告别Excel，免费大数据分析与可视化工具，让你的论文图表“高大上”

数据分析工具很多，可以分为表格、数据库、BI工具、编程等四大工具。每个大类又有很多的工具，例如表格包括Excel、WPS、Google Sheets、Airtable等。编程工具包括Python和R。

搞科研几年了，笔者一直都是在使用Excel做数据分析和可视化，论文里也多用Excel生成的图表。笔者也学习过Matlab、Python、R，它们虽然功能强大，但是编程分析数据太花费时间了，效率偏低。

后来，笔者机缘巧合学习使用了微软的Power BI，让笔者对数据建模、数据分析、数据可视化有了更加清晰的认识，甚至改变了笔者做数据分析的思维，拓展了数据分析和可视化的方法，让笔者专注于数据分析而不是如何使用工具。

为什么选择Power BI

从数据中获取信息的最佳方式之一，就是数据可视化。对于数据分析来说，数据可视化既可以帮助提高分析效率，也能为报告锦上添花，是一项必不可少的技能。

做数据可视化，选对工具很重要。市场上数据可视化工具很多，好坏参差不齐，在了解过N多款数据可视化工具后，笔者总结了自己曾经使用过的3款比较常见数据分析和可视化工具！

1.Microsoft的Excel

Excel是很多人第一次接触数据分析和可视化的工具之一。

Excel太强大了，在不同人手里，它可以是数据库、可以是数据处理工具，甚至还可以是IDE。当然，我们也可以把Excel当成一款数据可视化工具。

用Excel，我们可以创建专业的数据透视表和基本的统计图表。Excel最大的特点就是简洁方便，它内置了较为全面的图表样式和丰富的设置选项，但操作逻辑都是极为简便易懂的，几乎不需要教程即可摸索掌握。

不过相比于后面介绍的工具，Excel只能算作一款数据可视化的入门级工具。一是因为它难以支撑大数据量的数据可视化，二是它内置的图表在样式、颜色、线条上都只能选默认的，更改自由度不够。

2.Python及第三方模块

Python数据分析常用的第三方模块包括：Pandas、Numpy、Scikit-learn，封装好的数据读取存储方法、常用统计计算方法和机器学习方法等，可以大幅提高用户的效率。

Python数据可视化相关的众多第三方模块中，可视化库（Matplotlib、Seaborn）是非常强大的。几乎覆盖了我们所有常用的图表工具。

而且作为数据分析师，ESP三件套（Excel+SQL+Python）都是基本功，学会Python绝对不亏。

（1）Matplotlib

Matplotlib是python中公认的数据可视化工具，通过Matplotlib，几行代码即可生成线图、直方图、功率谱、条形图、错误图、散点图等，还可以用一些MATLAB函数来更改控制行样式、字体属性、轴属性等。

（2）Seaborn

Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝链接，使初学者更容易上手。相对于matplotlib，Seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系。

Seaborn的可视化效果要比matplotlib更加高大上。其实，我们只需要掌握matplotlib和Seaborn中的一个模块就可以了，有需要再现学现用也来得及。

3. R语言

R是一门用于统计计算与作图的语言，但不仅仅是一门语言，它有数据计算与分析的环境，可以说是专门用于数据分析领域。入门R，不会很难，花几天时间学，可以掌握基本的数据结构和可视化，在实际解决问题的过程中，去寻找需要的R包，结合网络资料阅读使用技巧，基本就能应对。

R的特点是免费、开源。第三方的R包很多，但相应的第三方R包的质量也参差不齐，单机处理能力较弱。虽然入门不难，但作为一门语言，操作还是比较抽象。

笔者不太推荐R语言，因为R算是比较小众的语言，应用场景远不如Python广泛和流行。如果一定要学习一种编程语言实现数据分分析和可视化，那么笔者推荐Python及第三方模块，掌握Python，对于未来的职业发展也是大有裨益。

Power BI（商业数据分析工具）

虽然Power BI是商务数据分析工具，但是它的应用不仅仅是商务领域，很多领域都可以使用它，包括科研的数据分析和可视化。

如果只是为了做数据可视化，那么去学习一门语言有点得不偿失。用现成的数据分析和可视化工具，性价比会更高。

Excel是一个不错的选择，既然会使用Excel，那Power BI是更好的选择之一。Power BI可以用于处理大数据，使用起来也更加符合数据处理、分析、建模和可视化的工作，使你的工作流程更加直观和简化，仪表盘更加商业化。

笔者尤其喜欢Power BI的动态、交互报表，这可以非常生动地模拟数据演化过程，这对于一些分析工作非常有用。此外，Power BI也会涉及函数脚本，类似Excel，难度要比Python、Matlab简单很多。

例如，你能想象下面这张仪表盘是通过Power BI就可以简单拖拽实现的吗？这个图表是可以交互的吗？这写数据可以动态演化吗？

通过Power BI，我们可以把历史数据放在一个图表上，通过时间切片，控制不同时间点或者时间段的数据展现。再也不用粘贴那么多张图片到PPT里了。

写在最后

Power BI功能强大，笔者是亲身体会后（完成了一篇小论文），决定分享给大家，向大家推荐这个免费的工具做科研。Power BI并不复杂，有一定的Excel基础，学起来就会非常简单。Power BI的网上教程非常多，通过几个案例系统学习一下就能掌握了，笔者就不赘述了。总结一下，笔者推荐学习Python及第三方模块+Power BI。

Power BI能够满足笔者的科研需求，未必满足你的科研需求，请大家调研了解后，在做决定，仅供参考！

Power BI 官方网址：

https://powerbi.microsoft.com/zh-cn/