【工具篇】41 # 常用可视化工具集整理(完结)

简介: 【工具篇】41 # 常用可视化工具集整理(完结)

说明

【跟月影学可视化】学习笔记。



可视化场景主体需求

image.png


可视化常用工具集


基本图形




基础图表


图表库:ECharts、Chart.js、Highcharts、AntV G2

使用 SpriteJS 作为底层图形库,可以使用:QCharts

移动端设备渲染图表:AntV F2

绘制更加灵活的图表,可以选择数据驱动框架:D3.js

Vega:基于 JSON 规范的可视化语法,以声明式的方式来绘制各种图表。(可视化语法规范的思路有很大的借鉴意义)



关系图和流程图

  • Mermaid.js:量级更轻
  • Sigma.jsAntV G6:功能更丰富
  • Dagre:绘制流程图的底层库,主要是用来计算图的元素布局,使用它再结合图形库,可以实现一个绘制流程图的图可视化库。



地理信息可视化



三维模型和数字孪生



可视化工具集思维导图

819b896a96574e06b6c77c6c8dd60620.png






目录
相关文章
|
10月前
|
人工智能 算法
【阅读】一周翻过《构建之法》,笔记整理
🚩 前言 我的阅读方式 我拿到这本书挺久了,之前已经零散地看过一部分,最近一周集中地花了一些时间,将整本书看过了一遍。看得比较粗略,正如“好读书,不求甚解”(我甚至没有去看书中提到的那些参考资料)。
72 0
|
3月前
|
数据可视化 数据挖掘
进度拖延?试试任务可视化神器!
在学术研究中,团队协作面临版本冲突、信息冗余、责任模糊等问题。结合任务管理的文档协同工具,如“板栗看板”,通过实时更新和任务可视化,有效解决这些问题,显著提升团队工作效率,减少任务重复和遗漏,实现跨学科、跨时区的高效协作。
|
5月前
|
数据挖掘
【杂学笔记甲】问题分析和解决的流程及工具介绍
【10月更文挑战第2天】该文档详细介绍了问题解决的过程,包括定义问题、测量问题、分析问题、改善问题和控制问题五个阶段。在定义问题阶段,通过组建跨职能团队和运用4W1H方法明确问题;测量问题阶段则通过逻辑图和流程图等工具进行数据分析;分析问题阶段筛选关键原因并确认;改善问题阶段提出并筛选方案,进行试运行;最后控制问题阶段实施前后对比并总结经验,为后续挑战做准备。
133 11
【杂学笔记甲】问题分析和解决的流程及工具介绍
|
7月前
|
数据采集 数据可视化 算法
GitHub星标68K!Python数据分析入门手册带你从数据获取到可视化
Python作为一门优秀的编程语言,近年来受到很多编程爱好者的青睐。一是因为Python本身具有简捷优美、易学易用的特点;二是由于互联网的飞速发展,我们正迎来大数据的时代,而Python 无论是在数据的采集与处理方面,还是在数据分析与可视化方面都有独特的优势。我们可以利用 Python 便捷地开展与数据相关的项目,以很低的学习成本快速完成项目的研究。
|
9月前
|
人工智能 分布式计算 算法
数据挖掘实战随笔更新清单
这是一系列技术博客的摘要,涵盖了多个主题。包括Elasticsearch实战经验、Maxcompute中的Geohash转换和GPS处理、Python环境配置与管理(如Jupyter、Miniforge、Miniconda)、批量接口调用、多进程CSV图片下载、Excel到Markdown转换、Scikit-learn的异常检测(OC-SVM)和模型总结、人工智能领域的图像分类和识别、文本挖掘算法以及数仓相关的行转列处理。所有文章都在持续更新和补充中。
64 2
|
存储 人工智能
|
机器学习/深度学习 存储 数据可视化
精心整理(含图PLUS版)|R语言生信分析,可视化(二)
精心整理(含图PLUS版)|R语言生信分析,可视化(二)
122 0
|
数据可视化 Go 数据处理
精心整理(含图PLUS版)|R语言生信分析,可视化(一)
精心整理(含图PLUS版)|R语言生信分析,可视化
232 0
|
数据挖掘 BI 数据处理
读者求助|利用 R Markdown 批量制作数据分析报告
读者求助|利用 R Markdown 批量制作数据分析报告
215 0
|
网络协议 Python
精心整理的最全python入门思维导图(第四部分),完结
精心整理的最全python入门思维导图(第四部分),完结
精心整理的最全python入门思维导图(第四部分),完结

热门文章

最新文章