Der er en bred vifte af software til datavisualisering, hver med dens styrker og svagheder. Her er en sammenbrud baseret på forskellige behov:
til begyndere og generel brug:
* Tableau Public: Gratis, træk-og-slip-interface, fantastisk til grundlæggende diagrammer og dashboards. Begrænset datalagring.
* Google Data Studio: Gratis, webbaseret, let at bruge, fremragende til at oprette forbindelse til Google-produkter som ark og analyse.
* Power BI Desktop: Gratis, robust værktøj fra Microsoft, fremragende til at oprette forbindelse til forskellige datakilder, kraftfulde visualiseringer.
* excel: Et velkendt værktøj, tillader grundlæggende diagrammer og en vis tilpasning. Begrænset til komplekse visualiseringer.
* plotly: Open source Python Library, fantastisk til interaktive visualiseringer og webapplikationer.
For mere avancerede brugere og dataforskere:
* Python -biblioteker:
* Matplotlib: Fundament for mange andre biblioteker, alsidige til 2D -grunde.
* Seaborn: Bygget på Matplotlib fokuserer på statistisk datavisualisering, visuelt tiltalende plot.
* Plotly Express: Lettere at bruge indpakning omkring plottet, fantastisk til interaktive webbaserede visualiseringer.
* bokeh: Til interaktive grunde og dashboards kan bruges til webapplikationer.
* r -biblioteker:
* ggplot2: Grammatik af grafiktilgang giver mulighed for meget tilpassede plot.
* skinnende: Interaktive webapplikationer til R -visualiseringer.
* indlægsseddel: Til interaktive kort og geografiske data.
* Andre værktøjer:
* d3.js: JavaScript -bibliotek til at skabe meget tilpasselige, interaktive visualiseringer.
* Altair: Python Declarative Visualization Library, fokuserer på at skabe grunde ved hjælp af en kortfattet syntaks.
Specifikke behov:
* Geografiske data: QGIS, ArcGIS, indlægsseddel (til webapplikationer).
* Data af tidsserier: Grafana, Prometheus, Kibana.
* Business Intelligence: Tableau Desktop, Power BI, Looker.
* Maskinindlæring Visualiseringer: Tensorboard (til TensorFlow -modeller), Mlflow.
Valg af det rigtige værktøj:
* dine data: Overvej datatypen, størrelsen og kilden.
* dine evner: Er du nybegynder eller ekspert?
* Dine mål: Hvilken slags visualisering har du brug for?
* Budget: Nogle værktøjer er gratis, andre betales.
* team: Har dit team brug for at samarbejde om visualiseringer?
Det er bedst at prøve et par forskellige værktøjer for at se, hvilken der fungerer bedst til dine behov. Mange tilbyder gratis forsøg eller endda gratis versioner.
