很多人提到Tableau、Power BI等老牌可视化工具，这些工具确实引领了可视化的风潮，有开疆拓土之功。

但这次我要提名一个有黑马潜质的可视化工具-Dash，在某些地方比Tableau、PowerBI更胜一筹。

Dash是一个基于web的Python工具包，所以你只需要会Python 就可以绘制图表、制作报告，无需js、css基础。

Dash 建立在 Plotly.js、React 和 Flask 之上，将现代 UI 元素（如下拉列表、滑块和图形）与 Python 相结合。

故而，它最重要的特点是完美集成Python数据科学生态，灵活而强大。

Dash是干什么的呢？

首先，它是一个可交互的可视化库，可以制作类型丰富的图表，包括统计图表、地图、三维动画等等，并集成到dashboard中。

它的UI设计也很符合商用场景，交互非常流畅，以气泡图为例：

其次，Dash还可用于自然语言处理、对象检测、预测分析等AI领域，这是传统BI工具不具备或不擅长的。比如下面的自动驾驶模拟：

对象识别：

还有图像处理：

Dash有哪些主要特点

1、完美交互

如下图，将下拉列表与 D3.js Plotly Graph 连接起来。当用户在下拉列表中选择一个值时，应用程序代码会动态地将数据从 Google Finance 导出到 Pandas DataFrame 中。这个应用程序仅用 43 行代码编写（查看源代码）

2、数据联动

Dash 应用程序代码是声明式和反应式的，这使得构建包含许多交互元素的复杂应用程序变得容易。下图是一个具有 5 个输入、3 个输出和交叉过滤的dashboard。

3、图表丰富

Dash 使用 Plotly.js 来绘制图表。支持超过 35 种图表类型，包括地图、三维模型等。

4、定制性强

Dash 不仅适用于仪表板，使用者可以自由控制应用程序的外观。下图一个 Dash 应用程序，它的样式看起来像一个 PDF 报告。

5、应用于各学科场景

dash拥有大量的开源组件，这些组件可以帮你做生物、物理、化学、机械、汽车等等各方面的分析。

比如说生物组件dash_bio,可以轻松地分析和可视化生物信息学数据，并在 Dash 应用程序中与它们交互。

图像处理组件dash_vtk，用于三维计算机图形学、图像处理和可视化。

6、AI应用开发

dash可以使用Python、R、Julia来编写程序，能很好的应用机器学习、深度学习等框架，进行AI应用开发