1、FineBI

简洁明了的数据分析工具，优点是零代码可视化、可视化图表丰富，只需要拖拖拽拽就可以完成十分炫酷的可视化效果，拥有数据整合、可视化数据处理、探索性分析、数据挖掘、可视化分析报告等功能，更重要的是个人版免费。

2、Infogr.am

十分强大的图表制作工具，本身带有十分丰富多样的模板，如果个人不满意还可以手动设计，优点也是不需要代码编程，缺点就是只能用来制作图表，更加炫酷的可视化效果实现起来比较困难。

3、Easel.ly

几年前开始流行的信息图制作软件，界面简洁、操作简便、图片精美，而且用户只需要登录Easel.ly官方网站即可开始进行信息图制作，在网站上你可以尽情分享和查找素材，当然有些是不免费的。

4、Color Brewer

强大的配色工具，你在这里面几乎可以找到任何你想要的颜色，它本身也是一个绘图系统，拥有很多配色模板，可以当做一个小工具收藏，配合其他可视化工具使用。

5、ChartBlocks

英国的一家公司开发的制作统计图表的线上工具，省去在Excel软件里制作图表的繁复，让图表更加多样化，无需专业的软件技能就可以轻松制作漂亮的图表，但是功能不多。

6、Visual.ly

在线图表神器，这家网站以丰富的信息图资源而著称，很多用户乐意把自己制作的信息图上传到网站中与他人分享，最近好像爆出消息还能帮助人们制作信息图，不知道免不免费。

7、Nuvi

一款非常简单好用的信息图形生成器，拥有好几百个模版，当然，如果你喜欢，也可以不用模版

8、Dygraphs

用的比较少，网站上资源也几乎没有，在国内属于小圈冷门的可视化工具，但功能其实是很强大的，不想费力找资源的建议选择其他的工具。

9、ECharts

ECharts就不用说了，搞数据可视化的99%都知道，是一款商业级数据图表，纯JavaScript的图标库，缺点是要代码操作，小白上手难度很高，适合码农这样的数据人。

10、Cytoscape

适合做一些文章里的网格图、散点图、结构图、思维图，写论文、报告等场景下非常好用，适合大学生或者搞科研的人。

11、图表秀

适合做PPT时做一些好看的图表，图表制作功能比较强大，但是我记得导出高清图片的时候要收费，只能导标清图比较坑吧。

12、BDP

BDP个人版是国内海致公司旗下的数据可视化分析产品（BDP也有商业版，针对企业用户，但我非商业版用户，所以就不多说了），有多数据整合、数据合表处理、可视化分析等数据功能，总体来看数据功能还是非常全面的，虽然不免费但是成本低一些

13、xdatainsight

国产的一站式敏捷可视化工具，以前还比较好用，现在基本没人用了

14、Tagul

国外一款词云制作神器，免费的小工具，非常好用

15、Tagxedo

跟上面的tagul一样，也是词云制作工具，而且是在线制作网站，但是需要翻墙

16、Wordle

很老的信息可视化工具了，主要也是制造词云的，当年也是大名鼎鼎，但是也有很多缺点，字体颜色没有意义、可视化还很初级等

17、WordItOut

词语云一键生成网站，非常方便，但是没办法根据频率调整大小，功能比较粗糙

18、ToCloud

ToCloud是一个在线免费标签云生成器，你可以设置词的长度和频率，还能提取短语，是一个比较好的标签云工具之一利用词频生成词云，你可以快速了解页面优化了某些单词

19、图悦

这款国内的在线词频分析工具，在长文本自动分词并制作词云方面还是很出众的，而且也容易上手，还可以自定义定制图形模板：标准、微信、地图等，切换自如，用起来体验很不错

20、语义分析系统

主要是用于分析文章中的各种参数，包括频率等内容，百度的语义分析系统功能还是挺不错的

21、腾讯文智

腾讯的中文语义网站，分析语句、篇章等，教学类平台

22、polymaps

PolyMaps是一个地图库，主要面向数据可视化用户，在地图风格化方面有独到之处，类似CSS样式表的选择器，用来做动态地图的

23、nodebox

可视化进阶神器，NodeBox是OS X上创建二维图形和可视化的应用程序，你需要了解Python程序，NodeBox与Processing类似，但是没有Processing的互动功能

24、processing

堪比python的编程语言，能够实现几乎所有的可视化效果，语句规范上不如python ，但是比较容易上手

25、processingjs

跟上面的一样，是一门可视化编程语言，ProcessingJS是它的JavaScript实现，使用HTML5的canvas，配合现代浏览器来实现web客户端的可视化技术

26、Tangle

Tangle是个用来探索、Play和查看文档更新的交互式库，既是图表，又是互动图形用户界面的小程序

27、FF chartwell

一款自动生成分析图的黑科技字体，字体很多

28、SAS Visual Analytics

SAS可视化分析是一款擅长做交互式可视化分析的产品，同时它同样也可以创建出一些很好的可视化图表，不过比较笨拙，不灵活

29、数字冰雹

国内专门做可视化的，主要是大屏，面向企业而不是个人

30、Data-Driven Documents

简称D3，是一个很神奇的基于Javascript的在网页上实现数据可视化的工具，不过现在已经不更新了，缺点是要学的东西太多，HTML、编程都得掌握才行

31、leafletjs

做全屏地图比较方便，同样是需要掌握编程基础，优点是有手机端

32、Crossfilter

Crossfilter是一个数据计算模型，能够很好地结合DC.JS进行数据解析绘图，属于数理类工具

33、openlayers

OpenLayers作为业内使用最为广泛的地图引擎之一，已被各大GIS厂商和广大WebGIS二次开发者采用，入门难度极高

34、wolframalpha

数学开发软件，同时也可以做数理计算可视化，属于专业性质的工具

35、visme5

Visme为用户提供30万张高清图片、6500种图标、750多种图表模板以及120多种字体

36、databoard

制作仪表板的，关注数据可视化本身，更多地关注利用可视化技术，高效，批判性地监控数据

37、googlecharts

文档和帮助信息丰富的 Google Charts 对于刚刚入门 Java 绘图的人来说是极佳的选择。它的文档里到处都是带注释的代码和逐步的讲解，可以直接用来把 HTML5 / SVG 图标嵌入到你的网页中。

38、timeline

以时间轴的形式进行可视化，别有一番风味

39、FusionCharts

FusionCharts 支持 vanilla Java、jQuery、Angular 等一系列高人气的库和框架。它内置90多种图表和超过1000种地图，相比 Google Charts 和 MetricsGraphics 要完整得多

40、envision.js

JavaScript一种直译式脚本语言，是一种动态类型、弱类型、基于原型的语言，内置支持类型

41、Sigma

Sigma 有着自己独特的定位，那就是图模型的绘制。它基于 Canvas 和 WebGL 开发并提供了公开的 API，所以你可以在GitHub 上找到社区贡献的许多插件

42.dc.js

dc.js 是一个开源的 Java 绘图库。它非常适合用来创建交互式的仪表盘（Dashboard），图表之间是有联系的，所以当你与其中一个部分进行交互时，其他部分都会做出实时的反馈

以上只是简单盘点一下，还有很多可视化工具没有说到，大家可以在评论区指出，互相学习！

本文的英文原标题是「10 Rules of Dashboard Design」，其中 Dashboard 如果翻译成仪表盘的话，总觉得不大容易理解，所以我在这里把它翻译为数据可视化。数据展示方面的设计，相信大家会经常用到，这篇文章有很多简单直接，立马就能用上的干货，一起来学习吧！

为什么数据可视化设计非常重要？

数据可视化的目的是以一种用户更容易理解的形式呈现复杂信息。

一个优秀的数据可视化界面包含以下几个关键要素：

• 清晰：一个好的数据可视化界面一定是能够清晰的展现用户所需要的信息。当用户看到界面内容时，应该能在 5 秒内了解到它的用途，而不是花费至少几分钟才能理解各个数据的含义。

• 有意义： 一个有用的数据可视化界面上的每一条信息都应该是有意义的。这些有意义的信息能准确传达设计师想要表达的内容。每一条数据的背后，用户都是可以读懂的。

• 一致性：优秀的数据可视化界面，会有一套非常严谨一致的版面。这里的一致性需要考虑到布局，结构和内容。

• 简单： 复杂的界面违背了数据可视化设计的初衷。如果一个信息呈现不够简单直接，那么肯定是在设计上出现了问题。

如何设计一个数据可视化界面？

数据可视化界面设计最重要的步骤是需要了解目标用户是谁，能为他们提供什么价值。了解目标受众的知识背景和理解水平能帮助你做出对他们有价值的设计。

在了解目标用户时，有必要了解受众感兴趣的数据类型。

「专注于用户的需求，更容易产生他们喜欢使用的结果。」

目标用户级别可能会在一级和另一级之间变化，这是一个挑战性的点。与其他任何设计项目一样，可以细分受众并将信息相应地分为基本内容和高级内容。

在界面中表示一组信息有多种方法，选择正确的数据指标是设计数据可视化的另一个关键元素。这也与目标用户的偏好有关，即他们希望看到什么样的信息。

「根据需要设计数据可视化界面，为不同的业务使用不同类型的展示方式。」

下面是为目标用户设计数据可视化界面时需要考虑的一些重要规则。

1. 区分层级

一个常见的错误就是设计师没有对信息区分层级，所有的内容看起来都一样重要。

可以尝试使用组件的大小和位置来区分数据的层次结构。

• 通过定义信息层级，让用户清楚什么是最重要的

• 在左上角显示更重要的信息，沿着对角线方向，信息的重要程度应该依次减弱，右下角的信息重要性最弱

• 还可以将信息划分为不同类别，并在不同的视图中显示它们

2. 简单易懂

数据可视化的真正目的是用一种更方便理解，更简单的形式来传达复杂信息。

• 不要放一些大多数用户都难以理解的信息

• 使用更少的列来显示信息

• 删除冗余内容来减少混乱

3. 一致性

使用一致性布局设计的数据可视化界面看起来更好。

• 为了使界面更容易阅读，可以在信息组之间使用类似的可视化效果。

• 把相关的信息放的更近一些

• 对相关内容进行可视化分组

4. 临近原则

在界面中把相近的信息放在一起可以帮助用户快速理解。

• 把相关的信息放的更近一些

• 不要将相关信息分散在界面上

• 对相关内容进行可视化分组

想更深入了解接近原则，看这篇：

用一篇超全面的干货，帮你完全掌握「接近原则」知识点

@研习设K先生 ：不知道你有没有想过这样一个问题，设计真的是只凭借个人喜好，就能随意发挥的工作吗?

5. 对齐

可视化组件元素需要在视觉上对齐，并保持视觉平衡。

• 将可视化组件元素在视觉上进行对齐，可以将界面组织的更好

• 尝试将组件元素进行网格布局设计

• 不对齐的界面会给用户带来糟糕的体验

6. 留白

留白是为了让界面有呼吸感，它使得用户在使用你的界面时能够有喘息的空间。

• 当用户查看需要的信息时，界面中的留白能够吸引用户的目光，提升用户体验。

• 减少留白会使用户的界面变得混乱

• 使用留白能对信息进行可视化分组

△ 留白太少简直就是在鼓励你的用户尽快离开

7. 颜色

使用有效的配色方案来吸引用户的注意力，帮助他们轻松地浏览信息。

• 仔细选择颜色，目标是使内容易于阅读

• 使用大对比度来显示背景上的视觉元素

△ 避免使用低对比度和低效的渐变

8. 字体

标准字体是可视化界面中的最佳字体，除非有特别的理由，一般不要用其他字体。

• 使用标准字体，因为它们更容易阅读和扫描

• 特别和美术字体可能看起来不错，但很难理解

• 避免所有的大写字母文字，因为它很难阅读，人类的大脑需要时间来消化它。

• 使用合适的字体大小和风格，有效地传达信息

△ 不要使用影响可读性的字体

9. 数字排版

显示精度超过要求的数字使它们难以阅读和理解。

• 必要时使用整数，因为长数字会使用户混淆

• 省去不必要的信息

• 让用户能够容易地比较简单的差异细节

10. 标签

使用能够快速有效地向用户传达所需信息的标签。

• 避免使用带旋转的标签，因为很难阅读

• 尽可能的使用标准的缩写

△ 避免旋转标签

总结

数据可视化旨在节省时间和精力，将复杂和抽象的数据以更简单的形式表示，目的是以用户能够理解的方式将关键信息传达给他们，确保自己理解用户所需，并给他们需要的信息。

重在梳理数据的逻辑关系吧

刚接触此类项目就是借鉴。