一、Excel

Excel太强大了，在不同人手里，它可以是数据库、可以是数据处理工具，甚至还可以是IDE。当然，我们也可以把Excel当成一款数据可视化工具。

用Excel，我们可以创建专业的数据透视表和基本的统计图表。Excel最大的特点就是简洁方便，它内置了较为全面的图表样式和丰富的设置选项，但操作逻辑都是极为简便易懂的，几乎不需要教程即可摸索掌握。

不过相比于后面介绍的工具，Excel只能算作一款数据可视化的入门级工具。一是因为它难以支撑大数据量的数据可视化，二是它内置的图表在样式、颜色、线条上都只能选默认的，更改自由度不够。

当然，入门级不代表完全没有优势，就我而言，在数据量较小时Excel就是我的作图首选。

二、帆软FineReport

FineReport可以理解为强化过的Excel报表，它虽然没有Excel那么海纳百川，但作为一款专业的报表工具，这款工具有三大亮点，专业、个性、简单。

首先，FineReport提供了几十种统计图表，每类又包含了多种风格样式，能轻松hold住各种可视化场景，支持超大数据量。而且这些图表能支持丰富的交互动作，比如联动、钻取、缩放、排序等，不用来回翻大量的数据，一张报表全搞定，用户体验极佳！

总结一句话，Excel没有的，它都有，Excel有的，它做得更好。

第二，FineReport提供了多种样式选项让用户可自行调整，标题、标签、图例、背景、坐标轴......支持高度个性化！

最后一大亮点，就是FineReport是类Excel设计，用户只要会用Excel就会用FineReport，而且零编码，上手快，用户只需拖拽就能设计出想要的图表。下面这样的可视化大屏小白都能做！

作为数据分析师，ESP三件套（Excel+SQL+Python）都是基本功。在Python数据分析相关的众多第三方包中，可视化库是非常强大的。这里简单介绍2个基础的可视化库：

1、Matplotlib

Matplotlib是python中公认的数据可视化工具，通过Matplotlib，几行代码即可生成线图、直方图、功率谱、条形图、错误图、散点图等，还可以用一些MATLAB函数来更改控制行样式、字体属性、轴属性等。

2、Seaborn

Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝链接，使初学者更容易上手。相对于matplotlib，Seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系。

Echarts是百度出品的一款基于Java实现的开源可视化库，可以流畅运行在PC和移动设备上，兼容当前绝大部分浏览器，底层依赖轻量级的矢量图形库 ZRender，提供直观，交互丰富，可高度个性化定制的数据可视化图表。

Echarts支持在绘制完数据后再对其进行操作，这一特性可以让用户可以在图表之间拖动一部分的数据并得到实时的反馈。

Echarts最值得称道的是它极其丰富的图表类型，除了常规的统计图表，ECharts 还能提供自定义系列，只需传入一个renderItem函数，就可以从数据映射到任何你想要的图形，更棒的是这些都还能和已有的交互组件结合使用而不需要操心其它事情。

在数据分析中，基于地理数据的分析是常用到的。比如环境数据分析、物流中的OD分析、交通流量分析等等。在客户分析中，也常会遇到客户地址的热力分析等需求。

高德地图Map Lab就是一款免费好用的地图分析工具，它支持CSV、Excel、DB数据以及其他api接口获取数据，可绘制热力图、行政区填充热力图、3D热力、3D柱形图等各种图形。

它支持自定义地图样式，用户可通过改变背景颜色，到道路标识等创建个性化地图，还支持3D立体的热力图、蜂窝图、3D柱形图等等

好的可视化是会讲故事的。数据可视化是数据分析和报告的重要工具，无论是报表工程师还是数据分析师，都要get这一技能，本文介绍的Excel、帆软FineReport、Python、Echarts、高德地图Map Lab五款数据可视化工具都比较好用而且各有专长，值得大家去尝试。

看下面！