4個最受歡迎的大資料視覺化工具-知識星球

授權轉載自大資料文摘 ID：BigDataDigest

原文作者Volodymyr Fedak

翻譯：胡雯思

想像閱讀書本一樣閱讀資料流？這隻有在電影中才有可能發生。在現實世界中，企業必須使用資料視覺化工具來讀取原始資料的趨勢和樣式。

大資料視覺化是進行各種大資料分析解決的最重要組成部分之一。一旦原始資料流被以影象形式表示時，以此做決策就變得容易多了。為了滿足並超越客戶的期望，大資料視覺化工具應該具備這些特徵：

· 能夠處理不同種型別的傳入資料

· 能夠應用不同種類的過濾器來調整結果

· 能夠在分析過程中與資料集進行互動

· 能夠連線到其他軟體來接收輸入資料，或為其他軟體提供輸入資料

· 能夠為使用者提供協作選項

儘管實際上存在著無數專門用於大資料視覺化的工具，且它們都是既開源又專有的，在這其中還是有一些工具表現比較突出，因為它們提供了上述所有或者很多部分功能。我們將介紹4種最受歡迎的大資料視覺化工具，幫助大家選擇適合自己需求的工具。

Jupyter：大資料視覺化的一站式商店

JupyteR是一個開源專案，透過十多種程式語言實現大資料分析、視覺化和軟體開發的實時協作。它的界麵包含程式碼輸入視窗，並透過執行輸入的程式碼以基於所選擇的視覺化技術提供視覺可讀的影象。

但是，以上提到的功能僅僅是冰山一角。 Jupyter Notebook可以在團隊中共享，以實現內部協作，並促進團隊共同合作進行資料分析。團隊可以將Jupyter Notebook上傳到GitHub或Gitlab，以便能共同合作影響結果。團隊可以使用Kubernetes將Jupyter Notebook包含在Docker容器中，也可以在任何其他使用Jupyter的機器上執行Notebook。在最初使用Python和R時，Jupyter Notebook正在積極地引入Java，Go，C＃，Ruby等其他程式語言編碼的核心。

除此以外，Jupyter還能夠與Spark這樣的多框架進行互動，這使得對從具有不同輸入源的程式收集的大量密集的資料進行資料處理時，Jupyte能夠提供一個全能的解決方案。

Tableau：AI，大資料和機器學習應用視覺化的最佳解決方案

Tableau是大資料視覺化的市場領導者之一，在為大資料操作，深度學習演演算法和多種型別的AI應用程式提供互動式資料視覺化方面尤為高效。

Tableau可以與Amazon AWS，MySQL，Hadoop，Teradata和SAP協作，使之成為一個能夠建立詳細圖形和展示直觀資料的多功能工具。這樣高階管理人員和中間鏈管理人員能夠基於包含大量資訊且容易讀懂的Tableau圖形作出基礎決策。

Google Chart：Google支援的免費而強大的整合功能

谷歌是當今領導力的代名詞。正如谷歌瀏覽器是當前最流行的瀏覽器一樣，谷歌圖表也是大資料視覺化的最佳解決方案之一，更不用說它是完全免費的，並得到了Google的大力技術支援。為什麼它能得到Google的支援？因為透過Google Chart來分析的資料顯然是要用於訓練Google研發的AI，這樣的合作對於各方來說都是雙贏的。

Google Chart提供了大量的視覺化型別，從簡單的餅圖、時間序列一直到多維互動矩陣都有。圖表可供調整的選項很多。如果需要對圖表進行深度定製，可以參考詳細的幫助部分。

該工具將生成的圖表以HTML5 / SVG呈現，因此它們可與任何瀏覽器相容。 Google Chart對VML的支援確保了其與舊版IE的相容性，並且可以將圖表移植到最新版本的Android和iOS上。更重要的是，Google Chart結合了來自Google地圖等多種Google服務的資料。生成的互動式圖表不僅可以實時輸入資料，還可以使用互動式儀錶板進行控制。

D3.js：以任何您需要的方式直觀地顯示大資料

D3.js代表Data Driven Document，一個用於實時互動式大資料視覺化的JS庫。由於這不是一個工具，所以使用者在使用它來處理資料之前，需要對Javascript有一個很好的理解，並能以一種能被其他人理解的形式呈現。除此以外，這個JS庫將資料以SVG和HTML5格式呈現，所以像IE7和8這樣的舊式瀏覽器不能利用D3.js功能。

從不同來源收集的資料如大規模資料將與實時的DOM系結並以極快的速度生成互動式動畫（2D和3D）。 D3架構允許使用者透過各種附件和外掛密集地重覆使用程式碼。

最後的想法

以上提到的4種視覺化工具只不過是大量線上或獨立的資料視覺化解決方案和工具中的一部分。每家公司都能夠找到最適合他們的工具，並能夠使用這些工具幫助他們將輸入的原始資料轉化為一系列清晰易懂的影象和圖表。這些資料本身沒有任何價值，是藉助視覺化做的決策幫助它們實現驅動價值的 – -資料視覺化工具有助於確定趨勢和樣式，從而做出有證據支援的決策。

我們希望您能在大資料視覺化原理，技術和工具方面找到有用和有趣的系列文章。如果有，請廣泛分享！