共计 1593 个字符，预计需要花费 4 分钟才能阅读完成。
双十二一过，元旦也悄然飘去，不能抓住 2018 年末的尾巴了，2019 的大门随即打开，我相信这个时候财务工作的小姐姐或者“表哥表姐”就开始为年度汇报工作发愁了：汇报量大，数据多，数据文件更是一个又一个……传统的表格自己看这都费劲，不能抓住主要信息第一时间，何况你的老板，还好，世界上还有数据可视化这么个黑科技。今天就诚意满满为你列出好用的数据可视化工具清单！
数据可视化
我相信聪明的你戳进这篇推文大概率是知道什么是数据可视化的，不过咱也照顾照顾暂时还不知道这个概念的同学，来，简单说说什么是数据可视化。
数据可视化主要旨在借助于图形化手段，清晰有效地传达与沟通信息。
为了有效地传达思想概念，美学形式与功能需要齐头并进，通过直观地传达关键的方面与特征，从而实现对于相当稀疏而又复杂的数据集的深入洞察。
数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。
好用的数据可视化工具
强大的 R 可视化包 -ggplot2
R 是一款偏向于统计分析的脚本语言软件，基于 S 语言开发，如果你是 R 语言忠实 fans，我相信你一定不会不知道 R 里单独的一个绘图包—ggplot2，之所以给 ggplot2“强大”的头衔，一方面确实能够轻松应付各个领域的图像绘制，静态的，动态的，说的出名字的，个性化特制的；另一方面小编就是学统计学的，自然相对熟悉这个包。
ggplot2 由 Hadley Wickham 在 2005 年创造。受欢迎的原因是将图形分解为语素（如尺度、图层）的思想。ggplot2 可以作为 R 语言基础绘图包的替代，同时 ggplot2 预设有多种印刷及网页尺寸。
较 R 基础绘图包而言，ggplot2 允许用户在更抽象的层面上增加、删除或转换图表中的元素。这种抽象化的代价是执行速度。ggplot2 较 lattice 绘图包而言更耗时。
数据科学的达芬奇—matplotlib
如果你偏好使用 python 做数据分析，那我相信你对 matplotlib 不能再熟悉了，matplotlib 是 Python 语言及其数学扩展包 NumPy 的可视化操作界面。
Matplotlib 的优点：带有内置代码的默认绘图样式；与 Python 的深度集成；图形绘制相较 Gnuplot 更加美观。缺点嘛，高度依赖其他包，如 Numpy。只适用于 Python：很难在 Python 以外的语言中使用。
我们来用 python 里的 matplotlib 做一个散点图试试：
import matplotlib.pyplot as plt
from numpy.random import rand
a = rand(100)
b = rand(100)
plt.scatter(a,b)
plt.show()
菜单式操作用户的福音书—Tableau
近期有企业招聘要求会 Tbaleau，小编也是最近才知道这个软件的。
tableua 是一家软件公司总部设在西雅图，华盛顿，美国产生交互式数据可视化产品，着重于商务智能。Tableau 产品查询关系数据库，OLAP 多维数据集，云数据库和电子表格，然后生成许多图表类型。产品还可以从其内存数据引擎中提取数据并存储和检索。
微软忠实用户离不开的交互式标板—PowerBI
Power BI 是 Microsoft 提供的业务分析服务。它提供具有自助式商业智能功能的交互式可视化，最终用户可以自行创建报告和仪表板，而无需依赖信息技术人员或数据库管理员.PowerBI 与 excel 无缝接入，专业增强版的 excel 更是不需要安装 PowerBI 插件，打开 excel 就可使用了。
当然有些数据分析软件也带透视表、绘图功能，如 MySQL、SPSS，但数据可视化不作为主要功能，这里就不如上面较详细说了。如果一心想通过数据可视化工具来提升自己的工作效率和提高自己技能的话，可以前来问询。当然，如果你自己知道其他的可视化软件，欢迎聪明的你在推文下面留言，互相学习哦~ 比心！
https://www.cda.cn/?seo