大数据&云计算|「图型计算架构」GraphTech生态系统-第3部分：图形可视化 |架构|可视化|

这篇文章是关于GraphTech生态系统系列文章的一部分。本文是第三部分，也是最后一部分（目前）。介绍了图形可视化软件、应用程序和库的生态系统。第一篇文章列出了图形数据库。第二部分介绍了图形分析生态系统。
注意：我在本文的底部添加了一个演示，其中列出了70多个图形可视化库、工具箱和可视化工具。
图表是用来看的

本文插图

Paris Metro | Graph data ? Matthieu Totet CC-BY-SA — | Visualization Ogma by Linkurious
本文所讨论的图形技术层是前端层，即图形可视化层。信息可视化已经成为许多类型分析的支持，包括社会网络分析。几十年来，视觉表征帮助研究人员、分析师和企业从他们的数据中获得洞察力。
可视化工具是图形数据和分析人员之间的重要桥梁。它有助于表面信息和洞察力，从而了解情况或解决问题。
虽然以表格格式（如电子表格）读取和理解非图形数据很容易，但如果您尝试以同样的方式分析连接的数据，则可能会丢失有价值的信息。在表中表示连接的数据不是直观的，而且通常隐藏了值所在的连接。
图形可视化工具将连接的数据转换成图形网络表示，利用人脑的熟练程度来识别视觉模式和更多模式变化。

在图论和网络科学领域，早在1996年Pajek项目中，研究人员就开始设想图形分析和可视化工具。尽管这些应用长期以来都局限于研究领域，但它却是计算机图形可视化工具的诞生。

本文插图

The pajek project, initiated in 1996
可视化加速了数据分析研究人员开始开发这些工具是有原因的。图形可视化为图形数据的分析带来了许多优点。将可视化方法应用于数据分析时，您更有可能减少查找信息的时间，因为：

你对趋势和模式的识别能力更强。
您可以更容易地消化大量的数据。
你可以更容易地比较各种情况。
此外，通过视觉媒介分享和解释你的发现会更容易。

再加上计算机机器带来的能力，这些优势为分析人员在大量数据中寻找信息打开了新的大门。这也是图形可视化解决方案与我们在前面的文章中讨论的图形分析和图形数据库工具互补的原因。
一旦存储了数据并完成了计算，最终用户需要一种可理解的方法来处理和理解数据。图形可视化工具在许多场景中都很有用。我们将要介绍的大多数工具都可以直接插入数据库和分析系统，以进一步分析图形数据。
图形可视化库和工具箱
目前可用于可视化图形数据的常用工具包括库和工具箱。这些库允许您构建定制的可视化应用程序，以适应您的需要：从在浏览器中显示数据的基本图形布局，到嵌入图形数据自定义和分析功能的完整面板的高级应用程序。它们确实需要编程语言的知识，或者暗示您有可用的开发资源。

大数据&云计算|「图型计算架构」GraphTech生态系统-第3部分：图形可视化

本文插图

The graph visualization libraries and toolkit ecosystem
目录很广[您将在本文结尾处找到列表] ，根据您最喜欢的语言、许可证要求、预算或项目需要，您可以选择很多。在开源世界中，一些库提供了许多数据可视化的可能性，包括图形或网络表示。这是 D3.js和 Vis.js例如，允许您在不同的数据表示格式中进行选择。
其他库只关注数据的图形表示，例如Cytoscape.js 或者Sigma.js. 通常，这些库提供的功能比通用库更多。 Java中有GraphStream或Jung之类的库，或者Python中的库，其中有nodeboxgraph这样的包。