- d+ n4 q6 [" Z
常用的数据可视化方法有哪些？数据可视化可以通过视觉形式来呈现抽象的数据信息，有利于对数据进行更深入的观察和分析，想了解如何用编程定制属于自己的数据可视化？可以往下看看。
& k: N9 i9 `4 N. f, @4 t% B 
2 ~8 D+ ?+ j. `4 N; z( S5 G + W5 i5 F/ ?8 a7 h
打开凤凰新闻，查看更多高清图片
: L, n1 o$ P ]
7 y6 {& e/ k; H
第一步：处理和格式化数据
. ~1 ^- E: P/ g7 a
Python：当我有一个非矩形分隔的文件 ,或数据比较凌乱时，我会写一些特别的Python脚本。幸运的话，我会找到并重新利用过去已有的脚本。有时会用Beautiful Soup来修饰，有时会用csvkit 。
! B0 r! X( j2 o1 ]/ ^. G8 R R：我只有在需要加载csv格式表格时才会用到R，通常只是做数据聚合，合并，或处理从原来的数据中派生的部分。
$ g0 }$ m/ N- O. N5 \* u; }
Tabula：多用于公开的政府数据，包括在 PDF文件中涉及的数据。没有 Tabula的话这个过程将非常痛苦。
3 Z+ ?- d- n5 P) s Microsoft Excel：只有在有需求的时候才会用到它。数据读入Excel中，然后再导入像Numbers或是OpenOffice这样的工具中。
$ Z3 D" [0 w1 J9 A+ ?- ^, z# m q
Google Sheets：有时使用电子表格比写脚本更快，我很喜欢这样简洁的过程。
$ u7 a Q5 n' h, L 第二步：分析数据
9 v+ Z$ @; l9 D6 c
在你去做最后的图形之前，你需要先了解这个数据集。
; e/ V- _9 Z# G 这里我想到的是R。因为R作为一个开源的统计计算语言，它有一个很丰富的社区，数不尽的扩展包，以及在Stack Overflow上大量的已解答的问题。
" T8 C( y' [+ G) O: ~# j
第三步：制作静态图形
$ }2 [( N8 [ _8 Q2 |6 {9 ? 这对我来说通常包含两个阶段：（i）在R中进行可视化; （ii）在Illustrator中润色。
' L9 e( r* W; o" E9 w R：在R中有可视化工具包，如ggplot2，但我几乎全部使用R自带的那些功能，即base R。
L' f, f$ @$ w3 E6 X! R
Adobe Illustrator：如果图形要发布给别人看，我会以PDF格式保存R生成的图形，并在Illustrator中编辑。虽然有些矫枉过正，但效果还不错。我也在考虑试着用Sketch。
0 B" O% ~2 K% T: A+ F 第四步：制作交互式图形
7 A: l' L. c3 k- U& V Flash已经过时了，而Java是新的宠儿。R在这里应用不广。
9 _& H% u) Y- ^
d3.js：我用数据驱动的文档来做交互式的数据可视化（我还在学习中）。有许多例子可以用来试手。但如果我想快速完成一个图表，我有时也会尝试用 Vega-Lite 。
' \% l$ d, Q& g1 S" H& n. n! x3 A
但其实，我并不推荐大家用编程做数据可视化，除非是技术大佬想专研一些特别厉害的可视化。普通的使用建议大家可以使用零编程的可视化工具。
% C5 R( V# s+ q+ {9 |) f6 m2 ^0 F 常用的数据可视化方法有哪些？常用的可视化工具：
9 [' D8 h3 P' j, [, |; X 1、Microsoft Excel
5 \1 }5 h* c2 S+ I/ @
对于这个软件大家应该并不陌生，对于一般的可视化这个软件完全足矣，但是对于一些数据量较大的数据则不太适合。
( K `3 y( N% ~7 J- I
2、Smartbi
7 E1 l% `- a0 F( Z( P5 A
Smartbi现在比较受大家的欢迎，既可以超越Excel做一些稍微复杂的数据分析，又不用像R、Python那种编程语言进行可视化那么复杂。比较适合业务人员使用，简单拖拽就能生成自己想要的图表。支持业务主题和自助数据集，双布局设计，跨屏发布到APP，支持流式布局，功能还是很实用的。
2 F: w, E( [( k; ]" m
