力导向算法

‘壹’ 大数据研究常用软件工具与应用场景

大数据研究常用软件工具与应用场景

如今，大数据日益成为研究行业的重要研究目标。面对其高数据量、多维度与异构化的特点，以及分析方法思路的扩展，传统统计工具已经难以应对。

工欲善其事，必先利其器。众多新的软件分析工具作为深入大数据洞察研究的重要助力， 也成为数据科学家所必须掌握的知识技能。

然而，现实情况的复杂性决定了并不存在解决一切问题的终极工具。实际研究过程中，需要根据实际情况灵活选择最合适的工具（甚至多种工具组合使用），才能更好的完成研究探索。

为此，本文针对研究人员（非技术人员）的实际情况，介绍当前大数据研究涉及的一些主要工具软件（因为相关软件众多，只介绍常用的），并进一步阐述其应用特点和适合的场景，以便于研究人员能有的放矢的学习和使用。

传统分析/商业统计

Excel、SPSS、SAS 这三者对于研究人员而言并不陌生。

Excel 作为电子表格软件，适合简单统计（分组/求和等）需求，由于其方便好用，功能也能满足很多场景需要，所以实际成为研究人员最常用的软件工具。其缺点在于功能单一，且可处理数据规模小（这一点让很多研究人员尤为头疼）。这两年Excel在大数据方面（如地理可视化和网络关系分析）上也作出了一些增强，但应用能力有限。

SPSS（SPSS Statistics)和SAS作为商业统计软件，提供研究常用的经典统计分析（如回归、方差、因子、多变量分析等）处理。
SPSS 轻量、易于使用，但功能相对较少，适合常规基本统计分析
SAS 功能丰富而强大（包括绘图能力），且支持编程扩展其分析能力，适合复杂与高要求的统计性分析。

上述三个软件在面对大数据环境出现了各种不适，具体不再赘述。但这并不代表其没有使用价值。如果使用传统研究方法论分析大数据时，海量原始数据资源经过前期处理（如降维和统计汇总等）得到的中间研究结果，就很适合使用它们进行进一步研究。

数据挖掘

数据挖掘作为大数据应用的重要领域，在传统统计分析基础上，更强调提供机器学习的方法，关注高维空间下复杂数据关联关系和推演能力。代表是SPSS Modeler（注意不是SPSS Statistics，其前身为Clementine）

SPSS Modeler 的统计功能相对有限, 主要是提供面向商业挖掘的机器学习算法（决策树、神经元网络、分类、聚类和预测等）的实现。同时，其数据预处理和结果辅助分析方面也相当方便，这一点尤其适合商业环境下的快速挖掘。不过就处理能力而言，实际感觉难以应对亿级以上的数据规模。

另一个商业软件 Matlab 也能提供大量数据挖掘的算法，但其特性更关注科学与工程计算领域。而着名的开源数据挖掘软件Weka，功能较少，且数据预处理和结果分析也比较麻烦，更适合学术界或有数据预处理能力的使用者。

1、通用大数据可视化分析

近两年来出现了许多面向大数据、具备可视化能力的分析工具，在商业研究领域，TableAU无疑是卓越代表。

TableAU 的优势主要在于支持多种大数据源/格式，众多的可视化图表类型，加上拖拽式的使用方式，上手快，非常适合研究员使用，能够涵盖大部分分析研究的场景。不过要注意，其并不能提供经典统计和机器学习算法支持， 因此其可以替代Excel, 但不能代替统计和数据挖掘软件。另外，就实际处理速度而言，感觉面对较大数据（实例超过3000万记录）时，并没有官方介绍的那么迅速。

2 、关系分析

关系分析是大数据环境下的一个新的分析热点（比如信息传播图、社交关系网等），其本质计算的是点之间的关联关系。相关工具中，适合数据研究人员的是一些可视化的轻量桌面型工具，最常用的是Gephi。

Gephi 是免费软件，擅长解决图网络分析的很多需求，其插件众多，功能强且易用。我们经常看到的各种社交关系/传播谱图, 很多都是基于其力导向图（Force directed graph）功能生成。但由于其由java编写，限制了处理性能（感觉处理超过10万节点/边时常陷入假死），如分析百万级节点（如微博热点传播路径）关系时，需先做平滑和剪枝处理。 而要处理更大规模（如亿级以上）的关系网络（如社交网络关系）数据，则需要专门的图关系数据库（如GraphLab/GraphX）来支撑了，其技术要求较高，此处不再介绍。

3、时空数据分析

当前很多软件（包括TableAU）都提供了时空数据的可视化分析功能。但就使用感受来看，其大都只适合较小规模（万级）的可视化展示分析，很少支持不同粒度的快速聚合探索。

如果要分析千万级以上的时空数据，比如新浪微博上亿用户发文的时间与地理分布（从省到街道多级粒度的探索）时，推荐使用 NanoCubes（http://www.nanocubes.net/）。该开源软件可在日常的办公电脑上提供对亿级时空数据的快速展示和多级实时钻取探索分析。下图是对芝加哥犯罪时间地点的分析，网站有更多的实时分析的演示例子

4、文本/非结构化分析

基于自然语言处理（NLP）的文本分析，在非结构化内容（如互联网/社交媒体/电商评论）大数据的分析方面（甚至调研开放题结果分析）有重要用途。其应用处理涉及分词、特征抽取、情感分析、多主题模型等众多内容。

由于实现难度与领域差异，当前市面上只有一些开源函数包或者云API（如BosonNLP）提供一些基础处理功能，尚未看到适合商业研究分析中文文本的集成化工具软件（如果有谁知道烦请通知我）。在这种情况下，各商业公司（如HCR）主要依靠内部技术实力自主研发适合业务所需的分析功能。

前面介绍的各种大数据分析工具，可应对的数据都在亿级以下，也以结构化数据为主。当实际面临以下要求： 亿级以上/半实时性处理/非标准化复杂需求 ，通常就需要借助编程（甚至借助于Hadoop/Spark等分布式计算框架）来完成相关的分析。 如果能掌握相关的编程语言能力，那研究员的分析能力将如虎添翼。

当前适合大数据处理的编程语言，包括：

R语言——最适合统计研究背景的人员学习，具有丰富的统计分析功能库以及可视化绘图函数可以直接调用。通过Hadoop-R更可支持处理百亿级别的数据。 相比SAS，其计算能力更强，可解决更复杂更大数据规模的问题。

Python语言——最大的优势是在文本处理以及大数据量处理场景，且易于开发。在相关分析领域，Python代替R的势头越来越明显。

Java语言——通用性编程语言，能力最全面，拥有最多的开源大数据处理资源（统计、机器学习、NLP等等）直接使用。也得到所有分布式计算框架（Hadoop/Spark）的支持。

前面的内容介绍了面向大数据研究的不同工具软件/语言的特点和适用场景。 这些工具能够极大增强研究员在大数据环境下的分析能力，但更重要的是研究员要发挥自身对业务的深入理解，从数据结果中洞察发现有深度的结果，这才是最有价值的。

以上是小编为大家分享的关于大数据研究常用软件工具与应用场景的相关内容，更多信息可以关注环球青藤分享更多干货

‘贰’ 求教力导向布局算法实现

在现代企业制度下，提高经济效益是企业生产经营的出发点和落脚点。要提高企业经济效益，关键在于加强企业成本治理，不断降低产品成本，这已成为人们的共识。降低产品成本，应从以下几个方面着手进行。一、树立系统整合思想，选择适合的合作伙伴企业购买原材料、生产产品、出售产成品，是一项系统工程，企业不能把降低产品成本看作是企业的孤立行为，而应把组成向最终市场供货链条的所有生产商和中间商作为降低产品成本的有机整体。只有整个系统降低成本费用，向最终市场供给的产品价格才能降低，才能提高产品竞争力。因此，要使产品在市场上有竞争力，需要整个供给系统的全体成员达成共识，彼此之间建立一种唇齿相依的关系，联合起来、共同努力，切切实实地去降低整个供给系统生产和流通过程的费用，以提高产品竞争能力。供给系统中，任何一个成员的不协调行为，都会影响产品的竞争能力。所以，企业降低产品成本和经营治理费用的关键途径之一，是必须选择适合的分销商、经销商等合作伙伴。二、合理配置和使用资源，提高资源配置效率企业资源配置包括人力资源、资本资源和自然资源之间的合理比例和各种资源内部的合理结构两个方面。企业要形成一定的生产能力，必须具备各种各样的资源。通过合理配置和使用资源，各项资源才能发生相互作用，不同的资源配置会形成不同的生产能力。创造不同的经济效益。因此，企业必须谋求有效、合理地配置和利用各项资源，提高资源配置效益。才能降低产品成本。在实际工作中，资源的取得需要支付一定的成本，但资源组合是不需支付成本的。企业应合理配置资源，建立最佳资源组合，利用无需支付成本的最佳资源组合，创造超额价值。资源组合形成的创造超额效益的能力，建立在个别资源和企业人员的劳动基础之上，通过人的劳动对各项个别资源进行组合，从而形成新的生产能力。三、重视知识因素，开发特有产品目前正处于知识经济时代，知识经济是以知识为主要经济资源的一种新型经济形态。在知识经济时代，知识已构成生产要素的重要因素，而且处于主导地位。知识价值在企业生产的产品的总价值中所占的比重不断增加，知识产品成为知识经济时代最有代表性和最有竞争力的产品，成为衡量商品和服务有效性的重要标准。因此，企业应致力于研究、开发新项目，从而拥有发展生产的主动权，从高层次上优化产品结构，增强企业竞争力。应该指出的是，在知识经济的资产结构中，有形资产退居其次，无形资产在企业资产中的比重日益增多，以知识为基础的商标权、专利权、商誉、技术、品牌、信息、产品创新等无形资产所占的比重日益提高。所以，企业应充分考虑这些无形资产因素，如利用名优品牌，采取品牌扩展策略推出改良产品或新产品，可以节省很多宣传介绍新产品的费用，使新产品能迅速地、顺利地打入市场。四、提高产品质量，减少产品无形损失产品质量与成本之间互为因果关系，可以两方面去熟悉：在一般情况下，高质量的产品是建立在高成本的基础之上的，成本是原因，质量是结果。但有时企业的高成本却是因为产品质量不好造成的，一是生产过程中的废品损失和返修的费用会加大产品成本。二是伴随质量低劣出现的产品质量不稳，使得产品售后的维修服务费用增加。因此要树立提高质量就是降低成本的观念，减少废品损失、产品售后的维修服务费用，减少由于商品过时、过季和供过于求造成产品贬值而形成的无形损失。因此，保证合理的产品质量，就可在很大程度上控制了产品的成本，在相同产品成本的情况下，保证产品的价格优势，从而获得较强的竞争优势。与此同时，保证合理的产品质量，又能够消除和尽可能减少产品的无形损失及废品损失和返修的费用，那么产品就能以较低的价格投放市场，赢得更多的市场需求和企业需求。因此，在降低成本中必须考虑如何提高产品质量，减少产品无形损失。首先是按市场需求开发产品和组织生产；其次是尽量缩短产品在流通领域的待售时间；再次是减少产品在流通领域的待售数量。这就要求企业建立对市场需求的灵活而快速的反应机制，具有弹性的生产能力。一旦市场有了需求便迅速进行生产。只有这样，才能把无形损失降低到最低程度。

五、加速资金周转，降低产品成本加速资金周转仍然是降低产品成本的重要途径。企业应通过及时采购、及时生产、及时销售，来加速资金周转，降低产品成本。加速资金周转的关键，是企业的经营治理要以市场需要为导向，以信息治理为纽带，把企业的采购、生产、销售进行有机整合，建立具有弹性的生产能力，尽可能地缩短产品的生产周期，这样就能对多变的市场需求作出快速、灵敏反应、一旦市场有了需求，就组织产品的生产、原材料的零部件的采购，产品完工后就可马上进入销售领域。这样就能把原材料、零部件、在产品、产成品的资金占用、有形和无形损耗及治理费用等期间费用降低到最低程度。六、重视信息治理，建立信息沟通体系信息是知识经济时代的主要产品，信息技术是知识经济的主要支柱。进行猜测需要搜集有关工作所需要的信息；与其他部门沟通和协调需要传递信息；领导做出决
策、计划下达执行的过程也是信息流动的过程。同样，控制活动也离不开信息，要想及时发现偏差，采取适当的修正行动，首先必须有信息反馈，把握有关环境变化的信息、计划执行结果的信息。目前，信息技术正日益渗透到社会生活的各个方面，对人类社会的进步和发展产生了深远影响，使得信息的扩散与应用大大加快，决策、交易可在瞬间完成。在日益激烈的市场竞争中，谁最早获得准确详实的信息，及时作出准确猜测、正确决策，谁就能拥有主动权，在市场竞争中占据主导地位；同时，还可以最大限度地规避市场竞争风险，防范由于信息原因造成的猜测不准而导致的决策失误，使企业正常的生产经营活动得以顺利进行。否则，信息匾乏必将使企业难以应付瞬息万变的市场经济环境，不能对环境变化带来的不确定因素进行科学猜测，不能有预见性地采取各种防范措施，从而使企业遭受风险损失。可见，重视信息治理，建立信息反馈、猜测、决策网络将决定着企业在激烈的市场竞争中的兴衰存亡，企业必须建立起一个完整、畅通、清楚、高效的信息沟通体系。这对企业生产适销对路的产品，提高企业竞争能力意义重大。七、利用共享资源，降低产品成本
共享资源指产品的成本与分摊资源费用的产品数量有关，分享这类资源的产品数量越多，分摊到单位产品中的成本就越低，如：企业固定资产、产品的研究开发费用、资源的采购费用、信息使用费用、市场开发费用等等，都是共享资源。增加使用这些共享资源的规模和频率，就可以降低产品的成本。

五、加速资金周转，降低产品成本加速资金周转仍然是降低产品成本的重要途径。企业应通过及时采购、及时生产、及时销售，来加速资金周转，降低产品成本。加速资金周转的关键，是企业的经营治理要以市场需要为导向，以信息治理为纽带，把企业的采购、生产、销售进行有机整合，建立具有弹性的生产能力，尽可能地缩短产品的生产周期，这样就能对多变的市场需求作出快速、灵敏反应、一旦市场有了需求，就组织产品的生产、原材料的零部件的采购，产品完工后就可马上进入销售领域。这样就能把原材料、零部件、在产品、产成品的资金占用、有形和无形损耗及治理费用等期间费用降低到最低程度。六、重视信息治理，建立信息沟通体系信息是知识经济时代的主要产品，信息技术是知识经济的主要支柱。进行猜测需要搜集有关工作所需要的信息；与其他部门沟通和协调需要传递信息；领导做出决
策、计划下达执行的过程也是信息流动的过程。同样，控制活动也离不开信息，要想及时发现偏差，采取适当的修正行动，首先必须有信息反馈，把握有关环境变化的信息、计划执行结果的信息。目前，信息技术正日益渗透到社会生活的各个方面，对人类社会的进步和发展产生了深远影响，使得信息的扩散与应用大大加快，决策、交易可在瞬间完成。在日益激烈的市场竞争中，谁最早获得准确详实的信息，及时作出准确猜测、正确决策，谁就能拥有主动权，在市场竞争中占据主导地位；同时，还可以最大限度地规避市场竞争风险，防范由于信息原因造成的猜测不准而导致的决策失误，使企业正常的生产经营活动得以顺利进行。否则，信息匾乏必将使企业难以应付瞬息万变的市场经济环境，不能对环境变化带来的不确定因素进行科学猜测，不能有预见性地采取各种防范措施，从而使企业遭受风险损失。可见，重视信息治理，建立信息反馈、猜测、决策网络将决定着企业在激烈的市场竞争中的兴衰存亡，企业必须建立起一个完整、畅通、清楚、高效的信息沟通体系。这对企业生产适销对路的产品，提高企业竞争能力意义重大。七、利用共享资源，降低产品成本
共享资源指产品的成本与分摊资源费用的产品数量有关，分享这类资源的产品数量越多，分摊到单位产品中的成本就越低，如：企业固定资产、产品的研究开发费用、资源的采购费用、信息使用费用、市场开发费用等等，都是共享资源。增加使用这些共享资源的规模和频率，就可以降低产品的成本。

‘叁’ 大数据选址是如何实现的

大数据选址为零售业创业者获得了深刻、全面的洞察能力，并提供了前所未有的空间与潜力。
何为大数据选址？
大数据时代下的精准选址是指通过大数据进行整合分析，获取用户的喜好和行为需求，对商圈消费群体的购买力进行分析，找出适合店面的绝佳位置。
大数据精准选址的核心可以概括为几大关键词：用户、需求、峰值以及热力分布。
以往的店面选址方式，是先根据当地的城市，对城市商圈、人口流动量、周围的小区、以及实际住户量等等， 做出详细的对比和考察。然后再通过自身的经济情况，选出一个自己能够承担得了，且地段好的店面位置。
而大数据选址，则为店面选址制定了更加详细周密的计划，将选址细化为两个流程。
第一步先锁定商圈，选址系统内有着全国热力值分布的整合数据，系统根据加盟商提供的区域，根据外卖峰值的数据进行按比例分成，通过区域内外卖的需求量锁定商圈。
根据外卖峰值锁定商圈是有一定的科学依据，据研究发现，人们在追求高效率的生活中，存在一个就近原则。在食客选择外卖的时候，无论是在配送时间或者是距离，都是优先考虑到的问题。
外卖峰值高的商圈有着大量的消费群体，也就蕴含着巨大的商机，而用外卖反衬堂食，在日常营业中有效的引流，更能刺激消费。
在锁定好商圈以后，第二步就是确定店面的位置了，营运师傅会亲自上门进行考察，对锁定的商圈进行分析。
根据不同项目所针对的消费群体以及加盟商自身的经济状况，选出一个客流量旺盛且地段好的店面位置。
开启餐饮作为最早一批大数据选址系统的尝试者，在8月份正式全面上线，上线一月之内就受到其合作商的一致好评，帮助了加盟商快速精确地确定店面，缩短了开业前的准备时间。实践证明，大数据选址系统确确实实存在着优越性！
大数据选址系统之所以受到合作商的关注，是因为他们深知选址的重要性。对开店创业者来说，选址关系着店铺的发展前途，关系着店铺经营目标的实现，关系着市场的火爆程度，还关系着顾客需求的满足。可以说，做好了选址，开店创业就成功了一半。
阿拉丁智店“慧选址”在国内独家实现了店铺选址相关所有权威数据源的集成和整合。
数据方面，基于三大运营商15亿去标识化的手机信令数据、BAT网民上网和搜索特征数据、全国银行卡消费数据，以及全国写字楼数据、小区数据和全量POI数据，阿拉丁智店“慧选址”实现了任选地理区域全量用户全时段、全方位覆盖。通过3700个用户标签，可以精准筛选和锁定目标客群。目前，我们日处理5480亿条上网记录信息、670亿位置记录信息，成功识别4200个手机品牌、20万个互联网产品、7000余款APP、10.5万个终端型号和4亿个URL。
选址算法和模型方面，我们通过核密度模型、空间插值模型、ODPA模型、力导向布局模型、商圈分析模型、价值因素模型等经典算法和模型的开发，为零售企业的选址提供了智能化保障。
目前，阿拉丁智店已经为麦当劳、星巴克、工商银行、武汉某知名连锁超市、中国福彩、残联等上千家政府机构和企业提供了智能选址服务，取得了明显收益和效果，受到客户的高度评价。

‘肆’ 国内有哪些好的数据可视化工具，推荐一下

诚然，数据可视化可谓是数据分析工作的最后一道工序，前面的作业做得再好，如果不能很好地展现出来，那就算是临门一脚、功亏一篑了……下面给大家列出好用的数据可视化工具清单，希望可以为你的学习或工作带来一些帮助。

1、强大的R可视化包-ggplot2

R是一款偏向于统计分析的脚本语言软件，基于S语言开发，如果你是R语言忠实fans，我相信你一定不会不知道R里单独的一个绘图包—ggplot2，之所以给ggplot2“强大”的头衔，一方面确实能够轻松应付各个领域的图像绘制，静态的，动态的，说的出名字的，个性化特制的；另一方面小编就是学统计学的，自然相对熟悉这个包。

ggplot2由Hadley Wickham在2005年创造。受欢迎的原因是将图形分解为语素（如尺度、图层）的思想。ggplot2可以作为R语言基础绘图包的替代，同时ggplot2预设有多种印刷及网页尺寸。

当然有些数据分析软件也带透视表、绘图功能，如MySQL、SPSS，但数据可视化不作为主要功能，这里就不如上面较详细说了。

‘伍’ 如何成为一名初级数据分析师

初级数据分析师，需要掌握概率论和统计理论基础，能够熟练运用 Excel、SPSS、SAS 等一门专业分析软件，有良好的商业理解能力，能够根据业务问题指标利用常用数据分析方法进行数据的处理与分析，并得出逻辑清晰的业务报告。

就业方向：政府、金融、电信、零售等行业前端业务人员

Excel学习：Excel基础操作，逐步学习公式与函数、格式设置、数据高级分析、模拟分析、数据透视表、图表、后期打印以及宏与VBA。数据处理，数据清洗，数据加工，数据抽样，数据报表自动化等(黑体项为必会项)

Tableau学习：Tableau的数据连接与编辑、图形编辑与展示功能，包括数据连接与管理、基础与高级图形分析、地图分、高级数据操作、基础统计分析、如何与 R 集成进行高级分析、分析图表整合以及分析成果共享等

Echarts学习：支持折线图（区域图）、柱状图（条状图）、散点图（气泡图）、K 线图、饼图（环形图）、雷达图（填充雷达 图）、和弦图、力导向布局图、地图、仪盘、漏斗图、事件河流图等 12 类图表，同时提供标题，详情气泡、图例、值域、据区域、时间轴、工具箱等 7 个可交 互组件，支持多图表、组件的联动和混搭展现，最终达到能够利用 Echarts 图表结合后端数据进行前端可视化报表展示

数据挖掘精通（Excel、Oracle、SPSS 初步）：oracle 数据库和办公软件 excel，用于存储及处理数据挖掘所需的数据，oracle 数据库（SQL，关系型数据库进行简单的了解）使用 excel 作为简单入门工具对数据挖掘进行了算法实现，数据挖掘专业工具 SPSS MODELER做一些基础性分析（聚类，回归，时序等）

PPT，xmind，Visio学习：visio用来画业务流程图，xmind是思维导图，PPT是用来做汇报的，三个工具学的浅显一点就行，主要为写数据分析报告服务的

思维的学习：BRD,MRD,PRD书写思路，竞品分析，数据产品规划与设计，尽可能了解这些文档的含义，并能针对一两款APP产品，完成上述的文档要求。

统计学（必学）：初级数据分析师，对统计要求不高，大部分只有涉及到方差，标准差，一般不会很深奥，但是到中级可能就要求会比较多。

数据分析分析基本思路：采集、清理、转化、存储、可视化、分析决策等等，分析师得对各个行业有比较深的行业经验，特别是行业流程，各个行业的数据分析必须对业务流程熟悉，才能谈决策。

‘陆’ 什么是力导向布局图

力导向图（Force-Directed Graph），是绘图的一种算法。在二维或三维空间里配置节点，节点之间用线连接，称为连线。各连线的长度几乎相等，且尽可能不相交。节点和连线都被施加了力的作用，力是根据节点和连线的相对位置计算的。根据力的作用，来计算节点和连线的运动轨迹，并不断降低它们的能量，最终达到一种能量很低的安定状态。

力导向图能表示节点之间的多对多的关系

‘柒’ 要生成像 iOS 8 Health 应用那样的图表，有哪些比较好用的库

JS图形、图标库推荐：

1. JS Charts

JS Charts 是个基于JavaScript的图表生成器，不需要任何编码。JS Charts 非常容易使用，只要用户使用客户端脚本（比如，在 web 浏览器中执行）。它不需要多余的插件和服务器模块，只需要下载 JS Charts 的脚本，准备好 XML，JSON 或者 JavaScript 数组数据。
2. Canvasjs

CanvasJS 是个易用的 HTML5 & JavaScript 图表库，基于 Canvas 元素。Graphs 可以通过设备渲染，包括 iPhone，iPad，Android，Windows Phone，Microsoft Surface，Desktops 等等。它允许用户创建适用于所有设备，不影响 web 应用程序的功能和可维护性的富仪表盘。CanvcasJS 有着非常漂亮的主题和超过传统的 Flash 和 SVG 图表 10x 倍以上的速度——生成轻量级，漂亮和响应式的仪表图。
3. Chart.js

Chart.js 是个简单的，面向对象的客户端图形库，用户可以用 6 中不同的方式来可视化数据。每个方式都是动画效果的，完全自定义，而且看起来非常好看，即使在 retina 显示。它使用 HTML5 canvas 元素，支持所有现代浏览器，并且支持 IE7/8。
4. Aristochart

Aristochart 是个高度自定义，灵活的折线 Canvas 图表库，允许用户集中精力在图表的审美方面，后台工作做得非常好。Aristochart 有个持续进步的社区，提供许多不断增长的主题给用户选择。
5. xCharts

xCharts 是一个使用 D3.js 来构建漂亮的可定制的数据驱动的 JavaScript图表库，他使用HTML，CSS，SVG实现图表，xCharts 被设计为一个动态的、流畅的、开放的和可定制化的库。
6. BonsaiJS

BonsaiJS 是个轻量级的 JavaScript图形库，提供直观的图形 API 和 SVG 渲染器。主要特性包括：架构分离的运行器和渲染器；iFrame，Worker 和 Node 运行上下文；形状，路径，Assets（音频，图像，字体，subMovies），Keyframe 和常规动画，等等。支持现代化浏览器： Safari, Chrome 和 Firefox。
7. Sigma.js

Sigma.js 是个免费开源的 JavaScript图形库，使用 HTML5 canvas 元素。它的设计是特别为了在 web 界面分享交互式网络 Map 和动态展示网络数据库。
8. Morris.js

Morris.js 是个轻量级的 JavaScript库，使用 jQuery 和 Rapha&enuml 来绘制时序图。 Morris.js 生命周期是从代码驱动 howmanyleft.co.uk 图表开始的。它支持的浏览器有： IE6+, Safari/Chrome/Firefox, iOS 3+ 和 Android 3+。它的公共 API 非常的小，只有一个函数： Morris.Line(选项)，包括了许多配置选项。
9. Paper.js

Paper.js 是一个开源的向量图形脚本框架，基于 HTML5Canvas 开发。提供清晰的场景图、DOM和大量强大的功能用来创建各种向量图和贝塞尔曲线。
10. AmCharts

AmCharts 是个高级图表库，适用于所有数据的可视化。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是个极小的图表库，专为实时流媒体数据设计的。Joe Walnes 想展示 WebSocket推动的实时的流数据。虽然很多图表库允许用户动态更新数据，但是没有一个是可以优化源源不断的流数据。
12. Dygraphs

Dygraphs 是个快速，灵活，开源的 JavaScript 图表库。它允许用户展示和解析密集的数据集。可以高亮需要强调的数据集。可以使用鼠标点击或者用鼠标拖动来缩放图表；可以修改数值或者点击条目来调整平均周期。
13. Grafico

Grafico 是 Grafico 是一个基于 Raphaël 和 Prototype.js 构建的 JavaScript 图表库，提供了各种图表类型。这些漂亮的图表，有利于传递他们的信息。
14. Highchart JS

Highcharts JS 是一个制作图表的纯 Javascript类库，主要特性如下：兼容性：兼容当今所有的浏览器，包括 iPhone、IE 和火狐等等；对个人用户完全免 费；纯JS，无BS；支持大部分的图表类型：直线图，曲线图、区域图、区域曲线图、柱状图、饼装图、散布图；跨语言：不管是 PHP、Asp.net 还是 Java 都可以使用。
15. Flotr

Flotr 是一个基于 Prototype 开发的 JavaScript绘图工具。支持图例，鼠标跟踪，图片区域选择，图片缩放，添加事件钩子（event hook），通过CSS设置样式等。
16. Flot

Flot 是受 Plotr 和 PlotKit 的 启发，Ole Laursen 基于 jquery 开发了一个图表绘制(WEB Chart)插件并命名为 flot。 flot 是个纯 JavaSript 库，专注于简单的使用方式，迷人的外观和交互式特性。支持的浏览器有： Internet Explorer 6+, Chrome, Firefox 2+, Safari 3+ and Opera 9.5+。
17. jFreeChart

JFreeChart 主要用来各种各样的图表，这些图表包括：饼图、柱状图(普通柱状图以及堆栈柱状图)、线图、区域图、分布图、混合图、甘特图以及一些仪表盘等等。JFreeChart 项目历史悠久，而且有大量的开发者在维护。
18. Plotkit

PlotKit 是一个纯 JavaScript 绘图工具包。它支持 HTML Canvas 和 Adobe SVG。有着很完整的文档，方便用户使用。
19. Planetary.js

Planetary.js 是个令人称奇的创建交互式 web 地球仪的 JavaScript库。它使用 D3 和 TopoJSON 来解析和渲染地理信息。Planetary.js 使用基于插件的架构，甚至默认自身就是个插件！这使得 Planetary.js 非常灵活，而且它是允许用户完全自定义，包括颜色，大小，rotation 等等。更重要的是，用户可以在任意位置使用自定义的颜色和大小来显示动画“pings”；它还支持鼠标拖动和缩放，100% 免费和开源。
20. Ember Charts

Ember Charts 是个图表库，使用 Ember.js 和 d3.js 框架构建的。它包括时间线，条形图，饼图和散点图，非常容易扩展和修改。这些图表组件都是开箱即用的，在图表交互和演示方面应用的很好。
21. Sparky

Sparky 是个免费的 JavaScript 波形图库，依赖于 Raphaël ，非常容易使用。支持多个图表类型（折线，条形，area），折线和区域图可以有多个颜色选择。
22. Envision.js

Envision.js 是个 JavaScript 库，用来简化，快速创建交互式的 HTML5 可视化图表。它包括两个图表类型：时序图和 Finance ，提供 API 给开发者，用户可以直接自定义创建图表。这个库氏基于 Flotr2 和 HTML5 Canvas 的。它与框架无关，依赖于几个小的 JavaScript 库。
23. Dc.js

dc.js 是个 JavaScript 图表库，有着原生的 crossfilter， 支持和允许高效展示大型多维数据集（基于 crossfilter 的示例）；图表使用 dc.js 渲染，是使用原生数据驱动，所以能得到用户的实时反馈；dc.js 最大的亮点在于能提供一个简单而强大的 JavaScript 库，能进行数据可视化和分析；不仅支持桌面浏览器还支持移动端。
24. ElyCharts

Elycharts 是一个易于使用的，可定制的 JavaScript图表绘制组件。这个组件可用于绘制大部分常用的图表类型包括：line, column, are, bar, pie, sparklines and combinations。它支持多种交互式功能包括：鼠标跟踪、事件处理、利用各种动画高亮显示选择中的区域，Tooltip，HTML锚点等。可以动 态修改数据，并以漂亮的动画效果展示图表中的变化。图表利用SVG/VML技术生成，基于jQuery + Raphaël开发。
25. AwesomeChartJS

AwesomeChartJS Awesome Chart JS 是一个 JavaScript生成图表的类库，它利用了 HTML5 的 canvas 标签来创建统计图表。此类库就是为了减轻开发者的工作量，使用它只需书写几行代码便能生成漂亮的图表。
26. Arbor.js

Arbor.js 是一个利用 Web Works 和 jQuery创建的可视化图形库，它为图形组织和屏幕刷新处理提供了一个高效的、力导向的布局算法。
27. CanvasXpress

canvasXpress 是一个基于HTML5 canvas标签实现的 JavaScript图表类库，它能够支持线性图、柱形图、饼图和热点图等多种常见的图表类型。它所生成的图表交互性很强，鼠标放 上去时会动态显示值。除此之外，它也具有相当高的可定制性，可设置图表的文字、颜色和要显示/隐藏的元素等。当然更重要的一点是，虽然它使用了 HTML5，但是依然支持IE6浏览器。
28. JSXGraph

JSXGraph 是一个支持各种浏览器的交互式几何图库绘制。JSXGraph 使用 SVG 和 VML。
29. Rickshaw

Rickshaw 是一个用于绘制时序图的简单 jS 库，基于 Mike Bostock’s delightful D3 库构建。
30. rGraph

RGraph 是基于HTML5 canvas标签的HTML5 canvas图形库，支持 20 种不同的可视化类型。使用 canvas 标签，RGraph 创建“HTML5 图表”，意味着更快的 web 页面加载和更少的 web 服务器加载。这能帮助减小 web 页面的大小，低能耗和更快的浏览速度。
31. Fusion Chart

FusionCharts Suite XT 是个专业的 JavaScript图表库，能创建任何类型的图表。它创建的图表都是可以进行完全自定义的，标签，字体，边界等等，都可以进行修改。它有很强的交互功能，有许多信息提示，可 点击的 legend 关键字，还有 dril-down，缩放/滚动 和单击打印图表功能。
32. Graph Dracula

Dracula 是用一系列的工具来显示和布局互动图表，包括各种相关的算法。它只是纯 JavaScript 和 SVG ，并无 Flash，Java，其他插件。它非常容易使用，用户可以很简单的自定义任意的元素。
33. Bluff

Bluff 是个 JavaScript 的 Ruby 的 Gruff graphing library端口。它支持所有 Gruff 的特性，但是有着最小的依赖。用户只需要运行一个第三方脚本： JS.Class 副本(压缩后只有 2.6kB ) 和 Google 的 ExCanvas 副本，用来支持 IE 中的 canvas。这两个脚本在 Bluff 中都有下载。Bluff 自身压缩后大小大概有 11KB 。
34. Pizza Pie Chart

Pizza Pie Charts 是个响应式饼图图表，基于 Adobe Snap SVG 框架，通过 HTML 标记和 CSS 来替代 JavaScript 对象，更容易集成各种先进的技术。
35. jGraph

HTML5 图表组件，完全支持l IE 6-8 和触屏设备。 JGraph 自2001年来就一直提供最先进的图表软件组件，是第一个流行的 JGraph Swing 库。然后在 2005 年走在时代的前沿开发 mxGraph。