同 享 网 络 安 全

共 治 网 络 社 会

广州网警巡查执法

数据可视化之初级篇

零编程工具

1. Tableau

Tableau 是一款企业级的大数据可视化工具。Tableau 可以让你轻松创建图形，表格和地图。 它不仅提供了PC桌面版，还提供了服务器解决方案，可以让您在线生成可视化报告。服务器解决方案可以提供了云托管服务。Tableau的客户包括巴克莱银行，Pandora和Citrix等企业

2. Infogram

Infogram的最大优势在于，让您的可视化信息图表与实时大数据相链接。只须三个简单步骤，您可以选择在众多图表，地图，甚至是视频可视化模板中进行选择。 Infogram支持团队账号。

3. ChartBlocks

ChartBlocks是一个易于使用在线工具，它无需编码，便能从电子表格，数据库中构建可视化图表。整个过程可以在图表向导的指导下完成。您的图表将在HTML5的框架下使用强大的JavaScript库D3.js创建图表。你的图表是响应式的，并且可以和任何的屏幕尺寸及设备兼容。 您还可以将图表嵌入任何网页中，分享在Twitter和Facebook上。

4. Datawrapper

Datawrapper是一款专注于新闻和出版的可视化工具。华盛顿邮报，卫报，华尔街日报和Twitter等媒体都使用了这一工具。Datawrapper非常容易使用，不需要任何编程基础。你只需要上传你的数据，便能轻松地创建和发布图表，甚至是地图。Datawrapper提供了众多的自定义布局及地图模板。

5. Plotly

Plotly帮助你在短短几分钟内，从简单的电子表格中开始创建漂亮的图表。Plotly已经为谷歌、美国空军和纽约大学等机构所使用。 Plotly是一个非常人性化的网络工具，让你在几分钟内启动。如果你的团队希望为JavaScript和Python等编程语言提供一个API接口的话，Plotly是一款非常人性化的工具。

6. RAW

RAW弥补了很多工具在电子表格和矢量图形（SVG）之间的缺失环节。你的大数据可以来自MicrosoftExcel中，谷歌文档或是一个简单的逗号分隔的列表。它最厉害的功能是可以很容易地导出可视化结果，因为它和Adobe Illustrator，Sketch 和Inkscape是相容的。

7. Visual.ly

Visual.ly是一个可视化的内容服务。它提供专门的大数据可视化的服务，用户包括了VISA，耐克，Twitter，福特和国家地理等。如果你想完全外包可视化文件给第三方。你可以使用非常简化的在线流程：你只需描述你的项目，服务团队将在项目的整个持续时间内和你在一起。 Visual.ly给您发送所有项目关键点的邮件通知，也将让你不断给出反馈。

数据可视化之开发展篇

JavaScript库

8. D3.js

毋容置疑D3.js是最好的数据可视化工具库。D3.js运行在JavaScript上，并使用HTML，CSS和SVG。 D3.js是开源工具，使用数据驱动的方式创建漂亮的网页。 D3.js可实现实时交互。这个库非常强大和前沿，所以它带有没有预置图表也不支持IE9。

9. Ember Charts

Ember Charts – 顾名思义是一种基于Ember.js框架和使用d3.js的可视化工具。Ember Charts以绘制时间序列图，柱状图，饼图和散点图为主。它非常优易于扩展。同为Ember.js开发团队，Ember Charts聚焦于图形互动性。它有极强的错误处理能力，当你遇到坏数据时，系统也不会崩溃。

10. NVD3

NVD3运行在d3.js之上, 它可建立可重用的图表组件。该项目的目标是保持所有的图表整洁和可定制性。 NVD3是d3.js之上的简单的接口，保持了d3.js的所有强大功能。 NVD3由Novus Partners前端工程师开发和使其保持了图表技术洞察力。

11. Google Charts

Google Charts 以HTML5和SVG为基础，充分考虑了跨浏览器的兼容性，并通过VML支持旧版本的IE浏览器。所有您将创建的图表是交互式的，有的还可缩放。Google Charts是非常人性化和他们的网站拥有一个非常好的，全面的模板库，你可以从中找到所需模板。

12. FusionCharts

FusionCharts是最全面的JavaScript图表库，包括90个图表和900种地图。如果你不是特别喜欢的JavaScript。FusionCharts可以轻松集成像jQuery库，Angularjs和React框架以及ASP.NET和PHP语言。 FusionCharts支持JSON和XML数据，并提供许多格式图表：PNG，JPEG，SVG和PDF。

13. Highcharts

Highcharts是一个JavaScript API与jQuery的集成，全球最大的100家公司中有61家正在使用它。图表使用SVG格式，并使用VML支持旧版浏览器。它提供了两个专门的图表类型：Highstock和Highmaps，并且还配备了一系列的插件。你可以免费使用它，而如果你想建立付费的应用，只须支付少量牌照费用。此外，你还可以使用Highcharts云服务。

14. Chart.js

对于一个小项目的图表，chart.js是一个很好的选择。开源，只有11KB大小，这使得它快速且易于使用，它支持多种图表类型: 饼图，线性图和雷达图等。

15. Leaflet

你是否专注于专业的大数据解决方案？无需饼图和条形图？Leafleft 基于Open Street Map数据，使用HTML5 / CSS3绘制互动式可视化图。您可以使用他们的扩展插件库添加热点图（heatmaps）和动画标记。 Leaflet 是开源和只有33 KB大小。

16. Chartist.js

Chartist.js的开发社区一直致力于打败所有其他JavaScript图表库。它使用了Sass的个性化风格，它的SVG输出是响应式的。

17. n3-charts

N3-charts是一种基于AngularJS框架的工具。它建立在D3.js之上，帮助您创建简单的互动图表。 N3-charts是一种小型化的图表工具，不适用于大型项目。

18. Sigma JS

Sigma JS 是交互式可视化工具库。由于使用了WebGL技术，你可以使用鼠标和触摸的方式来更新和变换图表。Sigma JS同时支持JSON和GEXF两种数据格式。这为它提供了大量的可用互动式插件。Sigma JS 专注于网页格式的网络图可视化。因此它在大数据网络可视化中非常有用。

19. Polymaps

Polymaps是一款地图可视化一个JavaScript工具库。 Polymaps使用SVG实现从国家到街道一级地理数据的可视化。您可以使用CSS格式来修改你的样式。Polymaps使用GeoJSON来解释地理数据。它是创建heatmap热点图的最好的工具之一。您创建的所有地图都可以变成动态图。

20. Processing.js

Processing.js是一个基于可视化编程语言的JavaScript库。作为一种面向Web的JavaScript库，Processing.js是您能够有效进行网页格式图表处理。这使得它成为了一种非常好交换式可视化工具。 Processing.js需要一个兼容HTML5的浏览器来实现这一功能。

来源：数据分析

精彩回顾

图解：建设网络强国，习近平在网信工作会上提出这些重大论断！

朋友圈这样发很危险！但这些事很多人不知道……

他们正在微信朋友圈窃取你的信息，赶紧拉黑！

偷信息！偷钱！手机有这10个APP赶紧删！

什么是数据可视化？

数据可视化是一个通用术语，描述了通过将数据转化为图形表格方式帮助人们理解数据重要性的任何努力。数据可视化软件可以使基于文本的数据无法检测到的模式，趋势和相关性更易于识别和识别。

当今的数据可视化工具超越了Excel电子表格中使用的标准图表和图表，以更复杂的方式显示数据，例如 信息图表，刻度盘和仪表，地理地图，迷你图，热力图以及详细的条形图， 饼图和折线图表。图像可能包含交互功能，使用户可以操纵它们或钻取数据以进行查询和分析。当数据更新或预定义条件发生时，用于提醒用户的指标也可以包含在内。

数据可视化的重要性

数据可视化已成为现代商业智能（BI）的事实标准。BI领域的两家领先供应商Tableau和Qlik的成功 - 两者都强调可视化 - 已经让其他供应商在其软件中采用了更加直观的方法。几乎所有的BI软件都具有强大的数据可视化功能。

数据可视化工具对于数据和分析的民主化以及为组织内的工作人员提供数据驱动的见解十分重要。它们通常比传统统计分析软件或早期版本的BI软件更容易操作。无需IT部门的支持就可以自行实施数据可视化操作。

数据可视化软件在大数据和高级分析项目中也发挥着重要作用。由于企业在大数据趋势的早期阶段积累了大量数据，因此他们需要一种快速方便地获取数据概览的方法。这与可视化工具是天作之合

同样的，可视化对高级分析至关重要。当数据科学家正在编写高级预测分析或机器学习算法时，将输出可视化以监控结果并确保模型按照预期运行变得非常重要。这是因为复杂算法的可视化通常比数值输出更易于解释

数据可视化的例子

数据可视化工具可以以各种方式使用。目前最常见的用途是作为BI报表工具。类似的有Qlik，tableau，powerbi、厦门艾科思移动报表平台等等用户可以设置可视化工具来生成自动仪表板，以跟踪关键绩效指标中的公司绩效并直观地解读结果。

许多业务部门实施数据可视化软件来跟踪他们自己的举措。例如，营销团队可能会实施该软件来监控电子邮件活动的表现，并跟踪开放率，点击率和转化率等指标。

随着数据可视化供应商扩展这些工具的功能，它们越来越多地被用作更复杂的大数据环境的前端。在这种情况下，数据可视化软件可帮助数据工程师和科学家跟踪数据源，并在更详细的高级分析之前或之后对数据集进行基本的探索性分析。

数据可视化如何工作

当今大多数数据可视化工具都带有流行数据源的连接器，包括最常见的关系数据库，Hadoop和各种云存储平台。可视化软件从这些来源获取数据并将数据应用于图形类型。

数据可视化软件允许用户选择呈现数据的最佳方式，但越来越多的软件将这一步骤自动化。某些工具会自动解释数据的形状并检测特定变量之间的相关性，然后将这些发现放入软件确定为最佳的图表类型中。

通常，数据可视化软件具有仪表板组件，该组件允许用户将多个可视化的分析结果拖入单个界面，即拖拉拽生成可视化报表。

8月26日下午，由CDA（数据分析师）主办，微软中国协办的《探秘数据可视化》沙龙活动在京举行。本次活动邀请到了包括DataHunter产品总监刘鹏元在内的三位业内专家，共同探讨了企业如何借助数据可视化发现并改进业务中存在的问题。

《探秘数据可视化》沙龙活动现场&会后合影

在演讲正式开始之前，现场每一位听众都进行了自我介绍，据了解，这也是CDA线下活动的一大特色，目的是让所有参与者都能展示自己，这也有助于后续彼此间的交流。

据悉，现场有很多听众目前正在从事数据分析工作，想借此学习并提高自己；也有不少临近毕业的大学生，未来准备从事数据分析工作；此外，也有一些企业业务人员，正打算尝试数据可视化分析工具。而在这些发言中，我们不止一次听到这样一种诉求：excel不够用了，我该怎么办？

大数据时代，excel还够用吗？

毫无疑问，excel是一款伟大的产品。发布至今，从最初简单的录入数据到进行统计分析，excel一直是同类软件中的佼佼者。然而，在进入大数据时代后，微软却推出了新的数据分析工具，Power BI。

显然，不仅仅是活动现场的众多听众，excel的发明者、大名鼎鼎的微软也觉得，这款办公软件已经无法胜任如今的企业业务数据分析需求。

DataHunter产品总监刘鹏元

对此，DataHunter产品总监刘鹏元认为，对于如今的数据分析师而言，excel正在成为一种“拖累”。“你会发现，80%的时间都在进行数据收集和整理工作，而真正核心的数据分析工作，花费的时间却少之又少。工作很累，但老板依然不满意。”

后excel时代的数据分析

如今，海量且复杂多样的数据，给企业的业务分析带来了诸多新的挑战。“想要让数据成为企业的驱动力，企业其实需要每个人都具备一定的数据分析能力。”刘鹏元表示，一方面，专业的数据分析师需要掌握新的技能，另一方面，企业也需要选型更敏捷的分析工具给企业内部的人员使用。

“打铁还需自身硬”，刘鹏元直言，新时代下的数据分析师，首先需要掌握一定的大数据处理技能，如懂得编程、能进行数据库查询、了解大数据处理框架等（有了好的BI工具，其实这些技能就不是必须的了）；其次，要对企业业务有更深的理解，能够根据企业自身特点建立分析模型和方法，不断地进行探索式分析；最后，能把分析结果以可视化的形式展现出来，让别人秒懂你的结论，成为讲述“数据故事”的高手。

可以看出，大数据处理能技能、探索式分析、交互式可视化展现，已经成为当今数据分析师必备的三项技能，而这恰恰也是企业急需“补强”的三个方面。在Gartner发布的2017 BI（商业智能）魔力象限报告中也印证了这点：传统的、报表型BI厂商已从领导者象限出局，自助探索式分析将成为趋势。对此，刘鹏元总结道：

Gartner预测，探索式分析将成未来趋势

新的分析工具要能够：

· 接入企业各种业务系统，整合多源异构数据；

· 拥有实时的数据处理能力；

· 简单操作，5秒内拖拽即可生成可视化图表；

· 提供探索式分析功能，数据分析维度和颗粒度可随意变换；

· 智能的图表和模型推荐；

· 可云端协作和分享，满足各种移动办公的场景。

在演讲最后，作为DataHunter产品总监，刘鹏元也简单介绍了这款适用于大数据时代下的一站式数据可视化分析平台。据悉，DataHunter拥有两条产品线和一个服务，即：DH数据分析平台、数据大屏、以及大数据技术服务。

“目前DataHunter已经在媒体、地产、制造业、展会等行业打造了众多案例，为人民日报、万达集团、申通集团、三一重工等数十家客户提供了数据可视化分析和大屏展示服务。”刘鹏元介绍说。

据了解，作为是一支年轻的初创团队，DataHunter的核心成员主要来自IBM、Oracle、SAP等知名公司，深耕于大数据、IT技术等领域，具有10年以上丰富的企业服务经验。

关于DataHunter

DataHunter（北京数猎天下科技有限公司）是一家专注于数据可视化分析展示的科技公司，成立于2016年。基于先进的探索式数据分析技术，DataHunter致力于为企业提供简单易用的业务数据可视化分析产品及数据大屏设计展示服务，帮助用户发现问题并改进业务，从而驱动企业向数字化运营转变。

大部分时候，图表比文字的说明性更强。无论是正在写毕业论文的学生，还是要在老板面前作报告的上班族白领——大家对 Excel、PowerPoint 里的图表功能都不陌生。

但在数据可视化的能力上，Excel 和今天我要介绍的这款软件之间，差了好几百个 PPT……

软件的名字叫做 ，由微软开发。BI 的全称是 Business Intelligence（商业智慧），如果你的工作属于数据可视化范畴，可能跟 Power BI 打过交道，它最早是 Excel 的一个数据可视化插件，2016 年成为一款独立软件。这几天在西雅图的数据科学峰会 (Data Insight Summit) 上，微软推出了 Power BI 的全新版本，让数据可视化变得超级容易。Power BI

有多容易？

作为一名没有任何数据科学和编程经验的文科生，我边看教程边自己操作，半个小时就做出了两个互动数据图。

气候学界有一个很著名的“曲棍图表”(Hockey Stick chart)，讲的是地球过去一千年里的气温变化一直比较稳定，有升有降，到了 20 世纪突然逐年升高，形成了一个横放的棍球杆。

（虽然看起来只是几条折线在一起，但其实曲棍图表是一个相对比较复杂的数据可视化项目，包括了前 900 年的模型重建温度数据、模型重建配套的误差值、后 100 年的仪器观测数据，需要用重建温度数据去加减误差值算出误差上下限……）

幸运的是，原始数据在网上都有公开，用 Power BI 导入这些数据之后，还可以用内置的公式工具去计算和生成新的数据。以下是我花了 15 分钟左右，用 Power BI 复现出来的曲棍图表——可互动的：

关于这张表，再废话几句：上下两条灰线代表的是误差区间，也即气候学家对那 900 多年里气候变化不确定的程度。区间的面积越大，意味着不确定性越高，不知道未来几十年内会继续升温还是降温，没有一个明确的套路；到了最近 100 年，不确定性越来越低，意味着气候学家非常确定未来只会越来越热……所以你看，无论再怎么强调“气候变化是真的”，都显得很苍白，不如放一张图表的说服力更强。

其实这也是数据新闻 (data journalism) 诞生的原因。数据可视化非常有利于媒体呈现故事、发现新的线索。像《华盛顿邮报》、《经济学人》、ProPublica 等知名媒体品牌和机构一直在推动着数据新闻的前进，而随着计算机技术进步，Power BI、INZight、Tableau 等软件的问世，让数据新闻不再是那些人多势众大媒体的专利——是的，就算不会编程、不懂数据也不懂设计，你也能成为数据可视化专家，一个人做出优质的数据新闻报道。

KING5，美国华盛顿州西雅图的地方电视台，在去年的总统大选初选期间首次尝试了用数据可视化的方式来呈现实时的票选结果，除了台前的主播之外，后台的团队只用了两三个人。该电视台跟微软合作，用 Power BI 从云端的选票数据源实时抓取华盛顿州各郡的票选结果，呈现在演播间里的 Surface Hub 上。过去，从来没有一家地方电视台能够在大选报道中呈现出如此高级别的实时程度和数据细节。

初选当天有上百万人观看 KING5 的实时分析节目，但其实要开发出这个实时演示，只需要几十分钟。以下是我用后期汇总的数据制作的演示程序，注意到在地图上每点击一个郡，右边就会出现郡的名字和两个参选人在该郡的具体得票数：

制作时间是 20 分钟，其中 10 分钟花在调颜色上。我的数据源是已经打包好的，而当时节目里的数据来自计票机构的实时数据接口，开发难度可能会更高一些，本质上没有区别。

从云端接口获取数据实时更新图表的能力，也是 Power BI 的优势之一。微软自己就在用 Power BI 实时收集和呈现每个团队各自的数据，比如产品的实时访问数、新增用户量、服务器负载等等。“办公室里到处都是各种图表和显示器，每天用 Power BI 的员工比用 Office 365 的还多，Power BI 和 Outlook 应该是员工用户量最高的微软产品。”该公司数据商业部门首席架构师埃米尔·奈兹告诉我。

他指出，随着技术进步，相关产品的使用难度降低，更多的人将具备一定的数据可视化能力，而更多行业将因数据可视化获得帮助。比如在新闻行业，Power BI 不仅能把数据呈现出来，还能通过机器学习技术从数据中自动“挖掘”出亮点，而这些亮点对于记者而言很可能意味着是一个新的线索。本文里展示的这两个数据可视化项目，曲棍图表和华州初选结果，开发起来都很容易，有一定计算机软件基础的人都可以在的帮助下完成————数据新闻其实并没有很多人想象得那么难。教程

即便你只是学生，或者每天做报表的白领，一个对数据可视化需求很低的普通用户，Power BI 的优势也很明显。用它制作的数据图表可以生成 iframe 代码，嵌入到网站上，也可以导出到 PowerPoint 和 Excel 里，最重要的 Power BI 生成的不是静态的死图表，互动性比 Excel、PPT 图表更强。如果你也像我一样，对数据感兴趣但又完全没有基础，Power BI 可能是一个入门的好帮手。

今天分享给小伙伴的是用excel制作的地图数据可视图的神器Powermap.先看看这个powermap 能做什么吧：

是不是很赞！

注意：不要在单位测试。单位为正版软件office2007

准备工作：

office 2016 就不用下载了，打开excel ---插入---Powermap图标

如果是office 2013 请在下面地址下载链接。

如果office 2010及以下版本，就不要再想了。没有这个功能。

2013插件地址：https://microsoft/en-us/download/details.aspx?id=38395

如果安装后工具栏还没有图标/或者是图标是灰色的，参照下图设置：

如果找不到菜单栏的”开发工具”请参照下图

使用步骤：（看不懂可看图）

打开excel的表单—选中----powermap新建演示选择图层数据调节视图类型，柱状图，直方图、热力图等等需要动画的小伙伴可以添加场景。截取预览！

完美！

好了，今天的分享就到这里！喜欢的小伙伴可以试试！

正能量分享：

凡是答应的事，就要尽心尽力办好！

大家好，上周介绍完饼图之后，您有没有亲自动手尝试一下呢？

今天小数要带大家熟悉的是散点图，本文图表生成所用工具仍然是大众熟知的Excel。

说到散点图，它既能用来呈现数据点的分布，表现两个元素的相关性，也能像折线图一样表示时间推移下的发展趋势。可以说是最灵活多变的图表类型。

大数据时代，人们更关注数据之间的相关关系而非因果关系。那么如何考量各变量之间的相关关系呢？散点图就是一种最直观简单的形式。

散点图的特点？

适用于展现两个或三个变量之间的关系

数据量越大，散点图发挥的作用越好

需要关注离群点（异常点）对整体的影响

普通散点图与可视化

在实际应用中使用频率最多的是二维散点图和三维散点图，而三维散点图又与气泡图有密切关系，我们后面会提到。

二维散点图的制作相对简单，无需特殊设置。可视化方面其实也还是咱们的老套路，这里再通过一个例子带大家简单过一遍。

小数收集了某餐馆服务满意度与排队时间相关的15组数据，导入Excel ，直接生成散点图如下：

可视化操作步骤：

背景颜色应用（还是以 DataHunter 的 logo 绿为主哦~）

字体颜色、数据点颜色调整

淡化坐标网格线

插入趋势线。这是散点图的特色，为了分析两个变量之间的关系，我们通常会引入趋势线，Excel中目前给我们提供了线性、指数、线性预测、双周期移动平均等多种类型选择。

现实操作中判断两个变量之间的关系类型，还需要引入回归分析等方法，我在这里只是作为可视化的一个简单举例，所以就直接插入了线性趋势线。

优化后如下图所示：

曲线图

在Excel 的散点图分类中，我们还可以看到一类变体的散点图——曲线图。它经常被用来表示某个变量随时间变量变化的趋势，与折线图的功能类似。

我将自己最近30天的步行数作为数据源，然后生成曲线图。

这里不再赘述可视化过程，与普通散点图基本相同（通过线条填充半透明处理、背景渐变填充、日期格式和坐标轴调整等）

气泡图

气泡图与散点图最直观的区别为：散点图中的数据点长得都一样，气泡图中的气泡却大小不同。因为气泡图在原先散点图的基础上引入了第三个值来控制气泡的大小。

举个例子，我将某校30名学生的期末成绩与其对应的出勤率作为x值和y值，并引入“去图书馆的时间”作为z值，默认生成气泡图如下：

气泡挤在一起了，怎么办呢？

调整坐标轴，将出勤率和分数的最小值和最大值进行修改，调整相应颜色，然后再插入趋势线，就得到了下图：

可以看出，除了出勤率与分数之间有简单的正相关关系外，分数越高的同学，去图书馆的时间也相对较高（气泡普遍更大）。

最后再强调一下：散点图实际应用中更适合大范围的数据，本篇文章中的举例只是为了说明问题，所以数据量都不大。

小结

散点图适用于研究大规模数据中两个变量之间的相关关系

气泡图可用于研究展示三个变量之间的关系

曲线图作为一种特殊的散点图，适用于研究连续变量的变化趋势。

题外话：其实看到这些散点图，总让小数想起一款大圆吃小圆的网页游戏，当初我也是沉溺其中，无法自拔，它的页面如下图，游戏规则挺有意思的，感兴趣的小伙伴可以去体验一下~

最后，基础图表篇的可视化系列文章很快就要结束啦，下个系列大家想了解点啥呢？留言给小数，你想要的内容，统统给你！

“ 本文中你将收获到：

01 什么是切片器？

切片器简单得说就是一个可视化的筛选工具。使用切片器后，你只需要点击相应的数据就能在数据透视表或者透视图表中筛选信息了。

比如这样：

02 怎样才能添加切片器呢？

在Excel 2010中添加切片器

由于在Excel 2010中，切片器只能用于数据透视表，因此有两种方式可以添加:

右键点击“数据透视表字段”中相应的字段，然后选择“添加为切片器”

在数据透视表工具栏中，点击“插入切片器”

在Excel 2013/2016中添加切片器

在较新的Excel版本中，由于切片器还可以用于普通的图表，因此在之前的两种添加方式基础上，还可以：

在插入工具栏中，选择“切片器”

03/04 切片器连接到透视表&图表

多个切片器连接到一个透视表

你可以给一个透视表添加任意多个切片器。当添加多个切片器之后，每个切片器都会影响最终的显示结果。

一个切片器连接多个透视表

除了给一个图表添加若干个切片器，一个切片器也能连接多个透视表。

1.先给多个透视表命名，这样会便于后续的操作。

2.右键切片器，选择“报表连接”

3.在弹出窗口中，勾选若干个需要关联的透视表

效果如下：

一个切片器连接多个图表

当然啦，一个切片器还可以连接多个图表，实现同时对多个图表进行动态显示的目的。

05 设置切片器格式

别以为微软大人没有给你自由展示的机会，我们的切片器也可以变化多端的：

Q：我的切片器中条目太多，怎么办？

Q：我不想显示切片器的标题怎么办？

Q：我完全不喜欢内置的那些个切片器式样，要怎么改？

听了一路的介绍，你是不是有点跃跃欲试了。赶紧打开你的Excel尝试一下切片器的作用吧！

很多读者看到漂亮的图表都会问“这个怎么做”，“用什么工具实现”。制作漂亮的可视化一般有这样几个方式：

利用Excel内置的图表做一些常规的统计图。高级复杂的譬如动态图表，图表的筛选展示可以通过写VBA来实现。通过R、Python一类的数据分析语言，调用图表功能包，呈现可视化的数据，数据分析常用。借助Echarts、HighCharts、D3.js等开源的可视化插件，嵌入代码，开发成插件包，可视化工程师和前端开发常用。

可视化最实用的场景就是做报表。既然这次的主题是可视化，那小编今天就细细地讲一下酷炫的可视化报表是怎么做的？有哪些基础和高级的可视化图表？代码开发是怎么一回事？大屏又是如何操作？

代表工具FineReport，此前介绍过FineReport的使用场景和功能。大家若不熟悉，可自行和Excel绑定对比。

你用过Excel，却不知还有一款神器“FineReport”这款效率远超Excel的表格工具，没用过就可惜了！

基础图表+表格

柱形图、折线图、饼图、气泡图、散点图等能满足常规的数据统计。拿到数据后，先分析要展示几个维度，选用什么样的图表，需要几个图表展示等。

如何选择图表的类型？

基础图表的制作流程

在FineReport中，图表的操作流程类似Excel，数据准备——插入图表——选择图表类型—选择分类轴、系列名称和系列值——选择图表样式。

各式各样的表格

表格主要在于文字、数字、格间的美感，以及整体的色彩搭配和谐，这些在FineReport中都可通过自定义来是实现。

高级图表

高级图表都是在基本图表的基础上展开来一些新特性。

饼图类：等弧度玫瑰图、不等弧度玫瑰图…

柱形图类：堆积柱形图、百分比堆积柱形图…

条形图类：堆积条形图、百分比堆积条形图…

折线图类：堆积折线图、面积图…

仪表盘类：多指针的仪表盘360度、多指针的仪表盘180度、百分比圆环仪表盘、百分比刻度槽型仪表盘、试管型仪表盘…

雷达图类：普通雷达图、堆积柱形雷达图…

气泡图类：普通气泡图、力学气泡图、十字象限气泡图…

地图类：区域地图、点地图、大数据流向地图…

还有各种组合图，比如“柱形图—折线图、柱形图—面积图、堆积柱形图—折线图、自定义地图”…

其他，还有漏斗图、甘特图、词云、框架图等等。

这些图在FineReport都是现成使用的。在其他工具或其他使用场景中，可由交由可视化工程师开发。

为了高度结合数据分析的过程，更好的理解数据背后的业务意义。可视化图表除了形态还有动态展示部分，就是所谓的动态可视化。

例1：地图的钻取和联动

例2：图表联动

例3：点击词云跳转链接

例4：图表切换

过去这些动态特效和交互属性都要写代码开发，这个在FineReport都已经封装成一个个功能，还有图表缩放、自动刷新、数据提示。再复杂点，就是设动态参数加超链。

利用开源插件开发

就是用市面上开源的数据可视化工具， 譬如Highcharts、D3.js、百度Echarts、蚂蚁金服AntV、GoogleCharts、Raphael.js、Sigma.js、three.js等。

像在7月，我们举办了一场可视化插件开发大赛上，很多开发者开发了令人心动的图表插件。

譬如下方的3D城市全景地图，作者Little使用Echart-GL开源库和MapBox，与地图结合，基于真实地图和基本建筑数据构造都市圈级别的宏大场景，适用于政府部门、连锁企业、LBS提供商等对真实经纬度和展现区域范围敏感的用户。插件的底层是WebGL（Web Graphic Library），它是一个 JavaScript API，用于在任何兼容的 Web 浏览器中渲染 3D 图形。WebGL 程序由用 JavaScript 编写的控制代码和用 OpenGL 着色语言（GLSL）编写的着色器代码构成，这种语言类似于 C 或 C++，可在 GPU 上执行。

比如滚动报表图。传统的决策报表块是静态的，列表不会滚动，数据必须一次性展现，在大屏中效果不够酷炫，无法自动获取最新的数据，除非编写大量的js代码，对一般人来说就只能望洋兴叹。

而插件安装后，可以用图表的形式展现报表，通过设置数据集，显示成类似报表块列表，零代码获取数据库信息并配置自动更新时间，支持通过字段名称配置表头，支持自定义颜色配置等多种丰富的配置项，这样制作的决策报表效果也更酷炫。

数据大屏

大屏展现作为数据可视化的一个典型使用场景，涵盖的知识太多。一个完整的大屏项目从开始调研到实施交付可能需要开发工程师、项目经理、视觉工程师、UI工程师、硬件工程师等等众多专业人员的参与。

于数据大屏设计美学：大屏做成这样，领导不重用你都难！数据大屏的具体制作：4步教你玩转可视化大屏设计｜内附实际操作

-----------------

最后，12月28日晚上20：00，帆软将在知乎上举办 “如何成为企业需要的数据分析人才” Live 直播，教大家如何找到数据职业生涯的破局点，欢迎大家参加！

超级圈，连接一切可能

前天给大家介绍了一款APP叫Chartistic，可以生成图表作为图片。当时有人留言问，有没有一款软件，能够导入数据生成分析图表呢？

圈姐看到大家的需求后，立马在各大渠道找了老半天，居然发现了这个免费的无敌神器：

Power BI

先让我哭三秒钟，因为这款神器，真的是太！屌！了！

微软Excel出了许多可视化插件，最后干脆整了个合集版的Power BI。Power BI 可以将数据进行转换、分析和可视化的工具，还具备共享、建立数据模型等逆天功能哟~

官方下载：https://powerbi.microsoft/zh-cn/

产品介绍

Power BI 的逻辑很简单，直接导入你的Excel图表，然后通过简单的数据配置，便可以生成一份颜值逆天的图表~

准备图表：首先将你需要做成图表的Excel表格准备好，然后导入到 Power BI 里面。

导入：点击「获取数据」，再点击「Excel」

可视化处理：打开后，在右侧可选择相对应的选项和图表类型，进行数据的可视化处理。

欢迎关注天善智能，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区，学习，问答、求职一站式搞定！

天善学院618活动正在进行中！天善学院618大礼包，大数据、数据分析与数据挖掘、商业智能、机器学习、深度学习、数据库与数据仓库、R语言、Python精品课程总有一款正中你下怀吧？全场6.18折，赠送精品微课。最好的投资是投资自己，名额有限，欢迎登录查看！

早期的数据小魔方用户大概都知道，我最初也是从学习Excel起步的，只是学习的深入了之后，才开开慢慢的迁移到R语言。

我往R语言转型并不代表自己开始放弃Excel或者觉得Excel不适合做可视化，只是想体验一下Excel外围的可视化世界是什么样子的，毕竟在这个大行业内，还活跃着太多可视化领域的佼佼者，譬如 PowerBI、Tableau等。

当然，这些软件各有特点，但是在要划分一个类别的话，我觉得可以划分为三类：

Excel（以及寄生于Excel平台的各种辅助软件dashboard、Think-cell-chart）

桌面端可视化工具（以Tableau、PowerBI等）

编程工具。（以R语言、Python以及各种js开源可视化库）

但若要继续对其进行简化分类的话，我觉得其实可以分为两类：

Excel家族；

非Excel家族。

也许这里的分类大家会觉得摸不着头脑，我的理由是，数据可视化很重要的一步即是对原始业务数据结构的理解，而在Excel的图表库中，微软所设计的图形库是基于二维表的。（因为Excel自由灵活的表结构不限制变量类型，不识别因子变量（即用于构造模型或者用于图形映射））。

也许以上解释并不能令你满意，这里我只强调一点，同样制作一个多分类的柱形图（或者条形图），假若你获取的原始数据是三个字段，一个门店名称，一个季度标签，一个销售额，那么这种数据结构你是无法对其进行图表化呈现的，你需要借助Excel的数据透视功能，对其进行维度交叉透析，进而使用汇总表（二维表）进行多分类图表构建。

以上就是Excel中图表构建原理的大致过程，而除Excel之外的数据可视化产品，基本上都是使用一维表结构（长数据）来构建可视化图形的。其中因子变量（即通常意义上的分类变量）充当着至关重要的作用。

这也是用惯了Excel的小伙伴儿，如果想要迁移到其他可视化工具上，迈出的第一步往往无比艰难（也不能一概而论，假如你经常使用Excel的数据透视表功能，并且对数据库有所了解，对于数据的长宽转换应该早就烂熟于心了，这道坎不会困扰你太久）。

二维表有二维表的好处，即所见即所得，因为二表已经具备一定的图形化特征，而不单单是表了，但是二维表作图在效率上有着天然的劣势，即你会淡化对数据数据结构的理解，会被Excel的这种作图理念所吞噬，进而被绑架。（纯属个人愚见）

又扯远了，今天的主角仍然是Excel，我使用自己学习以来的案例来说明，Excel仍然是一款不折不扣的优秀可视化工具。

学习的第一步当然是模仿，所以才有了这些积淀很久的案例：

模仿可以快速提升你的“图感”，然后你会更大胆的去挑战高难度动作：

等有了足够的经验和技巧积累，尝试着自己找案例去做：

实习是很好的锻炼机会，可能你不需要做高难度高复杂度的工作，但是你能学到如何平衡技能与实际业务数据，融合并凝练细节。

Excel的强大远不止于此，如果你能习得名称管理器、开发工具与高级查询函数，那么制作动态仪表盘是分分钟的事儿，再将平时里积淀的优秀版式、配色方案等融入其中，那么你的工作价值一定会呈指数级增长。

本文作者：天善智能社区 EasyCharts

原文链接：https://ask.hellobi/blog/EasyCharts/8591