化, 该可视化可在Jupyter笔记本或Web应用程序中使用Dash显示或另存为单独的HTML文件。 Plotly提供了40多种独特的图表类型, 例如散点图, 直方图, 折线图, 条形图, 饼图, 误差线, 箱形图, 多轴, 迷你图, 树状图, 3-D图表等。Plotly还提供了等高线图, 其中在其他数据可视化库中并不常见。除此之外, Plotly可以在没有互联网连接的情况下离线使用。
总结
在检查完上述所有用于数据可视化的库之后, 你可以专注于希望深入的特定库。如果你有使用Python的经验, 则可能要先尝试matplotlib, 或者如果你更喜欢ggplot2熟悉R。D3也是创建交互式可视化和添加所需动画的绝佳选择。因此, 继续深入研究数据可视化世界, 以便你可以更好地向受众解释数据！
