【摘要】 很多技术都涉及到了不少工具，数据分析也不例外。数据分析中的数据可视化也是有很多的工具支撑的，大家可能普遍认为只要学会了Excel、P

很多技术都涉及到了不少工具，数据分析也不例外。数据分析中的数据可视化也是有很多的工具支撑的，大家可能普遍认为只要学会了Excel、Photoshop就可以了，其实并不是这样的。数据可视化有很多的工具可以给我们的工作和展示起到如虎添翼的效果。我们在这篇文章中就给大家介绍一下数据可视化中经常用到的工具。

首先我们说的是echarts。很多人认为echarts识百度为数不多的良心产品，其实这种硕大是正确的，一般来说，这个库跟d3相反（d3我们在后面会讲到），它离应用层更近，提供了许多示例模板，把代码复制粘贴过去然后对数据进行更改即可。所以echarts的优点就很明显了，具体来说就是上手容易、图表漂亮、交互式效果也很好。但是缺点自由度低，也让很多人无语。

然后我们给大家介绍一下Excel，随着Excel的发展，它的图表也越来越丰富美观，很容易上手，仍然是把数据往模板里套的方式。Excel大家都很熟悉，在这里就不赘述了。

下面我们就给大家介绍一下PS和AI，这两个工具大家都可能是比较熟悉的，因为这是设计师的工具，但是出了一张可视化的图之后往往需要进一步修缮，这就是设计师的工作了。可以生成一张pdf矢量图，然后导入PS或AI中，这样对每一个元素操作都很方便。

而DataV很适合做大屏可视化展示，效果很炫酷，而且模板越来越成熟，上手难度也越来越低，同时价格也不贵。受到了大家的好评。很多人想不明白一个问，那就是数据可视化到底是否需要编程？对于大数据量、自由度要求较高、创意设计强的可视化应当要编程，但是对于日常小规模、简化、通用的可视化，用工具即可。而且随着数据可视化技术的发展，它的门槛一定是越来越低，越来越不需要编程也能做出很好的可视化效果。

接着我们给大家说一下ggplot2。这是因为R最擅长的除了统计建模就是可视化了，而ggplot2是最流行、最强大的绘图包。对于静态图，只要我们有足够的创意，ggplot2基本都可以通过其系统完备的画图语法实现。而R中也有相关的包可以把ggplo2图形变成交互式，弥补了ggplot2本身不能交互的弱点。这解决了很多的问题。

最后我们说一下d3，d3个很强大的库，许多先进、前卫的图形在上面都有demo，它可以在较底层以较高的自由度画图并配置交互效果。但是它的学习曲线很陡，陷阱也有很多。所以大家一定要重视这个工具的学习。

关于数据可视化常用工具的内容我们就给大家介绍到这里了，大家在进行数据可视化的时候一定要掌握好这些工具的用法。只有熟练的使用这些工具，我们才能够做好数据可视化这份工作，为自己的工作生涯增添光彩。