数据正在成为我们当前社会的支柱。公司可以使用数据来预测他们的客户反应、他们的产品和服务的成功以及他们需要努力的领域。数据还可用于了解世界上的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，虽然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，但它是将这些发现传达给其他人是一件非常不同的事情。这就是数据可视化极其重要的地方！
数据可视化使数据科学家能够以可视化的形式了解数据中的布局和模式。它还允许他们以简单的方式向其他没有数据科学经验的人展示他们的数据的发现。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Python、R和Javascript 中最流行的数据可视化库。您可以使用这些库来创建条形图、饼图、直方图、散点图、迷你图、树状图、等高线图、等值线图等基本图表。如果您想更有创意，您甚至可以向图表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您的第一个图表开始您的数据可视化之旅！
Python的数据可视化库
1. Matplotlib
Matplotlib 是Python最流行的数据可视化库。它具有跨多个平台的各种应用程序和交互式环境。 Matplotlib 还可用于Python脚本、 Python和 IPython shell、Jupyter 笔记本、Web 应用程序服务器等。您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、茎图等。这还不是全部！您还可以使用 matplotlib 使用各种 GUI 工具包（如 Tkinter、GTK+、wxPython、Qt 等）来嵌入您的应用程序。 matplotlib 中还有一个 pyplot 模块，它提供了一个类似于 MATLAB 的界面，它与 MATLAB 一样通用和有用，同时完全免费和开源。
2. ggplot
ggplot 是一个Python数据可视化库，它基于为编程语言 R 创建的 ggplot2 的实现。在 R 部分查看 ggplot2！ Python的ggplot 可以创建条形图、饼图、直方图、散点图、误差图等数据可视化。您还可以在单个可视化中添加不同类型的数据可视化组件，这些组件称为层。这些层包括绘图的类型、绘图中的各种美感，例如其颜色、大小等，然后是绘图中的过滤器，等等。一旦 ggplot 被告知所有层，它就可以轻松创建绘图，以便用户可以专注于解释可视化并减少创建它们的时间。但这也意味着无法在 ggplot 中创建高度自定义的图形。
3. 海生
Seaborn 是一个基于 Matplotlib 并与 numpy 和 pandas 数据结构紧密集成的Python数据可视化库。 Seaborn 有各种面向数据集的绘图函数，可以对包含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聚合和映射功能，以创建用户所需的信息图。它是一个高级界面，用于创建美观且信息丰富的统计图形，这些图形对于探索和理解数据是不可或缺的。 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 还提供各种工具来选择可以揭示数据模式的调色板。
4. Geoplotlib
虽然 Matplotlib 非常适合图表和其他数据可视化，但它并没有提供那么多用于问候地理地图的选项。这就是为什么当您想使用地理数据时，geoplotlib 是一个如此重要的Python库。它支持并专注于具有各种选项的地理地图，例如点密度图、等值线图、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，但这并不是一个大缺点。特别是因为您想创建地理地图，而 geoplotlib 是地图的唯一绝佳选择！
R 中的数据可视化库
1. ggplot2
ggplot2 是一个基于 The Grammar of Graphics 的 R 数据可视化库。 ggplot2 可以为数据探索创建数据可视化，如直方图、散点图、误差图等，也可以为条形图、饼图、散点图等数据解释创建数据可视化。它还允许您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 的一个优点是您只需要为绘图指定变量和所有图层，它就可以轻松创建您想要的内容。但这也意味着ggplot2中没有太多的细节定制空间。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。就像 dplyr 一样，如果你想安装 ggplot2，你可以安装 tidyverse 或者你可以使用 install.packages(“ggplot2”)’ 安装 ggplot2
2. 传单
Leaflet 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展示时非常流行。 Leaflet 还具有许多使其具有交互性的选项，例如在图表中平移和缩放、组合多边形、线条、弹出窗口等以创建图表的选项，在 knitr 中嵌入地图，在非球形和非球形墨卡托投影中创建地图很快。使用命令 install.packages(“leaflet”) 从 CRAN 安装 Leaflet 包后，可以在 R 控制台中使用它。
3. 优雅
在 ggplot2 的帮助下，Esquisse 可以在 R 中使用以创建详细的数据可视化。这些包括您可以想象的任何和所有图表，例如散点图、直方图、折线图、条形图、饼图、误差线、箱线图、多轴、迷你图、树状图、3-D 图表等。 Esquisse 还允许其用户导出这些图形或访问用于创建这些图形的代码。 Esquisse 是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。您可以使用 install.packages(“esquisse”) 从 CRAN 安装 Esquisse 或使用 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 或数据驱动文档是一个 JavaScript 库，可用于使用 HTML、CSS 和 SVG 操作数据以获得自定义数据可视化。 D3 能够将文档与 Document 对象模型结合，然后根据需求转换文档。 D3 也有不同的图表类型用于数据分析，如箱线图、直方图、树状图等层次结构、图表图等网络，以及散点图、折线图、条形图、饼图等常见图表。 D3 还提供动画选项，如动画树状图、可缩放条形图、冰柱、条形图竞赛等。
2.图表.js
Chart.js 是一个开源的 javascript 图表库，它提供了 8 种广泛的图表类型，包括所有常见的图表，如条形图、饼图、直方图、散点图、误差图等。所有这些图表都可以组合生成混合图表是可定制的，也能够被动画化。 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，该库中的所有图表也可以与 moment.js 库结合使用。
3. 诡计多端
Plotly 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，这些可视化可以显示在 Jupyter 笔记本或使用 Dash 的 Web 应用程序中，或保存为单独的 HTML 文件。 Plotly 提供了 40 多种独特的图表类型，如散点图、直方图、折线图、条形图、饼图、误差线、箱线图、多轴、迷你图、树状图、3D 图表等。 Plotly 还提供等高线图，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。
结论
在你检查了上面提到的所有数据可视化库之后，你可以专注于你想要深入研究的特定库。如果你有Python经验，你可能想先尝试 matplotlib 或者你可能更喜欢 ggplot2 如果你熟悉 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的世界，以便您可以更好地向观众解释您的数据！