本文主要涵蓋數據可視化工具主要包括4類：Excel圖表、Python繪圖庫、Tableau以及網頁在線工具等。

01 Excel

網傳數據分析師必備基礎套餐是ESP，即Excel+SQL+Python，這種說法不見得完全正確，但也確有一定道理，其中Excel更是幾乎每名數據分析師乃至每名職場人士必備的辦公工具。個人也習慣于應用Excel，更具體說主要是應用Excel的三類功能：圖表制作、內置函數以及數據透視表。一般而言，當數據量較小(100以內)時，個人非常傾向于用Excel完成圖表插入，不僅簡潔方便，而且內置的多種樣式、豐富的設置選項以及所見即所得的制圖體驗，都無疑是小數據量作圖的首選。

Excel內置了豐富的圖表類型

Excel支持的圖表類型也極為豐富，除了常規的條形圖、折線圖、餅圖和散點圖之外，像雷達圖、旭日圖、箱線圖等視覺效果更好的圖表也是支持的。同時更是支持了豐富的設置效果，而且都是極為簡便易懂的，幾乎不需要教程即可摸索掌握。

02 Python可視化庫

作為一名數據分析師，Python幾乎是必須掌握的;而在Python數據分析相關的眾多第三方包中，可視化庫又非常強大。在這其中，個人尤為常用的有5個相關庫：

• matplotlib，該庫與numpy和pandas號稱Python數分三劍客，也是當初配合numpy和scipy替代Matlab的重要一環，幾乎是Python數據分析過程中必須熟練掌握的繪圖庫。不過需要承認的是，matplotlib功能強大，但其實相對更加偏向底層，提供了大量的參數和接口來設置圖表各種細節，對于初學者來說并不那么友好。但實話說，在徹底掌握其核心思想之后，其實還是比較符合正常思維的。這里，附個人總結的matplotlib完整入門教程：python數據科學系列：matplotlib入門詳細教程

• seaborn，既然matplotlib過于偏向底層，繪圖也較為繁瑣，那有沒有簡單易上手的繪圖庫呢?seaborn其實算得上一個，不過也并不算是matplotlib的升級或替代品，而只能算是有力補充。相較而言，seaborn基于matplotlib，提供了更為豐富的樣式，具有更加簡潔的API接口，一兩句代碼就能完成非常強大的圖表繪制。附seaborn入門教程：python數據科學系列：seaborn入門詳細教程

• pyecharts，相較于matplotlib和seaborn這種更像是python官方繪圖庫，pyecharts屬于純粹的第三方繪圖庫，即pyecharts=python+echarts，即百度echarts與python的結合體，某種程度上也再次印證了python膠水語言的特性。更重要的是，pyecharts支持動態圖表繪制，支持交互式圖表，除了Web展示，還可通過一定操作移植到PPT中，這也為數據分析師做匯報添彩不少。pyecharts目前經歷了兩個大的版本，尤其是在0.5升級到1.x以后，幾乎完全變了繪圖接口，但整體來說是變得更加簡潔易懂。附pyecharts繪圖簡潔教程：pyecharts極簡入門教程

• pandas，與matplotlib同享數分三劍客的美譽，而且更有瑞士軍刀名號的pandas，實際上也是一個非常便捷的繪圖庫。更準確地說，這是一個面向dataframe對象的繪圖接口，通過調用plot()接口或者plot屬性，從而可以完成主流matplotlib中圖表的繪制，且幾乎繼承了matplotlib中相應圖表的所有參數設置，包括設置多子圖繪制等，簡直不能更絲滑。近期，隨著版本的升級，pandas繪圖后端更是可以指定其他繪圖底層接口，使用起來極為方便。想象一下：你在操作著dataframe的各種處理和轉換，突然想看看當前處理的數據什么樣，那么就一言不合就來個圖表。簡單的pandas繪圖方法可查看pandas教程中的最后一部分。
• geopandas，geopandas是一個繼承自pandas的地理信息數據處理庫，其核心數據接口geodataframe本質上就是在pandas的dataframe數據結構上增加一列geometry，體現空間信息。除了繼承了pandas的各種數據處理接口外，geopandas還增強了畫圖功能，在一個具有geometry列信息的geodataframe中，直接調用.plot()接口，即可快速查看當前地理信息情況。下圖是混用matplotlib和geopandas.plot()的直接繪圖結果，僅需額外設置用于標識數值大小的一列，即可繪制五顏六色的炫麗圖片。(當前選用顏色風格為rainbow，可明顯看出顏色從深到淺依次為紅橙黃綠青藍紫)

03 Tableau

曾經，為了豐富個人可視化技能、拓寬數據分析工具，也專門花了一段時間學習tableau的運用，這可能也是商業數據分析師的必備技能之一，不過個人目前也僅僅是偶爾用它畫個圖而已。tableau本身功能還是極其強大的，支持多種數據源讀取、內置了類SQL的字段處理功能、提供了豐富的圖表庫，工作表->儀表板->故事，三者層層遞進，對于大屏展示和快速完成數據分析可視化報表異常高效，尤為擅長周期性動態監管的數據指標類儀表板。靈活的數據加載、強大的數據轉換、簡單的字段拖拽即可出圖，這些都保證了快速生成報表的可能性。附個人常用的tableau制圖技巧：

• Tableau可視化之多變折線圖
• Tableau可視化之多變條形圖
• Tableau可視化之多變地圖
• Tableau可視化之多變餅圖
• Tableau可視化之其他常用圖表

04 網頁在線工具

隨著信息技術的不斷成熟，其實很多數據可視化工作也逐漸搬移到線上輕量級完成，一些網頁在線工具專門用于執行數據可視化，通過簡單的灌入數據，一張張樣式豐富的圖表便很快呈現，而且大多都是零門檻易實現。這里僅列舉兩個：

• 百度Echarts，這真算的上是百度的一個良心工具了，內置了大量的圖表模板，僅需選定樣式->更改數據即可輕松實現，而且支持交互。前面介紹的pyecharts其實就是百度Echarts的Python語言版
• 詞云在線網站。其實詞云在線網站還是比較多的，這里不具體給出，可參考歷史文章生成詞云的幾種方式查看。值得指出的是，本公眾號的logo其實就是基于其中的一個網站生成的……

05 小結

數據可視化對于一名數據分析師而言確實很重要，好的可視化效果甚至稱得上是安身立命裝X加薪之本。然而，雖然可視化圖表選擇眾多，但其實也不能過于追求標新立異，例如桑基圖、瀑布圖、南丁格爾圖等，特定場景下用用可能效果感人，但絕大多數情況下，Simple is better than complex，折線圖、條形圖、餅圖、散點圖這四大基本圖表類型仍然是樸實無華的首選。