【GitHub项目推荐--数据可视化项目】【转载】

【GitHub项目推荐--数据可视化项目】【转载】

2024-10-31 16:10

数据可视化就是将抽象的数据通过视觉的方式进行展示，能让用户直观的看到数据中蕴含的信息和规律。

本篇文章，整理了 5 个可视化开源项目，其中包括可视化制作低代码平台、大屏可视化、地图可视化、热图、图标可视化等等。

通过拖拽快速生成自己的可视化作品的低代码平台，前端使用 Vue.js 技术栈，后端部分采用 Node.js + Koa + MongoDB。

这个平台能够通过 Excel 导入数据，可视化画布。在画布能够添加图表、图片、文字、边框等组件，支持拖拽和缩放。

地址：https://github.com/ddiu8081/ChartFun

大屏可视化便利性工具，结构简单。安装这个项目后，只需要配置好数据就能实现可视化。

地址：https://github.com/TurboWay/big_screen

这是一款基于百度地图的大数据可视化库，专注于大数据方向的散点图、热力图、网格、聚合等方式展示，致力于让大数据可视化变得简单易用。

这个可视库支持GeoJSON，可以自定义主题。支持多线程，具有高性能、API 友好等优点。

地址：https://github.com/TalkingData/inmap

本示例项目则这个项目使用 ECharts 自行开发的大屏可视化案例，目标是让用户能在简单的一页之内让用户读懂数据之间的层次与关联。

地址：https://github.com/yyhsong/iDataV

上市公司全景概览

地图可视化

3D图表展示

热力图展示

ECharts扩展示例

旭日图

地理信息数据

用 Vue 构建的 GitHub 大数据可视化平台，通过它你可以更直观的看到你在 GitHub 里的一些数据，数据来源调用 GitHub 开发的 API。

开源：https://github.com/HongqingCao/GitDataV
博客：https://juejin.cn/post/6844903664818061325

datart：新一代数据可视化开放平台，支持报表、仪表板、大屏、分析和可视化数据应用的敏捷构建。

地址：https://gitee.com/running-elephant/datart

参考：https://zhuanlan.zhihu.com/p/93598610

这个开源项目的描述：通过使用 SVG、Canvas 和 HTML 让数据栩栩如生。

数据可视化是洞察数据所蕴藏信息非常重要的手段，本文章推荐的开源项目 D3.js 是一个 10w+ Star 的开源项目。

D3.js 是一个 Javascript 库，就像它所描述的一样，通过使用 D3 可以通过 SVG、 Canvas 和 HTML 的方式将数据进行可视化。它遵循现有的 Web 标准，可以不需要其他任何框架独立运行在现代浏览器中。

同时 D3 将强大的可视化和交互技术与数据驱动的 DOM 操作方法相结合，让你拥有现代浏览器的全部功能，并可以自由地为数据设计合适的可视化界面。

它封装了很多数据可视化相关的函数，原本复杂的数据可视化流程，你只需要几个函数即可实现。

官方网站：https://d3js.org/

开源地址：https://github.com/d3/d3

D3 非常强大，如下是使用 D3.js 构建的可视化案例

D3 不仅仅用于可视化，还可以用于定量分析，例如数据转换、随机数生成等等。

D3 也支持分层数据，你可以完全控制数据的显示方式，比如树形图、整齐的树和压缩圆等。

网络

点状图

地图

数据可视化是应用开发中很常见但很重要的需求，一个好的可视化库能让数据可视化的开发事半功倍。Graphic 是一个数据可视化语法和 Flutter 图表库。

DateEase 也是一个开源的数据可视化分析工具，国产开源支持 PC端、移动端、大屏，标星 6.8K。

使用开源项目 DateEase 仅仅通过简单的拖拉拽快速搞定一个图表，支持多种数据源比如：Excel、MySQL、API、Oricle、mongoDB、Hive 等等。

开源地址：https://github.com/dataease/dataease

在GitHub上，有几个BI的开源项目，它们提供了数据分析和业务智能解决方案。这些项目包括：

1. metabase：一个开源的商业智能和数据可视化工具，它允许用户查询和探索数据，或者将其嵌入应用程序中。metabase支持多种数据源，如MySQL和BigQuery，并提供数据看板展示、数据探索、可视化SQL等功能。

http://www.gitpp.com/pp/metabase-cn

2. Superset：一个开源的数据可视化和探索平台，它提供了强大的数据可视化功能，支持多种数据源，包括JDBC兼容的数据库、Hive、MySQL、Redshift等。Superset还提供了拖放式的数据探索界面和丰富的可视化选项。

http://www.gitpp.com/pp/superset

3. Redash：一个开源的数据可视化和查询工具，它允许用户创建自定义的数据可视化，并将它们嵌入到网页或应用程序中。Redash支持多种数据源，包括Google BigQuery、Amazon Redshift、PostgreSQL等。

http://www.gitpp.com/pp/redash-cn

这些项目都提供了数据处理、分析和可视化的功能，可以帮助企业更好地管理和分析他们的数据，以便做出更明智的决策和优化业务流程。

确实，metabase、Superset和Redash都是非常优秀的开源商业智能（BI）软件，每个都有其独特的特点和功能。以下是关于这三个工具的简要介绍：

- 特点：metabase是一个简单、快速且开源的BI工具，专为非技术用户设计。它提供了一个直观的界面，使用户能够轻松地创建和共享仪表板、图表和报告。
- 功能：支持SQL查询、拖放界面、自定义仪表板、数据钻取、实时数据更新、数据导出以及与多种数据源的无缝集成。
- 适用场景：适用于那些需要快速搭建BI解决方案，且希望所有团队成员（无论技术背景如何）都能轻松访问和分析数据的组织。
- 特点：Superset是一个功能丰富的、现代的、开源的BI平台。它提供了高度可定制化的仪表板和数据可视化功能，支持复杂的分析和数据探索。
- 功能：包括高级SQL编辑器、拖放式的仪表板构建器、多种图表类型、交互式报告、自定义插件和与多种数据库的无缝连接。
- 适用场景：适用于需要高级数据分析和可视化功能，以及希望通过自定义插件扩展平台功能的组织。
- 特点：Redash是一个灵活且易于使用的开源BI和数据可视化工具。它提供了一个直观的查询编辑器，使用户能够轻松地创建和共享数据查询、仪表板和报告。
- 功能：支持SQL和NoSQL数据源、实时查询、数据可视化、仪表板定制、数据导出以及与多种数据源的集成。
- 适用场景：适用于那些需要灵活的数据查询和可视化功能，且希望团队成员能够快速创建和共享报告的组织。

这三个工具都是开源的，这意味着用户可以根据自己的需求自由地使用、修改和扩展它们。选择哪个工具取决于组织的具体需求、团队成员的技术背景以及对数据分析和可视化的具体要求。

AJ-Report 是一个可视化拖拽编辑的、直观酷炫，具有科技感的图表工具开源项目。

特点

支持多种数据源: 支持 es, mysql, oracle, kudu，并支持动态扩展数据源。
技术架构: 前端采用 Vue 和 Element，后端采用 SpringBoot。
功能完善: 提供丰富的大屏组件，可通过拖拽生成大屏，并具备完善的权限管理功能。
丰富的图表组件: 支持文本、视频、图片、表格、地图和各种统计图表。

数据流程图

展示图

使用

设置数据源

设置数据集

尽量不要用 “select *”，也不要用很大的数据量，容易卡死。

拖拽配置大屏

设置图表属性，比如标题、背景、坐标轴、字号等等。

设置数据集

设置组件的左边距、上边距、宽度、高度

项目地址：

将 pandas 数据框转变为交互式 UI 以进行可视化分析工具

国内源代码：

http://www.gitpp.com/pythonking/pygwalker

PyGWalker 的介绍

PyGWalker 是一个基于 Jupyter Notebook 的数据可视化探索式分析工具，它可以将数据集转化为类似 Tableau 和 PowerBI 的交互式可视化界面。通过简单的拖拽操作，用户可以进行数据分析和探索。PyGWalker 的目标是将数据集转化为一个可视化分析工具，降低数据分析师在数据可视化方面的时间成本。

PyGWalker 是 Python 编写的，可运行在 Jupyter Notebook 环境中。使用 PyGWalker 之前，需要先安装库，可以通过 pip 进行安装。在 Jupyter Notebook 中使用 PyGWalker 时，只需一条命令即可生成一个可交互的图形界面，以类似 Tableau/PowerBI 的方式，通过拖拽字段进行数据分析。

PyGWalker 的使用方法非常简单，只需遵循以下步骤：

1. 安装 PyGWalker：使用 pip 安装 PyGWalker，例如：`pip install pygwalker`。

2. 导入所需库：在 Jupyter Notebook 中导入 pandas、pygwalker 等库。

3. 加载数据：使用 pandas 或其他支持的数据库加载数据集。

4. 使用 PyGWalker 进行数据可视化：通过一条命令创建一个交互式可视化界面，并进行数据分析。

总之，PyGWalker 是一个便捷的数据可视化工具，可帮助用户在 Jupyter Notebook 中通过简单的拖拽操作进行数据分析和探索。它能够大大降低数据可视化方面的时间成本，提高数据分析师的工作效率。

它的主要作用和意义如下：

1. 数据可视化：PyGWalker 能够将 pandas Dataframe 转化为类似 Tableau 和 PowerBI 的交互式可视化界面，使用户能够通过简单的拖拽操作进行数据分析和探索。这使得数据可视化变得更加直观和便捷。

2. 提高工作效率：PyGWalker 的目标是通过一行代码将数据集转化为一个可视化分析工具，使用户能够直接在 Dataframe 上创建可视化视图，从而减少数据分析师在数据可视化上的时间成本。

3. 易于上手：PyGWalker 的使用方法简单，只需导入库、加载数据和创建可视化界面三个步骤，即可快速进行数据可视化和分析。这使得更多的数据分析师能够轻松上手，并快速开展数据工作。

4. 丰富的可视化类型：PyGWalker 支持多种可视化类型，如柱状图、折线图、散点图等，能够满足用户在不同场景下的可视化需求。

总之，PyGWalker 是一个实用的数据可视化和探索式分析工具，它的作用和意义在于提供了一个类似 Tableau 和 PowerBI 的交互式可视化界面，使得用户能够通过简单的拖拽操作进行数据分析和探索，提高工作效率，并且易于上手，支持丰富的可视化类型。

其主要功能如下：

1. 将 pandas Dataframe 转化为交互式可视化界面：PyGWalker 能够将 pandas Dataframe 转化为类似 Tableau 和 PowerBI 的交互式可视化界面，使用户能够通过简单的拖拽操作进行数据分析和探索。

2. 丰富的可视化类型：PyGWalker 支持多种可视化类型，如柱状图、折线图、散点图、热力图等，能够满足用户在不同场景下的可视化需求。

3. 数据探索和分析：通过 PyGWalker，用户可以轻松地探索和分析数据，挖掘数据中的模式、趋势和洞察。

4. 交互式操作：PyGWalker 提供了丰富的交互性功能，用户可以通过简单的拖放和配置操作，对可视化图表进行定制化，如设置图表类型、调整图表样式、添加标签、设置过滤器等。

5. 易于上手：PyGWalker 的使用方法简单，只需导入库、加载数据和创建可视化界面三个步骤，即可快速进行数据可视化和分析。

6. 支持多种环境：PyGWalker 可以运行在多种环境中，如 Jupyter Lab、Databricks Notebook、Jupyter Extension for Visual Studio Code、Hex Projects 等。

总之，PyGWalker 是一个实用的数据可视化和探索式分析工具，其功能包括将 pandas Dataframe 转化为交互式可视化界面、支持丰富的可视化类型、数据探索和分析、交互式操作、易于上手和支持多种环境。

pygwalker模块不需要编写大量的数据可视化图表代码，即可直接将pandas.Dataframe数据对象转换成可拖拽图表。

开始之前先看看pygwalker模块的可视化图表操作页面。

更多详情官网

PyGWalker 使用场景包括但不限于：

1. 数据探索：在获取数据后，使用 PyGWalker 进行数据探索，通过可视化图表发现数据中的规律和趋势。

2. 数据预处理：在数据预处理阶段，可以使用 PyGWalker 对数据进行清洗、转换和聚合等操作，以便后续分析。

3. 数据分析：利用 PyGWalker 进行数据挖掘和分析，例如计算数据的统计指标、发现数据之间的关联关系等。

4. 可视化报告：将分析结果生成可视化报告，以便更好地展示数据和分析结果，提高工作效率。

5. 交互式数据展示：在报告发布或分享过程中，使用 PyGWalker 制作交互式图表，让用户可以自行探索和分析数据。

总之，PyGWalker 适用于各种涉及数据分析和可视化的场景，特别是需要交互式图表进行数据探索和展示的场景。

BI也称为商业智能，是收集、分析和展示数据以支持决策者做出明智的业务决策的过程。BI帮助组织将其原始的生产数据转化为有意义的见解或者知识，以推动其业务战略。BI能够为组织改善决策、提高效率和提升资源利用率。

BI仪表盘是BI系统的重要组成部分，能够提供复杂数据的可视化表示，以易于理解的格式显示KPI、多维指标和其他数据信息。最显著的优势是它依托实时数据的可视化，使组织团队能够快速响应不断变化的业务环境。根据组织整体的鸟瞰图，使组织高管能够做出明智的决策。

如今，大数据受到各行各业的重视，随着大数据不断发展，BI利用大数据进行分析和可视化以支持决策的作用日趋凸显。

一些流行的开源BI仪表盘，例如：Apache Superset、metadata、Redash等，它们提供了数据可视化、数据探索和数据分析等功能，并且开源仪表盘的成本低、效益高、灵活性高，因此越来越受欢迎。

本文收集了一些开源免费BI仪表盘项目，供BI项目建设参考。

https://github.com/apache/superset

Apache Superset是一个数据挖掘和数据可视化平台，它可以很好地与各种数据源集成。

快速构建图表的无代码界面
一个强大的、基于Web的SQL编辑器，用于高级查询
用于快速定义自定义维度和指标的轻量级语义层
开箱即用支持几乎任何SQL数据库或数据引擎
从简单的条形图到地理空间可视化，各种精美的可视化效果可展示您的数据
轻量级、可配置的缓存层有助于减轻数据库负载
高度可扩展的安全角色和身份验证选项
用于编程自定义的API
全新设计的云原生体系结构，可实现扩展

https://github.com/metabase/metabase

metadata是一个非常简单的BI仪表盘项目，让公司中的每个人都可以提出问题并从数据中学习。

五分钟内完成分析展示。
让团队中的任何人在不了解SQL的情况下提问。
使用SQL编辑器进行更复杂的查询。
通过过滤器、自动刷新、全屏和自定义点击行为构建美观的交互式仪表盘。
创建清理、注释和/或联合收割机原始表的模型。
为您的团队定义要使用的规范细分和指标。
通过仪表盘订阅按计划将数据发送到Slack或电子邮件。
设置警报，让metadata在您的数据更改时通知您。
将图表、仪表盘或者整个metadata嵌入到您的应用程序中。

https://github.com/getredash/redash

Redash项目的目标是使任何人，无论技术复杂程度如何，都能够充分利用数据能力。SQL用户利用Redash来挖掘、查询、可视化或者共享各种数据源的数据，使他们组织中的任何人都可以使用这些数据。

基于浏览器：浏览器中的所有内容，以及可共享的URL。
数据来源：数十种不同的数据源，包括许多数据文件格式，数据库，Hive，JIRA，MySQL，Apache Hive，InfluxDB，Oracle等。
容易使用：无需掌握复杂的软件，即可立即高效地处理数据。
查询编辑器：使用模式浏览器快速组合SQL和NoSQL查询并自动完成。
可视化和仪表盘：通过拖放创建美观的可视化，并将它们联合收割机组合到单个仪表盘中。
共享：通过共享可视化及其相关查询轻松协作，支持对报告和查询进行同行评审。
刷新计划：按您定义的定期间隔自动更新图表和仪表盘。
警报：定义条件，并在数据更改时立即发出警报。
REST API：可以在UI中完成的所有操作都可以通过REST API完成。
对数据源的广泛支持：可扩展的数据源API，原生支持一长串常见数据库和平台。

https://github.com/dbt-labs/dbt-core

dbt不仅仅是BI仪表盘项目，它还能为数据分析师和工程师提供数据转换过程工具。使用dbt的分析师可以通过简单地编写select语句来转换他们的数据，而dbt可以将这些语句转换为数据仓库中的表或者视图。

https://medevel.com/cboard/

CBoard不仅是一个为用户提供交互式多维报表和数据分析的分析平台，还是一个能为开发人员提供BI产品的开发平台。

https://github.com/ankane/blazer

Blazer是一个开源的Web仪表盘，支持使用SQL挖掘数据，轻松创建图表和仪表盘，并与团队共享。

多数据源支持：PostgreSQL、MySQL、Redshift等
变量：使用不同的值运行相同的查询
检查警报：当出现错误数据时收到电子邮件
审计：跟踪所有查询
安全性：与您的身份验证系统配合使用
查询
丰富的图表
支持数据预测
设置查询权限
允许上传XLS、CSV、TSV和JSON格式的大型数据文件。

https://github.com/lightdash/lightdash

Lightdash提供了一个非常简单直观的界面，用于数据可视化和分析，以帮助企业做出决策。

https://github.com/shzlw/poli

Poli是一个专为SQL爱好者打造的开源免费BI项目。可以使用SQL进行数据分析，以更快地洞察业务知识。它包含有SQL编辑器、模型查看器、交互式报告和高级用户管理等功能。

安装/启动过程非常简单。

在Windows/Linux下的安装启动：

基于Docker的安装、启动

https://github.com/running-elephant/datart

Datart 是新一代数据可视化平台，支持各类企业数据可视化场景需求，如创建和使用报表、仪表盘和大屏，进行可视化数据分析，构建可视化数据应用等。由原 davinci 主创团队出品，datart 更加开放、可塑和智能，并在数据与艺术之间寻求最佳平衡。

设计架构：

https://github.com/mprove-io/mprove

https://mprove.io/

Mprove是一个自助式BI平台，允许用户轻松地分析数据和展示数据。凭借其强大的版本控制系统，Mprove可确保跟踪数据模型和可视化的所有变更，并在必要的时候快速恢复，具备较高灵活性，此功能是其他BI工具所没有的。

此外，Mprove直观的界面和用户友好的设计使其成为专业用户喜欢的BI平台。通过Mprove，企业可以简化数据分析流程，并获得企业运营的宝贵见解，从而为关键战略决策提供支撑。

https://github.com/allegro/turnilo

Turnilo是一个功能强大且用户友好的BI应用程序，专门用于为Apache Druid提供最先进的商业智能、数据挖掘和可视化功能。Druid是一个高性能、分布式列数据存储，专为大型数据集上的OLAP查询而设计。该应用程序是Pivot的一个分支，Pivot被广泛认为是Druid可用的最佳数据探索和可视化工具之一。Pivot目前仅在商业许可证下可用，这使得许多用户无法访问它。然而，通过Turnilo，用户现在可以享受Pivot的所有好处，而无需支付一分钱。

除了强大的功能外，Turnilo还具有高度的可定制性，使其成为各种规模和各行各业的理想解决方案。凭借其直观的拖放界面，用户可以轻松创建和自定义图表，图形和其他可视化，以满足他们的特定需求。Turnilo还支持CSV、JSON、SQL数据库等广泛的数据源，可以轻松地从各种来源导入数据。

https://github.com/mining/mining

OpenMining是一个用Python开发的免费开源商业智能（BI）应用。

https://github.com/antvis/G6VP

G6VP是一个强大的在线可视化分析工具，提供了丰富的图形分析功能。是研究人员、学者和分析师的理想工具。除了可视化分析功能外，G6VP还是一个用于构建图形应用程序的低代码平台。这意味着用户可以轻松地创建图形应用程序，而无需编写复杂的代码。该平台基于AntV G6可视化平台，以其高质量的可视化和交互功能而闻名。

G6VP以前被称为AntV/GraphInsight，后来经历了重大改进，现在提供了一系列新功能，包括：改进的可视化工具、增强的数据导入和导出功能以及改进的协作工具。有了这些新功能，用户现在可以轻松地创建更复杂、更复杂的图形应用程序。

总之，G6VP是一个功能强大的通用的BI工具，为可视化分析和应用程序开发提供了一系列功能。无论是研究人员、学者还是分析师，G6VP都能提供所需的功能，轻松高效地进行数据分析和可视化。

https://github.com/KnowageLabs/Knowage-Server

KNOWAGE是一个开源的BI工具，支持传统数据库、大数据平台，支持数据联合、混搭、数据挖掘以及用于多源分析的高级可视化。

该套件有两个主要模块和四个插件，以满足所有用户的需求，如下图所示。

https://github.com/tellery/tellery

Tellery是一个基于Web的开源BI系统，支持使用SQL构建指标并将其提供给团队使用。

让企业用户只需点击几下就能获得答案。不再在表和列中通信。
通过拖放轻松直观地构建美观的仪表盘。
具有富文本样式化功能、斜杠命令和markdown支持的编辑器。
具有多选项卡和自动完成功能的现代SQL编辑器。
仅使用SQL和引用（如CTE）对数据进行建模。
通过多人游戏实时查看工作并进行协作。
导入dbt模型和源，并在编辑SQL时检查其元数据。

https://github.com/helicalinsight/helicalinsight

Helical Insight支持用户从一个或多个数据源中获取信息。它提供了BI工具的所有功能。Helical Insight作为一个框架，它可通过API和SDK 在不影响业务需求的情况下扩展其功能。它还包括一个独特的工作流规则引擎，使用户能够实现自定义业务流程。

https://github.com/yarakyrychenko/boardtopic

BoardTopic利用尖端技术提供高效的主题建模和分析，允许更准确和全面的主题建模。

此外，该平台还利用Hugging Face微调的大型语言模型，帮助用户以更直观和用户友好的方式分析和理解他们的数据。借助BoardTopic，您现在可以利用这些先进技术，无需编码。

https://github.com/mundipagg/amora-data-build-tool

Amora数据构建工具主要用于数据仓库（BigQuery)的数据转换工具，使用Amora可以编写模型，Amora的模型是使用Python的PEP 484- Type Hints和select语句结合SQLAlchemy对数据模式的描述。不仅如此，Amora还可以将Python代码转换为在数据仓库内运行的SQL数据转换作业，从数据中获得更多信息。因此，Amora绝对是一种可靠而高效的数据转换工具。

https://github.com/malloydata/malloy-composer

Malloy Composer是一个可以使用现有的Malloy模型构建仪表盘或运行临时查询的简单应用程序。

Malloy Composer可以与内置的Web服务器一起运行（完整模式），完全在Web浏览器中运行访问BigQuery、Postgres或者DuckDB，也可以使用WASM模式访问csv或者parquet文件。

https://github.com/drinkjs/mojito

MojitoMojito是一个低代码，可视化，可扩展的BI开发平台。它具有可以拖动的层，可调整大小，可缩放，可旋转，可分组，可锁定。系统支持使用react、vue2、vue3自定义组件。支持事件处理程序、动态脚本等等。

Mojito采用Node.js开发，可以轻松安装在本地机器或云服务器上。

点选、拖拽、缩放的可视化操作
群组/解散、撤销/重置、图层显示/隐藏、锁定/解锁、对齐和排序
支持使用React和Vue3自定义组件库
支持组件间样式隔离
组件样式可视化配置
组件间通讯、事件同步、动态脚本...

Urungi是一个用于创建和管理各种SQL数据源的数据统计和仪表盘工具，它支持PostgreSQL，MySQL，MS SQL Server和Oracle等数据源。使用Urungi可以轻松地实现数据汇聚，并通过自定义视图和报告获得有价值的见解。

集中化：Urungi支持与任何SQL数据源连接。
分析：根据需求分析数据、定义数据视图和输出报告：。
共享：创建仪表盘显示数据。
支持的数据库，包括：PostgreSQL、MySQL、MS SQL Server、Oracle。

https://github.com/grafana/grafana

Grafana可以快速灵活地实现可视化、动态和可重用的仪表盘、即席查询、警报和混合数据源等功能，简化了查询、可视化和警报的过程。

https://github.com/holoviz/panel

Panel是一个开源的Python库，是HoloViz生态的成员。用于基于Python轻松构建强大的工具、仪表盘和复杂的应用程序。高级的响应式API和基于回调的低级API确保您可以快速构建创新性应用程序。使用Panel可以轻松地将小部件、图表、表格和其他可视Python对象组合到自定义分仪表盘中。

原文链接：