JsonHero是一款开源的JSON可视化工具，目前在Github已有2.9K+Star，通过JsonHero可以非常方便地查看JSON数据，它支持列视图、树视图和编辑视图，总有一款适合你！
JsonVisio是一款简洁易用的JSON可视化工具，目前在Github已有4.1K+Star，可以支持JSON格式化、编辑和校验，并且能根据JSON生成树状图。
通过使用上面两种JSON可视化工具，就算只使用Swagger来调试接口也不愁了！细心的小伙伴应该可以发现，JsonHero只支持查看JSON，并不支持编辑，所以编辑JSON还得使用JsonVisio。不过项目作者在Issues里面回复到，以后版本会进行支持。
几个少见的提高生产力的数据和系统可视化工具提高生产力的数据和系统可视化工具
随着文件、数据集和配置的增长，导航它们变得越来越困难。然而，有许多工具可以帮助你在处理大型JSON和YAML文件、复杂的正则表达式、令人困惑的SQL数据库关系、复杂的开发环境等等时提高工作效率。
JSON是一种对计算机很好但对人不友好的格式。即使是相对较小的JSON对象也可能很难读取和遍历，但有一个工具可以提供帮助！
JSONVisio是一个从JSON对象生成图表的工具。这些图表比文本格式更容易导航，并且更方便，该工具还允许你搜索节点。此外，生成的图表也可以作为图像下载。
你可以在使用Web版本，也可以将其作为Docker容器在本地运行。
正则表达式(RegEx)因可读性差而臭名昭著。我推荐2个工具来帮助理解复杂的RegEx——第一个是
这可以帮助你构建和测试RegEx，以及将它们分解并识别其各个部分。
第二个是，它从RegEx生成图表，这对于理解表达式的实际作用非常有帮助：
有很多处理关系数据库的软件，但是其中大多数都专注于连接到数据库实例和运行SQL查询。这些功能非常方便，但对可能有数百个表的数据库需要进行导航可能非常困难。一个可以解决这个问题的工具是Jailer：
Jailer是一种工具，除其他外，它可以通过跟随外键来浏览数据库。
在DevOps方面，使用Docker时，启动大量容器，尝尝难以管理，这里推荐一款轻量级docker管理工具。
Lazydocker是同时处理多个Docker容器的超轻量级工具。
如果你更喜欢基于浏览器的工具，你可能想尝试kuboard/rancher/kubesphere等，同时现在各大云厂商都提供了商业版的可视化容器管理平台，它们均提供了用于导航/检查Docker容器、卷、图像等的仪表板。
考虑到k8s资源都可以使用可视化工具，涉及到Kubernetes涵盖很多内容。
哪个数据可视化工具比较好？
看了一下其他的回答，都是利用现有的可视化软件，这里以Python为例，介绍2个比较好用的可视化包—seaborn和pyecharts，简单易学、容易上手，绘制的图形漂亮、大方、整洁，感兴趣的朋友可以尝试一下，实验环境win10+python3.6+pycharm5.0，主要内容如下：
1.seaborn：这是一个基于matplotlib的可视化包，是对matplotlib更高级的API封装，绘制的图形种类繁多，包括常见的折线图、柱状图、饼状图、箱型图、热力图等，所需的代码量更少，使用起来更方便，下面我简单介绍一下这个包的安装和使用：
程序运行截图如下：
2.pyecharts：这个是echarts提供给python的一个接口，在前端的数据可视化中，可能会用到这个echarts包，借助pyecharts，我们不仅可以绘制出漂亮的柱状图、折线图等，还可以绘制3D图形、地图、雷达图、极坐标系图等，简单好用，非常值得学习，下面我简单介绍一下这个包的安装和使用：
程序运行截图如下：
补充推荐一个Python新数据可视化模块——PlotlyExpress。
PlotlyExpress
PlotlyExpress是一个新的高级Python数据可视化库，它是Plotly.py的高级封装，它为复杂的图表提供了一个简单的语法。只需一次导入，大多数绘图只要一个函数调用，接受一个整洁的Pandasdataframe，就可以创建丰富的交互式绘图。
PlotlyExpress安装
惯例，使用pip进行安装。
PlotlyExpress支持构建图表类型gapminder数据集说明
我们使用gapminder数据集进行体验PlotlyExpress。
gapminder数据集显示2007年按国家/地区的人均预期寿命和人均GDP之间的趋势：包含1952~2007年世界各国家人口、GDP发展与/地区的人均预期寿命和人均GDP之间的趋势。
散点图scatter
常用参数说明：
使用散点图描述中国人口与GDP增长趋势图
地理散点图scatter_geo
常用参数说明
使用地理散点图描述全球人口与GDP
折线图（line）
常用参数说明
使用折线图描述1952~2007中国与美国人口增长趋势图
条形图(bar)
常用参数说明
使用条形图描述1952~2007中国与美国人口增长趋势图
等值区域图（choropleth）
常用参数说明
使用等值区域图描述各个国家人口数量
目前国内数据可视化工具或产品很多，到底那个工具或者产品是最好的？看了很多数据可视化产品，总结下来分为几大类。
下面我将一一分别进行工具介绍：
一．数据可视化库类
一个纯javascript的数据可视化库，百度的产品，常应用于软件产品开发或者系统的图表模块，图表种类多，动态可视化效果，开源免费。
评价：非常好的一个可视化库，图表种类多，可选的主题。Echarts中主要还是以图表为主，没有提供文本和表格方面的展现库，如果有相关需求还需要引入表格和文本方面的其他可视化库。
与echarts相似，同样是可视化库，不过是国外的产品，商用需要付费，文档详尽。
评价：同样是非常好的一个可视化库，图表种类多。但是同样需要进行二次开发，,没有提供文本和表格方面的展现库。而且因为商用付费，所以能选择echarts肯定不会选择highcharts。
Antv是蚂蚁金服出品的一套数据可视化语法，是国内第一个才用thegrammarofGraphics这套理论的可视化库。在提供可视化库同时也提供简单的数据归类分析能力。
评价：是一个优秀的可视化库，需要进行二次开发。因为采用的是thegrammarofGraphics语法，和echarts相比各有千秋。
二．报表、BI类
由echarts衍生出来的子产品，同样继承了echarts的特点，图表种类多，没有提供文本和表格方面的展现库。Echarts接受json格式的数据，百度图说把数据格式进行了封装，可以通过表格的形式组织数据。
评价：可以把表格数据转换成图表展现形式的工具，支持excel数据导入，适合做静态的BI报告。因为数据偏静态，没看到与数据库结合的部分，很难和第三方系统结合展现动态变化的数据，如日报表、月报表、周报表等。
FineReport报表软件是一款纯Java编写的、集数据展示(报表)和数据录入(表单)功能于一身的企业级web报表工具，它“专业、简捷、灵活”的特点和无码理念，仅需简单的拖拽操作便可以设计复杂的中国式报表，搭建数据决策分析系统。
评价：FineReport可以直连数据库，方便快捷的定制各种复杂表样，用来做出固定格式的周报、月报等。它的格式类似于excel界面，特色功能报表制作，报表权限分配，报表管理还有填报，支持多种数据库。
Tableau是桌面系统中最简单的商业智能工具软件，Tableau没有强迫用户编写自定义代码，新的控制台也可完全自定义配置。在控制台上，不仅能够监测信息，而且还提供完整的分析能力。Tableau控制台灵活，具有高度的动态性。
评价：全球知名的BI工具，价格6000元/年/人左右，但是国外产品不花钱不会为你做任何定制化改动，售后很有问题。
FineBI与FineReport都是帆软的产品。首先FineReport作为一款报表工具，主要用于解决提升IT部门的常规/复杂报表开发效率问题；而FineBI是商业智能BI工具，在IT信息部门分类准备好数据业务包的前提下，给与数据，让业务人员或领导自行分析，满足即席数据分析需求，是分析型产品。
FineBI的使用感同Tableau类似，都主张可视化的探索性分析，有点像加强版的数据透视表。上手简单，可视化库丰富。可以充当数据报表的门户，也可以充当各业务分析的平台。
评价：FineBI做到了自助式分析，图表类型丰富，数据分析功能较强大，钻取，筛选，分组等功能都有。但是对于普通没有IT基础的人来说，要想真正熟练地掌握finebi，还是有一定的难度的，需要花上几天，但是这个难度相比Excel的VBA学习还是低不少的。
PowerBI是一套商业分析工具，用于在组织中提供见解。可连接数百个数据源、简化数据准备并提供即席分析。生成美观的报表并进行发布，供组织在Web和移动设备上使用。每个人都可创建个性化仪表板，获取针对其业务的全方位独特见解。在企业内实现扩展，内置管理和安全性。
评价：类似于excel的桌面bi工具，功能比excel更加强大。支持多种数据源。价格便宜。但是只能作为单独的bi工具使用，没办法和现有的系统结合到一起。
三．可视化大屏类
提供丰富的模板与图形，支持多数据源，拖拉式布局，支持服务化服务方式和本地部署。整体来说是一款很好的大屏的产品。
评价：产品不错，就是价格服务版每年5100元/年，本地部署竟然要110万，每年续费也要37万。
前文有介绍过，finereport是一个企业级的报表工具，同时也提供大屏的服务。通过布局、色彩、绑定数据等环节完成大屏的制作。拥有很多自助开发的可视化插件库。
评价：很优秀的软件，性价比高。学习方面，掌握FineReport的dashboard制作，应该也比较简单的。
五.专业类（地图、科学计算、机器学习）
很多工具都能实现数据地图，比如echarts，finereport，tableau等。
ggplot2是R语言最流行的第三方扩展包，是RStudio首席科学家HadleyWickham读博期间的作品，是R相比其他语言一个独领风骚的特点。包名中“gg”是grammarofgraphics的简称，是一套优雅的绘图语法。主要用于机器学习绘图。
评价：机器学习、数学、科学计算领域专业的绘图语言。专业与技术要求都很高，不是专业搞机器学习或者科学计算的工程师，一般不会用到。
Python是一门编成语言,其周边的绘图库也比较丰富比如pandas和matplotlib,pandas能够绘制线图、柱图、饼图、密度图、散点图等；matplotlib主要是绘制数学函数相关的图如三角函数图、概率模型图等。
评价：机器学习、数学、科学计算领域专业的绘图语言。专业与技术要求都很高，不是专业搞机器学习或者科学计算的工程师，一般不会用到。
R-ggplot2
ggplot2是R语言最为强大的作图软件包，强于其自成一派的数据可视化理念。当熟悉了ggplot2的基本套路后，数据可视化工作将变得非常轻松而有条理。
技术相关
1.将数据，数据相关绘图，数据无关绘图分离
这点可以说是ggplot2最为吸引人的一点。众所周知，数据可视化就是将我们从数据中探索的信息与图形要素对应起来的过程。
ggplot2将数据，数据到图形要素的映射，以及和数据无关的图形要素绘制分离，有点类似java的MVC框架思想。这让ggplot2的使用者能清楚分明的感受到一张数据分析图真正的组成部分，有针对性的进行开发，调整。
2.图层式的开发逻辑
在ggplot2中，图形的绘制是一个个图层添加上去的。举个例子来说，我们首先决定探索一下身高与体重之间的关系；然后画了一个简单的散点图；然后决定最好区分性别，图中点的色彩对应于不同的性别；然后决定最好区分地区，拆成东中西三幅小图；最后决定加入回归直线，直观地看出趋势。这是一个层层推进的结构过程，在每一个推进中，都有额外的信息被加入进来。在使用ggplot2的过程中，上述的每一步都是一个图层，并能够叠加到上一步并可视化展示出来。
3.各种图形要素的自由组合
由于ggplot2的图层式开发逻辑，我们可以自由组合各种图形要素，充分自由发挥想象力
基本开发步骤
1.初始化–ggplot()
这一步需要设定的是图的x轴，y轴和”美学特征”。基本形式如下：
p
火车采集器怎么采集json里面的数据json数据是可以可视化采集的，只要用鼠标选取一下要采集的内容就可以了，采集超简单，你可以看一下这个视频教程，用的工具是懒人采集器。
bilibili视频教程地址
logo设计
创造品牌价值
¥500元起
APP开发
量身定制，源码交付
¥2000元起
商标注册
一个好品牌从商标开始
¥1480元起
公司注册
注册公司全程代办
¥0元起
查
看
更
多
- 官方电话官方服务
- 官方网站八戒财税知识产权八戒服务商企业需求数字市场