力導向演算法

『壹』 大數據研究常用軟體工具與應用場景

大數據研究常用軟體工具與應用場景

如今，大數據日益成為研究行業的重要研究目標。面對其高數據量、多維度與異構化的特點，以及分析方法思路的擴展，傳統統計工具已經難以應對。

工欲善其事，必先利其器。眾多新的軟體分析工具作為深入大數據洞察研究的重要助力， 也成為數據科學家所必須掌握的知識技能。

然而，現實情況的復雜性決定了並不存在解決一切問題的終極工具。實際研究過程中，需要根據實際情況靈活選擇最合適的工具（甚至多種工具組合使用），才能更好的完成研究探索。

為此，本文針對研究人員（非技術人員）的實際情況，介紹當前大數據研究涉及的一些主要工具軟體（因為相關軟體眾多，只介紹常用的），並進一步闡述其應用特點和適合的場景，以便於研究人員能有的放矢的學習和使用。

傳統分析/商業統計

Excel、SPSS、SAS 這三者對於研究人員而言並不陌生。

Excel 作為電子表格軟體，適合簡單統計（分組/求和等）需求，由於其方便好用，功能也能滿足很多場景需要，所以實際成為研究人員最常用的軟體工具。其缺點在於功能單一，且可處理數據規模小（這一點讓很多研究人員尤為頭疼）。這兩年Excel在大數據方面（如地理可視化和網路關系分析）上也作出了一些增強，但應用能力有限。

SPSS（SPSS Statistics)和SAS作為商業統計軟體，提供研究常用的經典統計分析（如回歸、方差、因子、多變數分析等）處理。
SPSS 輕量、易於使用，但功能相對較少，適合常規基本統計分析
SAS 功能豐富而強大（包括繪圖能力），且支持編程擴展其分析能力，適合復雜與高要求的統計性分析。

上述三個軟體在面對大數據環境出現了各種不適，具體不再贅述。但這並不代表其沒有使用價值。如果使用傳統研究方法論分析大數據時，海量原始數據資源經過前期處理（如降維和統計匯總等）得到的中間研究結果，就很適合使用它們進行進一步研究。

數據挖掘

數據挖掘作為大數據應用的重要領域，在傳統統計分析基礎上，更強調提供機器學習的方法，關注高維空間下復雜數據關聯關系和推演能力。代表是SPSS Modeler（注意不是SPSS Statistics，其前身為Clementine）

SPSS Modeler 的統計功能相對有限, 主要是提供面向商業挖掘的機器學習演算法（決策樹、神經元網路、分類、聚類和預測等）的實現。同時，其數據預處理和結果輔助分析方面也相當方便，這一點尤其適合商業環境下的快速挖掘。不過就處理能力而言，實際感覺難以應對億級以上的數據規模。

另一個商業軟體 Matlab 也能提供大量數據挖掘的演算法，但其特性更關注科學與工程計算領域。而著名的開源數據挖掘軟體Weka，功能較少，且數據預處理和結果分析也比較麻煩，更適合學術界或有數據預處理能力的使用者。

1、通用大數據可視化分析

近兩年來出現了許多面向大數據、具備可視化能力的分析工具，在商業研究領域，TableAU無疑是卓越代表。

TableAU 的優勢主要在於支持多種大數據源/格式，眾多的可視化圖表類型，加上拖拽式的使用方式，上手快，非常適合研究員使用，能夠涵蓋大部分分析研究的場景。不過要注意，其並不能提供經典統計和機器學習演算法支持， 因此其可以替代Excel, 但不能代替統計和數據挖掘軟體。另外，就實際處理速度而言，感覺面對較大數據（實例超過3000萬記錄）時，並沒有官方介紹的那麼迅速。

2 、關系分析

關系分析是大數據環境下的一個新的分析熱點（比如信息傳播圖、社交關系網等），其本質計算的是點之間的關聯關系。相關工具中，適合數據研究人員的是一些可視化的輕量桌面型工具，最常用的是Gephi。

Gephi 是免費軟體，擅長解決圖網路分析的很多需求，其插件眾多，功能強且易用。我們經常看到的各種社交關系/傳播譜圖, 很多都是基於其力導向圖（Force directed graph）功能生成。但由於其由java編寫，限制了處理性能（感覺處理超過10萬節點/邊時常陷入假死），如分析百萬級節點（如微博熱點傳播路徑）關系時，需先做平滑和剪枝處理。 而要處理更大規模（如億級以上）的關系網路（如社交網路關系）數據，則需要專門的圖關系資料庫（如GraphLab/GraphX）來支撐了，其技術要求較高，此處不再介紹。

3、時空數據分析

當前很多軟體（包括TableAU）都提供了時空數據的可視化分析功能。但就使用感受來看，其大都只適合較小規模（萬級）的可視化展示分析，很少支持不同粒度的快速聚合探索。

如果要分析千萬級以上的時空數據，比如新浪微博上億用戶發文的時間與地理分布（從省到街道多級粒度的探索）時，推薦使用 NanoCubes（http://www.nanocubes.net/）。該開源軟體可在日常的辦公電腦上提供對億級時空數據的快速展示和多級實時鑽取探索分析。下圖是對芝加哥犯罪時間地點的分析，網站有更多的實時分析的演示例子

4、文本/非結構化分析

基於自然語言處理（NLP）的文本分析，在非結構化內容（如互聯網/社交媒體/電商評論）大數據的分析方面（甚至調研開放題結果分析）有重要用途。其應用處理涉及分詞、特徵抽取、情感分析、多主題模型等眾多內容。

由於實現難度與領域差異，當前市面上只有一些開源函數包或者雲API（如BosonNLP）提供一些基礎處理功能，尚未看到適合商業研究分析中文文本的集成化工具軟體（如果有誰知道煩請通知我）。在這種情況下，各商業公司（如HCR）主要依靠內部技術實力自主研發適合業務所需的分析功能。

前面介紹的各種大數據分析工具，可應對的數據都在億級以下，也以結構化數據為主。當實際面臨以下要求： 億級以上/半實時性處理/非標准化復雜需求 ，通常就需要藉助編程（甚至藉助於Hadoop/Spark等分布式計算框架）來完成相關的分析。 如果能掌握相關的編程語言能力，那研究員的分析能力將如虎添翼。

當前適合大數據處理的編程語言，包括：

R語言——最適合統計研究背景的人員學習，具有豐富的統計分析功能庫以及可視化繪圖函數可以直接調用。通過Hadoop-R更可支持處理百億級別的數據。 相比SAS，其計算能力更強，可解決更復雜更大數據規模的問題。

Python語言——最大的優勢是在文本處理以及大數據量處理場景，且易於開發。在相關分析領域，Python代替R的勢頭越來越明顯。

Java語言——通用性編程語言，能力最全面，擁有最多的開源大數據處理資源（統計、機器學習、NLP等等）直接使用。也得到所有分布式計算框架（Hadoop/Spark）的支持。

前面的內容介紹了面向大數據研究的不同工具軟體/語言的特點和適用場景。 這些工具能夠極大增強研究員在大數據環境下的分析能力，但更重要的是研究員要發揮自身對業務的深入理解，從數據結果中洞察發現有深度的結果，這才是最有價值的。

以上是小編為大家分享的關於大數據研究常用軟體工具與應用場景的相關內容，更多信息可以關注環球青藤分享更多干貨

『貳』 求教力導向布局演算法實現

在現代企業制度下，提高經濟效益是企業生產經營的出發點和落腳點。要提高企業經濟效益，關鍵在於加強企業成本治理，不斷降低產品成本，這已成為人們的共識。降低產品成本，應從以下幾個方面著手進行。一、樹立系統整合思想，選擇適合的合作夥伴企業購買原材料、生產產品、出售產成品，是一項系統工程，企業不能把降低產品成本看作是企業的孤立行為，而應把組成向最終市場供貨鏈條的所有生產商和中間商作為降低產品成本的有機整體。只有整個系統降低成本費用，向最終市場供給的產品價格才能降低，才能提高產品競爭力。因此，要使產品在市場上有競爭力，需要整個供給系統的全體成員達成共識，彼此之間建立一種唇齒相依的關系，聯合起來、共同努力，切切實實地去降低整個供給系統生產和流通過程的費用，以提高產品競爭能力。供給系統中，任何一個成員的不協調行為，都會影響產品的競爭能力。所以，企業降低產品成本和經營治理費用的關鍵途徑之一，是必須選擇適合的分銷商、經銷商等合作夥伴。二、合理配置和使用資源，提高資源配置效率企業資源配置包括人力資源、資本資源和自然資源之間的合理比例和各種資源內部的合理結構兩個方面。企業要形成一定的生產能力，必須具備各種各樣的資源。通過合理配置和使用資源，各項資源才能發生相互作用，不同的資源配置會形成不同的生產能力。創造不同的經濟效益。因此，企業必須謀求有效、合理地配置和利用各項資源，提高資源配置效益。才能降低產品成本。在實際工作中，資源的取得需要支付一定的成本，但資源組合是不需支付成本的。企業應合理配置資源，建立最佳資源組合，利用無需支付成本的最佳資源組合，創造超額價值。資源組合形成的創造超額效益的能力，建立在個別資源和企業人員的勞動基礎之上，通過人的勞動對各項個別資源進行組合，從而形成新的生產能力。三、重視知識因素，開發特有產品目前正處於知識經濟時代，知識經濟是以知識為主要經濟資源的一種新型經濟形態。在知識經濟時代，知識已構成生產要素的重要因素，而且處於主導地位。知識價值在企業生產的產品的總價值中所佔的比重不斷增加，知識產品成為知識經濟時代最有代表性和最有競爭力的產品，成為衡量商品和服務有效性的重要標准。因此，企業應致力於研究、開發新項目，從而擁有發展生產的主動權，從高層次上優化產品結構，增強企業競爭力。應該指出的是，在知識經濟的資產結構中，有形資產退居其次，無形資產在企業資產中的比重日益增多，以知識為基礎的商標權、專利權、商譽、技術、品牌、信息、產品創新等無形資產所佔的比重日益提高。所以，企業應充分考慮這些無形資產因素，如利用名優品牌，採取品牌擴展策略推出改良產品或新產品，可以節省很多宣傳介紹新產品的費用，使新產品能迅速地、順利地打入市場。四、提高產品質量，減少產品無形損失產品質量與成本之間互為因果關系，可以兩方面去熟悉：在一般情況下，高質量的產品是建立在高成本的基礎之上的，成本是原因，質量是結果。但有時企業的高成本卻是因為產品質量不好造成的，一是生產過程中的廢品損失和返修的費用會加大產品成本。二是伴隨質量低劣出現的產品質量不穩，使得產品售後的維修服務費用增加。因此要樹立提高質量就是降低成本的觀念，減少廢品損失、產品售後的維修服務費用，減少由於商品過時、過季和供過於求造成產品貶值而形成的無形損失。因此，保證合理的產品質量，就可在很大程度上控制了產品的成本，在相同產品成本的情況下，保證產品的價格優勢，從而獲得較強的競爭優勢。與此同時，保證合理的產品質量，又能夠消除和盡可能減少產品的無形損失及廢品損失和返修的費用，那麼產品就能以較低的價格投放市場，贏得更多的市場需求和企業需求。因此，在降低成本中必須考慮如何提高產品質量，減少產品無形損失。首先是按市場需求開發產品和組織生產；其次是盡量縮短產品在流通領域的待售時間；再次是減少產品在流通領域的待售數量。這就要求企業建立對市場需求的靈活而快速的反應機制，具有彈性的生產能力。一旦市場有了需求便迅速進行生產。只有這樣，才能把無形損失降低到最低程度。

五、加速資金周轉，降低產品成本加速資金周轉仍然是降低產品成本的重要途徑。企業應通過及時采購、及時生產、及時銷售，來加速資金周轉，降低產品成本。加速資金周轉的關鍵，是企業的經營治理要以市場需要為導向，以信息治理為紐帶，把企業的采購、生產、銷售進行有機整合，建立具有彈性的生產能力，盡可能地縮短產品的生產周期，這樣就能對多變的市場需求作出快速、靈敏反應、一旦市場有了需求，就組織產品的生產、原材料的零部件的采購，產品完工後就可馬上進入銷售領域。這樣就能把原材料、零部件、在產品、產成品的資金佔用、有形和無形損耗及治理費用等期間費用降低到最低程度。六、重視信息治理，建立信息溝通體系信息是知識經濟時代的主要產品，信息技術是知識經濟的主要支柱。進行猜測需要搜集有關工作所需要的信息；與其他部門溝通和協調需要傳遞信息；領導做出決
策、計劃下達執行的過程也是信息流動的過程。同樣，控制活動也離不開信息，要想及時發現偏差，採取適當的修正行動，首先必須有信息反饋，把握有關環境變化的信息、計劃執行結果的信息。目前，信息技術正日益滲透到社會生活的各個方面，對人類社會的進步和發展產生了深遠影響，使得信息的擴散與應用大大加快，決策、交易可在瞬間完成。在日益激烈的市場競爭中，誰最早獲得准確詳實的信息，及時作出准確猜測、正確決策，誰就能擁有主動權，在市場競爭中占據主導地位；同時，還可以最大限度地規避市場競爭風險，防範由於信息原因造成的猜測不準而導致的決策失誤，使企業正常的生產經營活動得以順利進行。否則，信息匾乏必將使企業難以應付瞬息萬變的市場經濟環境，不能對環境變化帶來的不確定因素進行科學猜測，不能有預見性地採取各種防範措施，從而使企業遭受風險損失。可見，重視信息治理，建立信息反饋、猜測、決策網路將決定著企業在激烈的市場競爭中的興衰存亡，企業必須建立起一個完整、暢通、清楚、高效的信息溝通體系。這對企業生產適銷對路的產品，提高企業競爭能力意義重大。七、利用共享資源，降低產品成本
共享資源指產品的成本與分攤資源費用的產品數量有關，分享這類資源的產品數量越多，分攤到單位產品中的成本就越低，如：企業固定資產、產品的研究開發費用、資源的采購費用、信息使用費用、市場開發費用等等，都是共享資源。增加使用這些共享資源的規模和頻率，就可以降低產品的成本。

五、加速資金周轉，降低產品成本加速資金周轉仍然是降低產品成本的重要途徑。企業應通過及時采購、及時生產、及時銷售，來加速資金周轉，降低產品成本。加速資金周轉的關鍵，是企業的經營治理要以市場需要為導向，以信息治理為紐帶，把企業的采購、生產、銷售進行有機整合，建立具有彈性的生產能力，盡可能地縮短產品的生產周期，這樣就能對多變的市場需求作出快速、靈敏反應、一旦市場有了需求，就組織產品的生產、原材料的零部件的采購，產品完工後就可馬上進入銷售領域。這樣就能把原材料、零部件、在產品、產成品的資金佔用、有形和無形損耗及治理費用等期間費用降低到最低程度。六、重視信息治理，建立信息溝通體系信息是知識經濟時代的主要產品，信息技術是知識經濟的主要支柱。進行猜測需要搜集有關工作所需要的信息；與其他部門溝通和協調需要傳遞信息；領導做出決
策、計劃下達執行的過程也是信息流動的過程。同樣，控制活動也離不開信息，要想及時發現偏差，採取適當的修正行動，首先必須有信息反饋，把握有關環境變化的信息、計劃執行結果的信息。目前，信息技術正日益滲透到社會生活的各個方面，對人類社會的進步和發展產生了深遠影響，使得信息的擴散與應用大大加快，決策、交易可在瞬間完成。在日益激烈的市場競爭中，誰最早獲得准確詳實的信息，及時作出准確猜測、正確決策，誰就能擁有主動權，在市場競爭中占據主導地位；同時，還可以最大限度地規避市場競爭風險，防範由於信息原因造成的猜測不準而導致的決策失誤，使企業正常的生產經營活動得以順利進行。否則，信息匾乏必將使企業難以應付瞬息萬變的市場經濟環境，不能對環境變化帶來的不確定因素進行科學猜測，不能有預見性地採取各種防範措施，從而使企業遭受風險損失。可見，重視信息治理，建立信息反饋、猜測、決策網路將決定著企業在激烈的市場競爭中的興衰存亡，企業必須建立起一個完整、暢通、清楚、高效的信息溝通體系。這對企業生產適銷對路的產品，提高企業競爭能力意義重大。七、利用共享資源，降低產品成本
共享資源指產品的成本與分攤資源費用的產品數量有關，分享這類資源的產品數量越多，分攤到單位產品中的成本就越低，如：企業固定資產、產品的研究開發費用、資源的采購費用、信息使用費用、市場開發費用等等，都是共享資源。增加使用這些共享資源的規模和頻率，就可以降低產品的成本。

『叄』 大數據選址是如何實現的

大數據選址為零售業創業者獲得了深刻、全面的洞察能力，並提供了前所未有的空間與潛力。
何為大數據選址？
大數據時代下的精準選址是指通過大數據進行整合分析，獲取用戶的喜好和行為需求，對商圈消費群體的購買力進行分析，找出適合店面的絕佳位置。
大數據精準選址的核心可以概括為幾大關鍵詞：用戶、需求、峰值以及熱力分布。
以往的店面選址方式，是先根據當地的城市，對城市商圈、人口流動量、周圍的小區、以及實際住戶量等等， 做出詳細的對比和考察。然後再通過自身的經濟情況，選出一個自己能夠承擔得了，且地段好的店面位置。
而大數據選址，則為店面選址制定了更加詳細周密的計劃，將選址細化為兩個流程。
第一步先鎖定商圈，選址系統內有著全國熱力值分布的整合數據，系統根據加盟商提供的區域，根據外賣峰值的數據進行按比例分成，通過區域內外賣的需求量鎖定商圈。
根據外賣峰值鎖定商圈是有一定的科學依據，據研究發現，人們在追求高效率的生活中，存在一個就近原則。在食客選擇外賣的時候，無論是在配送時間或者是距離，都是優先考慮到的問題。
外賣峰值高的商圈有著大量的消費群體，也就蘊含著巨大的商機，而用外賣反襯堂食，在日常營業中有效的引流，更能刺激消費。
在鎖定好商圈以後，第二步就是確定店面的位置了，營運師傅會親自上門進行考察，對鎖定的商圈進行分析。
根據不同項目所針對的消費群體以及加盟商自身的經濟狀況，選出一個客流量旺盛且地段好的店面位置。
開啟餐飲作為最早一批大數據選址系統的嘗試者，在8月份正式全面上線，上線一月之內就受到其合作商的一致好評，幫助了加盟商快速精確地確定店面，縮短了開業前的准備時間。實踐證明，大數據選址系統確確實實存在著優越性！
大數據選址系統之所以受到合作商的關注，是因為他們深知選址的重要性。對開店創業者來說，選址關系著店鋪的發展前途，關系著店鋪經營目標的實現，關系著市場的火爆程度，還關系著顧客需求的滿足。可以說，做好了選址，開店創業就成功了一半。
阿拉丁智店「慧選址」在國內獨家實現了店鋪選址相關所有權威數據源的集成和整合。
數據方面，基於三大運營商15億去標識化的手機信令數據、BAT網民上網和搜索特徵數據、全國銀行卡消費數據，以及全國寫字樓數據、小區數據和全量POI數據，阿拉丁智店「慧選址」實現了任選地理區域全量用戶全時段、全方位覆蓋。通過3700個用戶標簽，可以精準篩選和鎖定目標客群。目前，我們日處理5480億條上網記錄信息、670億位置記錄信息，成功識別4200個手機品牌、20萬個互聯網產品、7000餘款APP、10.5萬個終端型號和4億個URL。
選址演算法和模型方面，我們通過核密度模型、空間插值模型、ODPA模型、力導向布局模型、商圈分析模型、價值因素模型等經典演算法和模型的開發，為零售企業的選址提供了智能化保障。
目前，阿拉丁智店已經為麥當勞、星巴克、工商銀行、武漢某知名連鎖超市、中國福彩、殘聯等上千家政府機構和企業提供了智能選址服務，取得了明顯收益和效果，受到客戶的高度評價。

『肆』 國內有哪些好的數據可視化工具，推薦一下

誠然，數據可視化可謂是數據分析工作的最後一道工序，前面的作業做得再好，如果不能很好地展現出來，那就算是臨門一腳、功虧一簣了……下面給大家列出好用的數據可視化工具清單，希望可以為你的學習或工作帶來一些幫助。

1、強大的R可視化包-ggplot2

R是一款偏向於統計分析的腳本語言軟體，基於S語言開發，如果你是R語言忠實fans，我相信你一定不會不知道R里單獨的一個繪圖包—ggplot2，之所以給ggplot2「強大」的頭銜，一方面確實能夠輕松應付各個領域的圖像繪制，靜態的，動態的，說的出名字的，個性化特製的；另一方面小編就是學統計學的，自然相對熟悉這個包。

ggplot2由Hadley Wickham在2005年創造。受歡迎的原因是將圖形分解為語素（如尺度、圖層）的思想。ggplot2可以作為R語言基礎繪圖包的替代，同時ggplot2預設有多種印刷及網頁尺寸。

當然有些數據分析軟體也帶透視表、繪圖功能，如MySQL、SPSS，但數據可視化不作為主要功能，這里就不如上面較詳細說了。

『伍』 如何成為一名初級數據分析師

初級數據分析師，需要掌握概率論和統計理論基礎，能夠熟練運用 Excel、SPSS、SAS 等一門專業分析軟體，有良好的商業理解能力，能夠根據業務問題指標利用常用數據分析方法進行數據的處理與分析，並得出邏輯清晰的業務報告。

就業方向：政府、金融、電信、零售等行業前端業務人員

Excel學習：Excel基礎操作，逐步學習公式與函數、格式設置、數據高級分析、模擬分析、數據透視表、圖表、後期列印以及宏與VBA。數據處理，數據清洗，數據加工，數據抽樣，數據報表自動化等(黑體項為必會項)

Tableau學習：Tableau的數據連接與編輯、圖形編輯與展示功能，包括數據連接與管理、基礎與高級圖形分析、地圖分、高級數據操作、基礎統計分析、如何與 R 集成進行高級分析、分析圖表整合以及分析成果共享等

Echarts學習：支持折線圖（區域圖）、柱狀圖（條狀圖）、散點圖（氣泡圖）、K 線圖、餅圖（環形圖）、雷達圖（填充雷達 圖）、和弦圖、力導向布局圖、地圖、儀盤、漏斗圖、事件河流圖等 12 類圖表，同時提供標題，詳情氣泡、圖例、值域、據區域、時間軸、工具箱等 7 個可交 互組件，支持多圖表、組件的聯動和混搭展現，最終達到能夠利用 Echarts 圖表結合後端數據進行前端可視化報表展示

數據挖掘精通（Excel、Oracle、SPSS 初步）：oracle 資料庫和辦公軟體 excel，用於存儲及處理數據挖掘所需的數據，oracle 資料庫（SQL，關系型資料庫進行簡單的了解）使用 excel 作為簡單入門工具對數據挖掘進行了演算法實現，數據挖掘專業工具 SPSS MODELER做一些基礎性分析（聚類，回歸，時序等）

PPT，xmind，Visio學習：visio用來畫業務流程圖，xmind是思維導圖，PPT是用來做匯報的，三個工具學的淺顯一點就行，主要為寫數據分析報告服務的

思維的學習：BRD,MRD,PRD書寫思路，競品分析，數據產品規劃與設計，盡可能了解這些文檔的含義，並能針對一兩款APP產品，完成上述的文檔要求。

統計學（必學）：初級數據分析師，對統計要求不高，大部分只有涉及到方差，標准差，一般不會很深奧，但是到中級可能就要求會比較多。

數據分析分析基本思路：採集、清理、轉化、存儲、可視化、分析決策等等，分析師得對各個行業有比較深的行業經驗，特別是行業流程，各個行業的數據分析必須對業務流程熟悉，才能談決策。

『陸』 什麼是力導向布局圖

力導向圖（Force-Directed Graph），是繪圖的一種演算法。在二維或三維空間里配置節點，節點之間用線連接，稱為連線。各連線的長度幾乎相等，且盡可能不相交。節點和連線都被施加了力的作用，力是根據節點和連線的相對位置計算的。根據力的作用，來計算節點和連線的運動軌跡，並不斷降低它們的能量，最終達到一種能量很低的安定狀態。

力導向圖能表示節點之間的多對多的關系

『柒』 要生成像 iOS 8 Health 應用那樣的圖表，有哪些比較好用的庫

JS圖形、圖標庫推薦：

1. JS Charts

JS Charts 是個基於JavaScript的圖表生成器，不需要任何編碼。JS Charts 非常容易使用，只要用戶使用客戶端腳本（比如，在 web 瀏覽器中執行）。它不需要多餘的插件和伺服器模塊，只需要下載 JS Charts 的腳本，准備好 XML，JSON 或者 JavaScript 數組數據。
2. Canvasjs

CanvasJS 是個易用的 HTML5 & JavaScript 圖表庫，基於 Canvas 元素。Graphs 可以通過設備渲染，包括 iPhone，iPad，Android，Windows Phone，Microsoft Surface，Desktops 等等。它允許用戶創建適用於所有設備，不影響 web 應用程序的功能和可維護性的富儀表盤。CanvcasJS 有著非常漂亮的主題和超過傳統的 Flash 和 SVG 圖表 10x 倍以上的速度——生成輕量級，漂亮和響應式的儀表圖。
3. Chart.js

Chart.js 是個簡單的，面向對象的客戶端圖形庫，用戶可以用 6 中不同的方式來可視化數據。每個方式都是動畫效果的，完全自定義，而且看起來非常好看，即使在 retina 顯示。它使用 HTML5 canvas 元素，支持所有現代瀏覽器，並且支持 IE7/8。
4. Aristochart

Aristochart 是個高度自定義，靈活的折線 Canvas 圖表庫，允許用戶集中精力在圖表的審美方面，後台工作做得非常好。Aristochart 有個持續進步的社區，提供許多不斷增長的主題給用戶選擇。
5. xCharts

xCharts 是一個使用 D3.js 來構建漂亮的可定製的數據驅動的 JavaScript圖表庫，他使用HTML，CSS，SVG實現圖表，xCharts 被設計為一個動態的、流暢的、開放的和可定製化的庫。
6. BonsaiJS

BonsaiJS 是個輕量級的 JavaScript圖形庫，提供直觀的圖形 API 和 SVG 渲染器。主要特性包括：架構分離的運行器和渲染器；iFrame，Worker 和 Node 運行上下文；形狀，路徑，Assets（音頻，圖像，字體，subMovies），Keyframe 和常規動畫，等等。支持現代化瀏覽器： Safari, Chrome 和 Firefox。
7. Sigma.js

Sigma.js 是個免費開源的 JavaScript圖形庫，使用 HTML5 canvas 元素。它的設計是特別為了在 web 界面分享互動式網路 Map 和動態展示網路資料庫。
8. Morris.js

Morris.js 是個輕量級的 JavaScript庫，使用 jQuery 和 Rapha&enuml 來繪制時序圖。 Morris.js 生命周期是從代碼驅動 howmanyleft.co.uk 圖表開始的。它支持的瀏覽器有： IE6+, Safari/Chrome/Firefox, iOS 3+ 和 Android 3+。它的公共 API 非常的小，只有一個函數： Morris.Line(選項)，包括了許多配置選項。
9. Paper.js

Paper.js 是一個開源的向量圖形腳本框架，基於 HTML5Canvas 開發。提供清晰的場景圖、DOM和大量強大的功能用來創建各種向量圖和貝塞爾曲線。
10. AmCharts

AmCharts 是個高級圖表庫，適用於所有數據的可視化。AmCharts 包括： Column, Bar, Line, Area, Step, Step without risers, Smoothed line, Candlestick, OHLC, Pie/Donut, Radar/ Polar, XY/Scatter/Bubble, Bullet, Funnel/Pyramid 等等。
11. Smoothie Charts

Smoothie Charts是個極小的圖表庫，專為實時流媒體數據設計的。Joe Walnes 想展示 WebSocket推動的實時的流數據。雖然很多圖表庫允許用戶動態更新數據，但是沒有一個是可以優化源源不斷的流數據。
12. Dygraphs

Dygraphs 是個快速，靈活，開源的 JavaScript 圖表庫。它允許用戶展示和解析密集的數據集。可以高亮需要強調的數據集。可以使用滑鼠點擊或者用滑鼠拖動來縮放圖表；可以修改數值或者點擊條目來調整平均周期。
13. Grafico

Grafico 是 Grafico 是一個基於 Raphaël 和 Prototype.js 構建的 JavaScript 圖表庫，提供了各種圖表類型。這些漂亮的圖表，有利於傳遞他們的信息。
14. Highchart JS

Highcharts JS 是一個製作圖表的純 Javascript類庫，主要特性如下：兼容性：兼容當今所有的瀏覽器，包括 iPhone、IE 和火狐等等；對個人用戶完全免 費；純JS，無BS；支持大部分的圖表類型：直線圖，曲線圖、區域圖、區域曲線圖、柱狀圖、餅裝圖、散布圖；跨語言：不管是 PHP、Asp.net 還是 Java 都可以使用。
15. Flotr

Flotr 是一個基於 Prototype 開發的 JavaScript繪圖工具。支持圖例，滑鼠跟蹤，圖片區域選擇，圖片縮放，添加事件鉤子（event hook），通過CSS設置樣式等。
16. Flot

Flot 是受 Plotr 和 PlotKit 的 啟發，Ole Laursen 基於 jquery 開發了一個圖表繪制(WEB Chart)插件並命名為 flot。 flot 是個純 JavaSript 庫，專注於簡單的使用方式，迷人的外觀和互動式特性。支持的瀏覽器有： Internet Explorer 6+, Chrome, Firefox 2+, Safari 3+ and Opera 9.5+。
17. jFreeChart

JFreeChart 主要用來各種各樣的圖表，這些圖表包括：餅圖、柱狀圖(普通柱狀圖以及堆棧柱狀圖)、線圖、區域圖、分布圖、混合圖、甘特圖以及一些儀表盤等等。JFreeChart 項目歷史悠久，而且有大量的開發者在維護。
18. Plotkit

PlotKit 是一個純 JavaScript 繪圖工具包。它支持 HTML Canvas 和 Adobe SVG。有著很完整的文檔，方便用戶使用。
19. Planetary.js

Planetary.js 是個令人稱奇的創建互動式 web 地球儀的 JavaScript庫。它使用 D3 和 TopoJSON 來解析和渲染地理信息。Planetary.js 使用基於插件的架構，甚至默認自身就是個插件！這使得 Planetary.js 非常靈活，而且它是允許用戶完全自定義，包括顏色，大小，rotation 等等。更重要的是，用戶可以在任意位置使用自定義的顏色和大小來顯示動畫「pings」；它還支持滑鼠拖動和縮放，100% 免費和開源。
20. Ember Charts

Ember Charts 是個圖表庫，使用 Ember.js 和 d3.js 框架構建的。它包括時間線，條形圖，餅圖和散點圖，非常容易擴展和修改。這些圖表組件都是開箱即用的，在圖表交互和演示方面應用的很好。
21. Sparky

Sparky 是個免費的 JavaScript 波形圖庫，依賴於 Raphaël ，非常容易使用。支持多個圖表類型（折線，條形，area），折線和區域圖可以有多個顏色選擇。
22. Envision.js

Envision.js 是個 JavaScript 庫，用來簡化，快速創建互動式的 HTML5 可視化圖表。它包括兩個圖表類型：時序圖和 Finance ，提供 API 給開發者，用戶可以直接自定義創建圖表。這個庫氏基於 Flotr2 和 HTML5 Canvas 的。它與框架無關，依賴於幾個小的 JavaScript 庫。
23. Dc.js

dc.js 是個 JavaScript 圖表庫，有著原生的 crossfilter， 支持和允許高效展示大型多維數據集（基於 crossfilter 的示例）；圖表使用 dc.js 渲染，是使用原生數據驅動，所以能得到用戶的實時反饋；dc.js 最大的亮點在於能提供一個簡單而強大的 JavaScript 庫，能進行數據可視化和分析；不僅支持桌面瀏覽器還支持移動端。
24. ElyCharts

Elycharts 是一個易於使用的，可定製的 JavaScript圖表繪制組件。這個組件可用於繪制大部分常用的圖表類型包括：line, column, are, bar, pie, sparklines and combinations。它支持多種互動式功能包括：滑鼠跟蹤、事件處理、利用各種動畫高亮顯示選擇中的區域，Tooltip，HTML錨點等。可以動 態修改數據，並以漂亮的動畫效果展示圖表中的變化。圖表利用SVG/VML技術生成，基於jQuery + Raphaël開發。
25. AwesomeChartJS

AwesomeChartJS Awesome Chart JS 是一個 JavaScript生成圖表的類庫，它利用了 HTML5 的 canvas 標簽來創建統計圖表。此類庫就是為了減輕開發者的工作量，使用它只需書寫幾行代碼便能生成漂亮的圖表。
26. Arbor.js

Arbor.js 是一個利用 Web Works 和 jQuery創建的可視化圖形庫，它為圖形組織和屏幕刷新處理提供了一個高效的、力導向的布局演算法。
27. CanvasXpress

canvasXpress 是一個基於HTML5 canvas標簽實現的 JavaScript圖表類庫，它能夠支持線性圖、柱形圖、餅圖和熱點圖等多種常見的圖表類型。它所生成的圖表交互性很強，滑鼠放 上去時會動態顯示值。除此之外，它也具有相當高的可定製性，可設置圖表的文字、顏色和要顯示/隱藏的元素等。當然更重要的一點是，雖然它使用了 HTML5，但是依然支持IE6瀏覽器。
28. JSXGraph

JSXGraph 是一個支持各種瀏覽器的互動式幾何圖庫繪制。JSXGraph 使用 SVG 和 VML。
29. Rickshaw

Rickshaw 是一個用於繪制時序圖的簡單 jS 庫，基於 Mike Bostock』s delightful D3 庫構建。
30. rGraph

RGraph 是基於HTML5 canvas標簽的HTML5 canvas圖形庫，支持 20 種不同的可視化類型。使用 canvas 標簽，RGraph 創建「HTML5 圖表」，意味著更快的 web 頁面載入和更少的 web 伺服器載入。這能幫助減小 web 頁面的大小，低能耗和更快的瀏覽速度。
31. Fusion Chart

FusionCharts Suite XT 是個專業的 JavaScript圖表庫，能創建任何類型的圖表。它創建的圖表都是可以進行完全自定義的，標簽，字體，邊界等等，都可以進行修改。它有很強的交互功能，有許多信息提示，可 點擊的 legend 關鍵字，還有 dril-down，縮放/滾動 和單擊列印圖表功能。
32. Graph Dracula

Dracula 是用一系列的工具來顯示和布局互動圖表，包括各種相關的演算法。它只是純 JavaScript 和 SVG ，並無 Flash，Java，其他插件。它非常容易使用，用戶可以很簡單的自定義任意的元素。
33. Bluff

Bluff 是個 JavaScript 的 Ruby 的 Gruff graphing library埠。它支持所有 Gruff 的特性，但是有著最小的依賴。用戶只需要運行一個第三方腳本： JS.Class 副本(壓縮後只有 2.6kB ) 和 Google 的 ExCanvas 副本，用來支持 IE 中的 canvas。這兩個腳本在 Bluff 中都有下載。Bluff 自身壓縮後大小大概有 11KB 。
34. Pizza Pie Chart

Pizza Pie Charts 是個響應式餅圖圖表，基於 Adobe Snap SVG 框架，通過 HTML 標記和 CSS 來替代 JavaScript 對象，更容易集成各種先進的技術。
35. jGraph

HTML5 圖表組件，完全支持l IE 6-8 和觸屏設備。 JGraph 自2001年來就一直提供最先進的圖表軟體組件，是第一個流行的 JGraph Swing 庫。然後在 2005 年走在時代的前沿開發 mxGraph。