作者：凉皮
编辑：西西姐
封面图：侯爵老师
在这样的一个数据时代，很多事情都是靠数据说话，数据可视化可谓十分重要，一图胜千言。
我们精选了 10 个图表库，无论你是想快速上手做一个数据可视化的网站，还是想做一个汇总数据的仪表盘，又或者想在会议上更好的展示数据，都能在这里面找到最适合你的那一个 📈
D3.js 可以说是图表最全的库了，你能想到的图表类型这里都有。
它也是 GitHub 上加星数最多的图表库，多达 89551 个 Star。这意味着你可以很容易找到一个别人写好的示例，然后改成自己想要的图表。
然而，D3 的缺点在于，它是 2011 年发布的，使用的是比较早期的前端方式来实现，大量依赖了 DOM 操作。如果你喜欢 JQuery，那你使用 D3.js 会很顺滑。然而这会让它与现代的前端框架有点格格不入。
并且 D3 依赖于绘制 SVG 图像，而不是使用 CSS，这就让它占用的内存会大一些。
如果你想使用的图表在其他库中找不到，那 D3 一定有。但如果你对网页内存的要求比较高，可以看看下面更为现代的图表库。
如果你想15分钟以内写好一个图表，那就用 Chart.js 吧。
这是一个小巧的 JS 图表库，在 GitHub 上有 1427671 开发者在用。用 Chart.js 可以快速创建动画、交互式和可定义的图表，它允许用户将不同的图表类型混合在一起使用，它有开箱即用的动画效果，在更改数据、颜色时，都有一个动画过渡。
对初学者比较友好，容易设置，但是图表类型没有别的图表库那么丰富，适合想要快速运行简单图表的开发者。如果是另类需求的话，图表类型可能不够用。
它可以在 HTML5 Canvas上绘制出响应式的图表，在窗口大小改变的时候，重新绘制图表，以此调整缩放比率。
Echarts 是百度前端技术部开发出来的一个纯 JS 的数据可视化库，它兼容现在的大部分浏览器，也可以流畅地运行在 PC 和移动端上。由于中文文档支持的很好，所以在国内的使用最多。
在丰富的图表类型中，实现了的强大的三维可视化，像用 ECharts 普通组件那样使用 ECharts GL 就能绘制出三维的地球，建筑群和人口分布的柱状图等。
在 4.0+版本新增的增量渲染技术，让 ECharts 能够展现千万级的数据量（一般情况下几千万的地理坐标数据存储会占用很大的空间），而在这个数据量级依然能够实现流畅的缩放平移等交互。
地址：
https://echarts.apache.org/zh/index.html
Highcharts 完全基于 HTML5，不用安装任何插件，或配置运行环境。
提供了丰富的图表类型，线图、柱形图、饼图、混合图等，还提供了股票走势图、高级时间轴图和丰富多样的地图，并且附带了很多预构建的图表，它还可以在图表中添加注释。
Highcharts 兼容性很强（IE6+），同时也能完美支持移动端触摸操作和手势缩放。
Highcharts 在 GitHub 上开源，但商用收费。
Matplotlib 是第一个 Python 的数据可视化库，所以很多其他库都是在 matplotlib上构建的。适合用在科学计算领域。
它非常强大，但也比较复杂，没有那么容易弄清楚，想要做出一个看起来还不错的图表，可能就需要写大量的代码。
Matplotlib可以轻松地创建网格，标签，图例等，它的所有内容都是可以自定义的。
Seaborn 是 Matplotlib 基础上建立的，但是在 GitHub上面的星星数要比 Matplotlib多，是本文推荐的 Python 图表库里最多星星的。
如此受欢迎大概是因为 Seaborn 有惊人的默认主题，有了这些内置的默认样式和调色板，我们可以只用几行代码来创建复杂而且漂亮的图表。
Seaborn只是 Matplotlib补充，而不是替代，在很多情况下，还是需要先学一下 Matplotlib 才能调整 Seaborn 相关的默认设置。
Bokeh 基于网页的画图工具库，它的优势在于创建交互式图表，做出来的图表可以保存为 HTML文件。
它可做动图，也可以做仪表盘的排版，也可只打开一张表或者做图表的联动。
有三个不同的程度的接口，一是能快速创建常用图表；二是允许用户控制图表的基本模块，比如说散点图的点；三是没有预设的默认值，要求用户定义图表的每一个元素。
地址：
https://docs.bokeh.org/en/latest/index.html
Chartify 是Spotify 开源的一个 Python 图表库，建立在 bokeh 之上，和其他的图表库相比，它的语法更加简洁友好，API 比较直观易学，而且有非常详细的使用说明。
不同的绘图方法往往需要不同的数据格式，从而要求用户完全重新格式化输入的数据。这导致我们需要花费大量时间将数据操纵到合适的图表上，但是 Chartify 能解决这个问题，它是输入一致的数据格式，可以让你快速创建图表，而且它的预设图表就很漂亮，不用你花费很多的时间来配置美观的图表。
Chartify 灵活性高，如果需要较复杂的绘图功能，可以调用 bokeh 的 API 来操纵 Chartify。
地址：https://pypi.org/project/chartify
Plotly 是一个用于数据可视化的在线平台，Plotly 的团队也维护着用于 R，Python和 JS 的开源的可视化库，像 Bokeh 一样，Plotly 的强项也是制作交互式绘图。
Plotly Dash 可以将我们用 plotly 画出的图通过交互式可视化的方式表达出来，在 web 浏览器中呈现。
Plotly.js 有 40多种图表类型，包括 3D 图表，统计图和 SVG 地图。它大多数绘图都是用 SVG 绘制的，这一点为跨浏览器、矢量图像导出提供了很大的兼容性。
Plotly.py 内置在 Plotly.js 之上，它可以在 Jupyter 笔记本和独立 HTML 文件中查看图表，还提供了一些别的库没有的图表类型，比如树状图、轮廓图等。
infogram 是一个可以在线做图表的平台，只需几分钟，你就可以创建出比较好看的图表，如果想要不敲代码也能做出美观的图表,那这个 infogram 是一个不错的选择。
总结：
👀最易上手奖 Chart.js
如果你时间有限，那 chart.js 绝对是你的最佳选择。
🍻终身成就奖 D3.js
如果你爱 jQuery 那么你也会爱死了 D3.js，你要记得有那么个年代它撑起了图表界的半边天。
👩🏻🎓专业精神奖 Matplotlib
感谢 Matplotlib 在科学计算图表领域带来了容易使用以及最细致入微的文档。
😈十项全能奖 Plotly
能力越大责任越大，能做的这么多，用起来稍微复杂一点也不是什么问题，你说是吧？
😺最佳新人奖 Chartify
如果你会用 Python，那么你就会用 chartify。
