可视化工具对比
在数据可视化领域中，存在多种可视化工具，每种工具都有其特点、优缺点和应用场景。在本文中，我们将对比多种可视化工具，涵盖 JavaScript 库、R 语言、Matlab、Excel、SPSS、Gephi、Weka 和 Tableau Public 等。
JavaScript 库
1. D3.js: 小型、灵活、高效的数据可视化库，用来创建和操作基于数据的交互式文档。特点是灵活性很强，但使用繁琐，需要较长时间来掌握。
2. Flot: 提供简单的方法来增加互动性图表道你的网站或是网站应用程式。只支持所有支持 canvas 的浏览器。
3. HighCharts: 能够很简单便捷的在 Web 网站或是 Web 应用程序添加有交互性的图表。对商业用户需付费。
4. Google Charts: 提供了非常多可使用的图表类型，包内建含动画和使用者互动控制的功能。无法离线使用或者将结果另存其他格式。
5. jqPlot: 适合不需要自定义样式的情况。只支持线性、柱状、饼状的图表。
6. ECharts: 深度数据互动可视化 svg 性能相比 canvas 较差。
7. Kartograph: 不需要任何地图提供者用来建立互动式地图，由两个库组成。功能相对简单。
8. Leaflet: 容量只占 JavaScript 的 31KB，拥有所有大部分开发商所需要线上地图的特色，有效率的跨桌上需安装插件才可扩展。
R 语言
1. ggplot2: 比较适合多维数据的分析场景，可以从数据的多个切面，进行分析。其制作的图形没有交互性。
其他工具
1. Processing: 避免了插件的安装让其使用起来更加方便，非常适合处理及网络开发。1. 运算量有限；2. 入门门槛有点高；3. 得和别的软件配合。
2. PolyMaps: 显示贴片地图的库，在贴片上可以叠加数据层。主要面向数据可视化用户。
3. Modest Maps: 体积小巧，提供核心设定在紧密、清楚的套件特色，拥有许多额外的功能，支持 IE 和其他浏览器的老版本。只提供一些基本的地图功能，需与一些扩展库配合。
4. Excel: 将工作表中的数据用图形表示出来，更易于理解和交流。需 Office 套件，图形化功能并不强大。
5. Matlab: 高效的数值计算及符号计算功能；具有完备的图形处理功能；友好的用户界面及接近数学表达式的自然化语言；功能丰富的应用工具箱；不能广泛的应用在软件编程中；工具箱之间的协作能力不是很好；缺省画图不美观，锯齿，系统函数命名不够规范。
6. SPSS: 操作界面极为友好，输出结果美观漂亮；全平台的交互式可视化平台，特别适用于复杂的大数据可视化工作。
7. Gephi: 兼具互动性视觉化及搜尋平台；高效简易的布局工具。滥用太多，图形容易产生误导性，而且就算对于了解数学意义的人也难以解读。
8. Weka: 集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。目前多用作学术科研。
9. Tableau Public: 集成为单一的可视化分析过程，该过程使用户可按照其思路快速查看其数据中的模式并动态切换视图。无法在电脑本地保存图表，接入数据源的类型和大小都亦有所限制。
选择合适的可视化工具取决于项目的需求和个人 preferences。
