作者：涼皮
編輯：西西姐
封面圖：侯爵老師
在這樣的一個數據時代，很多事情都是靠資料說話，資料視覺化可謂十分重要，一圖勝千言。
我們精選了 10 個圖表庫，無論你是想快速上手做一個數據視覺化的網站，還是想做一個彙總資料的儀表盤，又或者想在會議上更好的展示資料，都能在這裡面找到最適合你的那一個。
圖表最全，老前端的最愛：D3。js
D3。js 可以說是圖表最全的庫了，你能想到的圖表型別這裡都有。
它也是 GitHub 上加星數最多的圖表庫，多達 89551 個 Star。這意味著你可以很容易找到一個別人寫好的示例，然後改成自己想要的圖表。
然而，D3 的缺點在於，它是 2011 年釋出的，使用的是比較早期的前端方式來實現，大量依賴了 DOM 操作。如果你喜歡 JQuery，那你使用 D3。js 會很順滑。然而這會讓它與現代的前端框架有點格格不入。
並且 D3 依賴於繪製 SVG 影象，而不是使用 CSS，這就讓它佔用的記憶體會大一些。
如果你想使用的圖表在其他庫中找不到，那 D3 一定有。但如果你對網頁記憶體的要求比較高，可以看看下面更為現代的圖表庫。
地址：https：//d3js。org
JS 中最易上手：Chart。js
如果你想15分鐘以內寫好一個圖表，那就用 Chart。js 吧。
這是一個小巧的 JS 圖表庫，在 GitHub 上有 1427671 開發者在用。用 Chart。js 可以快速建立動畫、互動式和可定義的圖表，它允許使用者將不同的圖表型別混合在一起使用，它有開箱即用的動畫效果，在更改資料、顏色時，都有一個動畫過渡。
對初學者比較友好，容易設定，但是圖表型別沒有別的圖表庫那麼豐富，適合想要快速執行簡單圖表的開發者。如果是另類需求的話，圖表型別可能不夠用。
它可以在 HTML5 Canvas上繪製出響應式的圖表，在視窗大小改變的時候，重新繪製圖表，以此調整縮放比率。
地址：https：//www。chartjs。org/
中國使用最多：Echarts
Echarts 是百度前端技術部開發出來的一個純 JS 的資料視覺化庫，它相容現在的大部分瀏覽器，也可以流暢地執行在 PC 和移動端上。由於中文文件支援的很好，所以在國內的使用最多。
在豐富的圖表型別中，實現了的強大的三維視覺化，像用 ECharts 普通元件那樣使用 ECharts GL 就能繪製出三維的地球，建築群和人口分佈的柱狀圖等。
在 4。0+版本新增的增量渲染技術，讓 ECharts 能夠展現千萬級的資料量（一般情況下幾千萬的地理座標資料儲存會佔用很大的空間），而在這個資料量級依然能夠實現流暢的縮放平移等互動。
地址：
https：//echarts。apache。org/zh/index。html
互動性圖表庫：Highcharts
Highcharts 完全基於 HTML5，不用安裝任何外掛，或配置執行環境。
提供了豐富的圖表型別，線圖、柱形圖、餅圖、混合圖等，還提供了股票走勢圖、高階時間軸圖和豐富多樣的地圖，並且附帶了很多預構建的圖表，它還可以在圖表中添加註釋。
Highcharts 相容性很強（IE6+），同時也能完美支援移動端觸控操作和手勢縮放。
Highcharts 在 GitHub 上開源，但商用收費。
地址：https：//www。highcharts。com
科學計算圖表鼻祖：Matplotlib
Matplotlib 是第一個 Python 的資料視覺化庫，所以很多其他庫都是在 matplotlib上構建的。適合用在科學計算領域。
它非常強大，但也比較複雜，沒有那麼容易弄清楚，想要做出一個看起來還不錯的圖表，可能就需要寫大量的程式碼。
Matplotlib可以輕鬆地建立網格，標籤，圖例等，它的所有內容都是可以自定義的。
地址：https：//matplotlib。org
統計資料進階利器：Seaborn
Seaborn 是 Matplotlib 基礎上建立的，但是在 GitHub上面的星星數要比 Matplotlib多，是本文推薦的 Python 圖表庫裡最多星星的。
如此受歡迎大概是因為 Seaborn 有驚人的預設主題，有了這些內建的預設樣式和調色盤，我們可以只用幾行程式碼來建立複雜而且漂亮的圖表。
Seaborn只是 Matplotlib補充，而不是替代，在很多情況下，還是需要先學一下 Matplotlib 才能調整 Seaborn 相關的預設設定。
地址：https：//seaborn。pydata。org
可做動圖、儀表盤：Bokeh
Bokeh 基於網頁的畫圖工具庫，它的優勢在於建立互動式圖表，做出來的圖表可以儲存為 HTML檔案。
它可做動圖，也可以做儀表盤的排版，也可只打開一張表或者做圖表的聯動。
有三個不同的程度的介面，一是能快速建立常用圖表；二是允許使用者控制圖表的基本模組，比如說散點圖的點；三是沒有預設的預設值，要求使用者定義圖表的每一個元素。
地址：
https：//docs。bokeh。org/en/latest/index。html
Python 中最易上手：Chartify
Chartify 是Spotify 開源的一個 Python 圖表庫，建立在 bokeh 之上，和其他的圖表庫相比，它的語法更加簡潔友好，API 比較直觀易學，而且有非常詳細的使用說明。
不同的繪圖方法往往需要不同的資料格式，從而要求使用者完全重新格式化輸入的資料。這導致我們需要花費大量時間將資料操縱到合適的圖表上，但是 Chartify 能解決這個問題，它是輸入一致的資料格式，可以讓你快速建立圖表，而且它的預設圖表就很漂亮，不用你花費很多的時間來配置美觀的圖表。
Chartify 靈活性高，如果需要較複雜的繪圖功能，可以呼叫 bokeh 的 API 來操縱 Chartify。
地址：https：//pypi。org/project/chartify
十項全能，快速做儀表盤：Plotly
Plotly 是一個用於資料視覺化的線上平臺，Plotly 的團隊也維護著用於 R，Python和 JS 的開源的視覺化庫，像 Bokeh 一樣，Plotly 的強項也是製作互動式繪圖。
Plotly Dash 可以將我們用 plotly 畫出的圖透過互動式視覺化的方式表達出來，在 web 瀏覽器中呈現。
Plotly。js 有 40多種圖表型別，包括 3D 圖表，統計圖和 SVG 地圖。它大多數繪圖都是用 SVG 繪製的，這一點為跨瀏覽器、向量影象匯出提供了很大的相容性。
Plotly。py 內建在 Plotly。js 之上，它可以在 Jupyter 筆記本和獨立 HTML 檔案中檢視圖表，還提供了一些別的庫沒有的圖表型別，比如樹狀圖、輪廓圖等。
地址：https：//plot。ly
無需程式設計建立圖表：infogram
infogram 是一個可以線上做圖表的平臺，只需幾分鐘，你就可以創建出比較好看的圖表，如果想要不敲程式碼也能做出美觀的圖表，那這個 infogram 是一個不錯的選擇。
地址：https：//infogram。com
總結：
最易上手獎 Chart。js
如果你時間有限，那 chart。js 絕對是你的最佳選擇。
終身成就獎 D3。js
如果你愛 jQuery 那麼你也會愛死了 D3。js，你要記得有那麼個年代它撐起了圖表界的半邊天。
專業精神獎 Matplotlib
感謝 Matplotlib 在科學計算圖表領域帶來了容易使用以及最細緻入微的文件。
十項全能獎 Plotly
能力越大責任越大，能做的這麼多，用起來稍微複雜一點也不是什麼問題，你說是吧？
最佳新人獎 Chartify
如果你會用 Python，那麼你就會用 chartify。
