全文共5489字，預計學習時長11分鐘
可視化能解答那些尚未發現的問題。本·施耐德曼（Ben Shneiderman）
掌握數據可視化技術會打開新世界的大門，帶來更多機會。精心設計的可視化能幫助程式設計師找到原始數據集的核心。 這是成功的數據科學項目和普通的數據科學項目之間的區別。
因此，本文旨在展示數據可視化的強大功能。本文總結了15種驚豔的可視化方式，涵蓋了各種各樣的主題。可以應用於選擇的任何工具中，但本文將以Python、R、Tableau和D3.js為例。
1. 用R進行數據可視化
在選擇數據可視化工具時，R語言是創建ggplot2庫不二之選。
只需幾行代碼就能實現有個性的可視化、獲取實時反饋、揭示數據模式。怪不得偏好Python的程式設計師也會在Jupyter notebooks 中安裝ggplot2（沒錯，這項功能目前已經實現了）。
如果你正在使用R語言但還未安裝ggplot2 ，那就從現在開始吧：
R語言中數據可視化全方位指導
傳送門：https://www.analyticsvidhya.com/blog/2015/07/guide-data-visualization-r/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
R語言用戶使用ggplot2時的10個常見問題
傳送門：https://www.analyticsvidhya.com/blog/2016/03/questions-ggplot2-package-r/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
2. 用R語言創建BBC式的可視化
嚴格意義上來講，這不是可視化，不過也基本上如此。上圖展示了BBC數據團隊發布的可視化融合。
實際上，BBC數據團隊已經開發並發布了一個R語言包和說明書，用於生成類似上圖的可視化效果。R語言包的名稱為bbplot，其中包含創建和導出可視化的函數，可用於ggplot中來製作BBC數據團隊風格的可視化。
以下是一些重要資源：
bbplot包
傳送門：https://github.com/bbc/bbplot
BBC數據團隊的R語言說明書
傳送門：https://bbc.github.io/rcookbook/
3. 用R語言構建交互圖
誰不喜歡交互圖呢？它們是演示文稿中最吸引人的方面之一（如果使用得當的話）。這一可視化方式展示了不同大洲的人口預期壽命與人均國內生產總值之間的變化關係。
這麼小的空間竟可以塞進這麼多的信息。有沒有一種包可以實現上圖可視化呢？當然是gganimate啦！毫無疑問，ggplot的強大功能可以延伸到另一種絕妙的可視化類型。
讀者可以根據該指南在R語言中創建交互圖：
如何在R中創建動圖以分析健康數據
傳送門：https://www.analyticsvidhya.com/blog/2019/04/how-built-personalized-interactive-fitness-tracker-dashboard-r/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
4. 用R語言構建桑基圖
這是一個典型的桑基圖示例，其中箭頭的寬度與流量成比例，表示信息的流動。上述圖像顯示了Facebook自定義廣告列表的相關性。
這個可視化是由R的ggalluvial 包創建的，其tidyverse功能兼顧了原來的alluvial 包的風格和靈活性。
完整代碼：https://stackoverflow.com/questions/50395027/beautifying-sankey-alluvial-visualization-using-r
5. 用Tableau進行數據可視化
好的信息可視化沒有規則，沒有指南，沒有模板，沒有標準技術，沒有樣本。但你必須做好應該做的。愛德華·塔夫特（Edward Tufte）
愛德華·塔夫特是數據可視化領域的先驅。這句話適用於在Tableau語言生成可視化。其強大全面的功能和自由發揮的空間是無與倫比的。
如果你對Tableau感興趣，下列文章可以幫助你從新手到專家:
新手Tableau指南–簡單生成數據可視化
傳送門：https://www.analyticsvidhya.com/blog/2017/07/data-visualisation-made-easy/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
數據科學以及商業智能人士的Tableau指南
傳送門：https://www.analyticsvidhya.com/blog/2018/01/tableau-for-intermediate-data-science/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
Tableau的進階指南
傳送門：https://www.analyticsvidhya.com/blog/2018/03/tableau-for-advanced-users-easy-expertise-in-data-visualisation/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
6. 世界上最大的選舉–印度大選的可視化處理
這個圖像相當驚人，這裡只選取了一部分。這個可視化覆蓋的範圍和數據量是驚人的，對這類數據分析感興趣的人來說非常有用。
圖中每個數據點代表每個席位的詳細信息，包括獲勝者的姓名、州、政黨和選區。這個可視化成功處理了龐大的信息，最終呈現了一個非常好的效果。
此處為完整的Tableau面板，可自行下載：https://public.tableau.com/en-us/gallery/worlds-largest-vote?tab=featured&type=featured
7. 用Tableau監控銷售業績
本文使用的是真實的商業案例。如果讀者還不知道怎麼在現實中的應用可視化（發揮你的想像力！），那麼你會覺得這個工具非常實用。
這是一份對銷售數據的分析，與原有的額度進行對比。第一個水平選項卡非常棒，它清晰地總結了客戶或其他利益相關者需知的關鍵數據。
完整的Tableau工作簿（https://www.tableau.com/solutions/workbook/track-sales-interactive-dashboard?__src=liftigniter&__widget=learn-recs-li&li_source=LI&li_medium=learn-recs-li）包含五個全面的面板，從不同的角度展示了銷售數據。強烈建議從事銷售或市場工作的人士進行參考。
8. 1910-2018年間電影題材的流行程度
如果你是一個超級電影迷，這個圖像應該會讓你印象深刻——Tableau中public gallery。記住，這是電影題材的流行程度隨時間變化的趨勢。每個題材都有不同的軸範圍，應該從這個角度切入（而不是挨個比較）。
最突出的一點是，可以將其視為一個包含多個數據點的面板。請你思考該面板在職場中的其他用法。
你可以下載完整的工作表單，在Tableau中進行實驗。
傳送門：https://public.tableau.com/profile/bo.mccready8742
9. 用D3.js生成數據可視化
要想創建絕佳的動態可視化效果，d3.js是個好工具。它是一個強大的庫，能夠為任何類型的網絡故事構建自定義的可視化。
如果你想時不時地用上數據可視化，強烈推薦掌握d3.js這項技能。
以下是兩篇很受歡迎的D3.js入門文章：
用D3.js生成網頁數據可視化——初學者指南
傳送門：https://www.analyticsvidhya.com/blog/2017/07/beginner-guide-build-data-visualisations-web-d3-js/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
如何用D3.js創建驚豔的網頁數據可視化？
傳送門：https://www.analyticsvidhya.com/blog/2017/08/visualizations-with-d3-js/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
10. 概念圖–概念的相互關係
筆者經常使用概念圖，這樣可以很容易地描述不同概念或知識點之間的關係。維基百科是這樣定義的，「概念圖通常將想法和信息展現在方框或圓中，分別與下級結構中的標記箭頭相連」。
概念圖適用於業務決策、流程圖、信息設計、知識可視化等場景。人們通常低估它的作用，但它其實十分有用。
此概念圖具有一定的交互性，你也可以使用不同的節點：
http://www.findtheconversation.com/concept-map/
11. 用D3.js實現Sunburst序列的可視化
這種可視化展示了如何結合sunburst概念與描述事件序列的數據。
想想看——你可以用它來展示客戶的行程。通過這種方式，用戶可以看到所有可能性，而不止是靜態漏鬥。你的營銷團隊會為此拍手稱讚的。
查看D3.js完整代碼，生成sunburst序列：
https://bl.ocks.org/kerryrodden/766f8f6d31f645c39f488a0befa1e3c8
12. 《權力的遊戲》人物關係的可視化
你是《權遊》粉嗎？如果是，那你一定會喜歡這種可視化的。上圖展示了每一個角色在《冰雨的風暴》中的出場次數，從而顯示每個角色的影響因子。
請注意，節點表示字符和連結，以及這兩者之間的相互影響。節點和名稱的大小表示角色的影響。小惡魔帶來的影響最大，看到了吧？
可用此教程創建自己的《權力的遊戲》可視化圖像：
https://www.analyticsvidhya.com/blog/2017/08/visualizations-with-d3-js/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
13. 用Python生成數據可視化圖像
人們通常認為Python是數據科學的終極程式語言。在清理數據、構建預測模型、甚至某些數據工程時都會用到它。但是你知道Python實際上也有強大的數據可視化功能嗎？
沒錯，Python帶有兩個專用的可視化庫——matplotlib和seaborn。
9種最受歡迎的用Python生成數據可視化的方法
傳送門：https://www.analyticsvidhya.com/blog/2015/05/data-visualization-python/?utm_source=blog&utm_medium=11-data-visualizations-python-r-tableau-d3js
14. 火星地質圖
這張火星地質圖簡直是藝術，它竟然是在Adobe Illustrator幫助下用Python創建的，這太不可思議了！
可用於創建這種美麗的可視化效果的Python庫有:
Matplotlib
NumPy
Pandas
Cartopy
獲取完整的高解析度圖像：https://external-preview.redd.it/YsUvGQZYDg6UpWoAg_4dR5s-B_8Y_JtPQfylTOG6p10.jpg?auto=webp&s=53ae6d53f5ce977ffb9f44caa336794dae1ad21e
Python代碼：https://www.reddit.com/r/dataisbeautiful/comments/c4elys/oc_a_geologic_map_of_mars/
15. 用Python繪製地球同步衛星
筆者對數據科學界正在進行的衛星數據研究很感興趣。目前已經發現了新的行星，重新創建了地面圖像，NASA可進行地震預測等等。
PyEphem包可以在Python中創建此繪圖。Pyephem基本允許在Python中實現天文算法。
很多數據科學愛好者嘗試繪製這種可視化圖，可以在此處找到所有的資源：https://www.reddit.com/r/dataisbeautiful/comments/3gxp87/i_just_plotted_every_tleinfo_satellite_above_my/
留言 點讚 關注
我們一起分享AI學習與發展的乾貨
編譯組：楊月、翁夢徽
相關連結：
https://www.analyticsvidhya.com/blog/2019/08/11-data-visualizations-python-r-tableau-d3js/
如需轉載，請後臺留言，遵守轉載規範