数据可视化，我经常用这些工具

01 Excel

网传数据分析师必备基础套餐是ESP，即Excel+SQL+Python，这种说法不见得完全正确，但也确有一定道理，其中Excel更是几乎每名数据分析师乃至每名职场人士必备的办公工具。个人也习惯于应用Excel，更具体说主要是应用Excel的三类功能：图表制作、内置函数以及数据透视表。一般而言，当数据量较小(100以内)时，个人非常倾向于用Excel完成图表插入，不仅简洁方便，而且内置的多种样式、丰富的设置选项以及所见即所得的制图体验，都无疑是小数据量作图的首选。

 

Excel内置了丰富的图表类型

Excel支持的图表类型也极为丰富，除了常规的条形图、折线图、饼图和散点图之外，像雷达图、旭日图、箱线图等视觉效果更好的图表也是支持的。同时更是支持了丰富的设置效果，而且都是极为简便易懂的，几乎不需要教程即可摸索掌握。

02 Python可视化库

作为一名数据分析师，Python几乎是必须掌握的;而在Python数据分析相关的众多第三方包中，可视化库又非常强大。在这其中，个人尤为常用的有5个相关库：

matplotlib，该库与numpy和pandas号称Python数分三剑客，也是当初配合numpy和scipy替代Matlab的重要一环，几乎是Python数据分析过程中必须熟练掌握的绘图库。不过需要承认的是，matplotlib功能强大，但其实相对更加偏向底层，提供了大量的参数和接口来设置图表各种细节，对于初学者来说并不那么友好。但实话说，在彻底掌握其核心思想之后，其实还是比较符合正常思维的。这里，附个人总结的matplotlib完整入门教程：python数据科学系列：matplotlib入门详细教程

 

seaborn，既然matplotlib过于偏向底层，绘图也较为繁琐，那有没有简单易上手的绘图库呢?seaborn其实算得上一个，不过也并不算是matplotlib的升级或替代品，而只能算是有力补充。相较而言，seaborn基于matplotlib，提供了更为丰富的样式，具有更加简洁的API接口，一两句代码就能完成非常强大的图表绘制。附seaborn入门教程：python数据科学系列：seaborn入门详细教程

 

pyecharts，相较于matplotlib和seaborn这种更像是python官方绘图库，pyecharts属于纯粹的第三方绘图库，即pyecharts=python+echarts，即百度echarts与python的结合体，某种程度上也再次印证了python胶水语言的特性。更重要的是，pyecharts支持动态图表绘制，支持交互式图表，除了Web展示，还可通过一定操作移植到PPT中，这也为数据分析师做汇报添彩不少。pyecharts目前经历了两个大的版本，尤其是在0.5升级到1.x以后，几乎完全变了绘图接口，但整体来说是变得更加简洁易懂。附pyecharts绘图简洁教程：pyecharts极简入门教程