D3|D3 vs G2 vs Echarts
初次接触 web 图表开发的工程师，面对众多的可视化工具库难免会有疑惑，比如说：
这库的产品定位？
哪个更好学？
哪个更强大？
让我们带着问题，从这三个库的命名出发，比较一下：
Echarts
简述：
该库为百度团队开发，因其开源免费又容易手上，所以很快流行起来。
正如其名 Echarts，亦如其它的 xxCharts 类库一样，该库中封装了绝大多数常规 chart，用户通过配置 options 参数，就可很容易绘制指定图表。
优势：
容易上手：其语法类似 css 的参数配置型语法，学习门槛较低。
图表种类较丰富：因其发布较早且有百度团队维护，其提供的图表类型已能满足绝大部分常规性的业务需求。
劣势：
自由度差：参数配置型语法库的本质是调用现成的绘图函数，所以此类库的通病就是定制化能力差，想做出开发者未封装的图表非常难。
代码复用率低：因为此类库封装程度已非常高，所以很难对其进一步抽象和封装。
产品受众：
无数据可视化知识的前端工程师
G2：The Grammar of Graphics
简述：
该库由蚂蚁金服 antV 团队开发，其设计理念更有学术性，走出了一条与 echarts 不同的产品线路。
【D3|D3 vs G2 vs Echarts】正如其名 The Grammar of Graphics -可视化图形语法，该库有着被称为可视化圣经的《The Grammar of Graphics》作理论支撑，将可视化理论与web技术做了非常好的结合。
优势：
自由度较高：由可视化理论做基础，没有类似 Echart 的 chart 概念，可用“可视化语法”绘制想要的图表，非常灵活。
例如一根堆积柱形图的坐标系由笛卡尔坐标系改为极坐标系，堆积柱形图就变为了圆环图。
代码复用率较高：因其有一套完善的可视化语法，所以团队或公司可根据自己的 UI 需求，用 g2 做底层库，封装自己的 charts 库。
劣势：
学习成本稍高：g2 有理论的加持既是优势也是劣势；优势是更高效了，却也提高了可视化小白的使用门槛。
比如理解 g2 的绘图原理至少要知道数据可视化的五种“视觉通道”：数据可以映射到 position, size, color, shape, opacity 五个维度等等。
产品受众：
数据可视化工程师
希望向数据可视化领域发展的前端工程师
D3：Data Driven Documents
简述：
该库几乎凭 Mike Bostock 一人之力完成，且在学术界、专业团队中享有极大声誉。(想自学 D3 的同学请戳 《如何自学 D3》)
该库更接近底层，与 g2、echarts 不同，d3 能直接操作 svg，所以拥有极大的自由度，几乎可以实现任何 2d 的设计需求。
正如其名 Data Driven Documents，其本质是将数据与 DOM 绑定，并将数据映射至 DOM 属性上(这时视觉通道、比例尺转换等理论就可发挥作用喽～)。
同时，如下图，d3 长于可视化，而不止于可视化，还提供了数据处理、数据分析、DOM 操作等诸多功能。
文章图片
图片来自网络 优势：
掌握 d3 后，限制作品水平的只会是想象力而不再是技术。
劣势：
学习门槛较高，对用户的 web 技术、可视化理论、数学逻辑都一定要求。
产品受众：
希望向中高水平进阶的可视化工程师
希望向中高水平进阶的前端工程师
题外话：
任何一款工具型产品，在产品设计时都遇到“自由度”和“简便性”两者间的权衡与取舍，而往往这两者很难兼得，我将这种情况称之为“跷跷板难题”。
文章图片
~ 这也是为什么 echarts 使用简单而自由度差， d3 自由度好而学习门槛高的原因了。
所以，回到 “哪个更强大” 的问题，这个问题，从不同角度看，会有不同答案。
在我看来，这三款可视化库各有优劣，没有哪款更强大，只有哪款更适合。
就像美图秀秀与 PhotoShop，分别满足了不同人群，不同场景的需求。
以上
推荐阅读
- 异性同事关系再好，一旦做了这5件事，就是想0距离接触
- 感赏投射17
- 一见倾心
- 开始你的第一个Echarts图表（分享自知乎网）
- echarts插件-从后台请求的数据在页面显示空白的问题
- 不要浪费时间在别人身上
- 游戏和竞争-初次现金流比赛回顾
- 狡猾
- Pyecharts|Pyecharts 猎聘招聘数据可视化
- 《国土安全》的魅力何在（）