按代码开发、零代码 BI、绘图库、可视化大屏、报表图表分类整理，同时附上避坑技巧，适合数据分析、后台系统、大屏看板、PPT 汇报等场景。
一、代码类工具（开发嵌入、自定义程度高）
前端 Web 可视化（嵌入网页、后台系统）
ECharts（国内最常用）
优点：开箱即用，图表齐全，折线 / 柱状 / 饼图 / 地图 / 桑基图 / 雷达图，文档完善，中文友好，支持大数据量、动画、交互，Vue/React 都有封装。
适用：管理后台、数据中台、内部系统图表。
Apache ECharts‑GL
3D、地理三维、散点 3D，做地理大数据。
AntV 系列（阿里）
G2：高度自定义统计图表；G6：图可视化（关系图谱、拓扑图）；L7：地理空间可视化；X6：流程图、拓扑编排。
适合：关系网络、复杂自定义图表。
D3.js
底层 SVG 渲染，自由度天花板，上手成本高，适合完全定制化图表。
Highcharts：商用需要授权，兼容性好。
Python 数据分析可视化
Matplotlib：底层绘图库，静态图，论文、报告绘图。
Seaborn：基于 matplotlib，统计图表，箱线图、热力图，做分析探索。
Plotly：交互式图表，可导出 html，支持 3D，jupyter 友好。
Pyecharts：Python 封装 ECharts，快速生成交互式图表。
Java
ECharts 后端输出 JSON 配置，前端渲染；也可使用 JFreeChart（生成图片）。
二、零代码 / 低代码 BI 工具（业务分析、看板大屏，不用写代码）
Tableau
可视化交互强，拖拽式，多数据源接入，适合分析师，学习成本中等。
Power BI（微软）
Office 生态，Excel 无缝对接，性价比高，企业内部报表看板。
FineBI（帆软）
国产 BI，国内企业项目常用，对接国产数据库，大屏、报表一体化。
Quick BI（阿里云）
云原生，对接阿里云数仓，快速搭建看板。
DataEase（开源免费 BI）
开源，开箱即用，支持多数据源，替代商业 BI，私有化部署首选。
三、PPT / 汇报可视化（出图、做报告）
Excel：基础图表，条件格式、迷你图，快速做业务图表。
镝数图表：在线网页工具，大量模板，适合公众号、汇报配图。
Canva 可画：图表 + 海报排版，美化展示。
四、可视化核心实用技巧
1. 图表选型（最关键，选错图表数据直接误导）
原则：分类多优先用横向条形图，文字不会拥挤。饼图不要超过 5 个类别，过多合并为 “其他”。
2. 配色技巧
业务看板：优先低饱和度配色，不要大红大紫；背景浅灰 / 白色。
系列数据：3‑5 种主色足够，避免彩虹色；保持颜色含义全局统一。
强调重点：只突出 1 个系列，其余置为灰色。
大屏场景：深色背景 + 高对比度亮色；文字保证可读性。
注意色盲友好，避免红‑绿成对使用。
3. 布局与可读性
不要堆砌图表，一个看板只表达核心指标；删除多余网格线、边框、阴影、花哨动画。
Y 轴不要随意截断，截断会扭曲数值对比。
必须标注单位、时间维度；图表标题说明结论，不要只写 “XX 统计图”。
数据量大：开启下钻、筛选、缩放交互，不要把几万点全部渲染。
4. 常见坑
不要滥用 3D 图表，3D 会扭曲视觉判断。
饼图不要用来对比大小相近的数值，肉眼很难分辨。
大屏不要追求炫酷效果优先，优先保证业务信息清晰。
大数据量前端渲染卡顿：做聚合采样，分页，服务端聚合，不要前端直接渲染百万原始数据。
五、选型快速建议
开发系统嵌入图表：首选 ECharts；关系图选 AntV‑G6；自定义极强选 D3。
分析师做数据分析看板：Power BI / Tableau；私有化开源选 DataEase。
Python 探索分析：Seaborn+Plotly。
汇报公众号配图：镝数图表。
政府企业大屏项目：FineBI / ECharts 大屏模板。
本文原创作者：易君召，详见：https://www.yijunzhao.cn/authors/yijunzhao，转载请注明出处。
原文链接
欢迎访问 小易撩挨踢