背景
本人作为大一狗,有幸参加了老师的工业大数据知识图谱可视化研究的项目,那么,选择一个好用的可视化工具当然是必要的——一个好的工具能够大大降低后期研发成本和维护成本。
选型原则
根据本次调研的需要,可视化工具需要遵循以下几个原则:
- 能够制作知识图谱(最基本)
- 便于展示动态数据项之间的关联
- 开源
- 能够满足工业大数据的需求
- 最好是基于python语言或者基于js
筛选
现阶段可视化工具种类繁多,发展迅速,根据本次选型原则第一条,即能够制作知识图谱,我们初步筛选到了以下“可视化工具”(不全):
————————————————————————————————
Tableau、R-ggplot2、Echarts、igraph、networkx、neo4j、tigergraph、
Cayley、BDP、DATEfocus、Antv G6、FineReport、d3js、cytoscape.js
————————————————————————————————
当然,对于初步接触可视化的我们来说,这些就只是一个个毫无意义的单词。
在更深入地了解了每一个后,我们才意识到这里面并非全部都是可视化工具,比如neo4j,其实是一个图数据库,它需要像D3js这类的js库来实现数据的可视化。也就是说,我们要找的是前端展示的工具。
我们又考虑到前面的选型原则,最终我们将范围缩小到D3.js、cytoscape.