现在有很多各种各样的JavaScript库，但这里将介绍7个很优秀的可用于你下一个JavaScript项目的库。
仪表盘是用于目标或业务流程的视觉指示工具，也用于切割杂乱无章的数据，从而分割出要点的重要工具。它可帮助评估信息，并及时做出正确的决定。实时可视化的仪表盘由图标、测绘图、图形符号，以及数据表格等组成。
目前有一些开源或商业的库用于创建仪表盘。在本文中，我们将会展示一些可帮助创建美观且可自定义的仪表盘的JavaScript库。
1.Gridster.js
Gridster是一个jQuery插件，可以从跨多个列的元素构建直观的可拖拽布局。
它可以让你从网格中动态添加或删除小部件，甚至可以获得一个具有所有小部件位置的对象的JavaScript数组，从而可以在以后使用这些数组来加载小部件。
2.angular-gridster
这是一个用于AngularJS的格子状小部件的实现。它具有jQuerygridster插件等功能，也具有一些其他的功能。
它完全使用Angular指令重写，还可以使用Angular的数据绑定功能。
3.gridstack.js
gridstack.js是一个用于小部件布局的jQuery插件，灵感来自gridster.js。这是一个可拖放的多列网格，可让你构建可拖拽的响应式Bootstrapv3的友好布局，
它还适用于knockout.js,angular.js和触摸设备。
4.jQueryGridly
Gridly是一个jQuery插件，电脑培训http://www.kmbdqn.cn/建议可用于拖放以及在网格中调整大小。
5.Packery
Packery是一个JavaScript库和jQuery插件，可用于生成无缝且可拖拽的布局。它使用bin-packing算法来填充空隙。
它适合用于创建一个可拖拽的仪表盘和无缝的“砖石图像画廊”布局。
JavaScript 框架（库）JavaScript 高级程序设计（特别是对浏览器差异的复杂处理），通常很困难也很耗时。
为了应对这些调整，许多的 JavaScript (helper) 库应运而生，这些 JavaScript 库常被称为 JavaScript 框架。介绍一些日常用的 JavaScript 框架：
jQuery
Prototype
MooTools
所有这些框架都提供针对常见 JavaScript 任务的函数，包括动画、DOM 操作以及 Ajax 处理。
jQuery
jQuery 是目前最受欢迎的 JavaScript 框架。
它使用 CSS 选择器来访问和操作网页上的 HTML 元素（DOM 对象）。
jQuery 同时提供 companion UI（用户界面）和插件。
许多大公司在网站上使用 jQuery：
Microsoft
IBM
Netflix
Prototype
Prototype 是一种库，提供用于执行常见 web 任务的简单 API。
API 是应用程序编程接口（Application Programming Interface）的缩写。它是包含属性和方法的库，用于操作 HTML DOM。
Prototype 通过提供类和继承，实现了对 JavaScript 的增强。
MooTools
MooTools 也是一个框架，提供了可使常见的 JavaScript 编程更为简单的 API。
MooTools 也含有一些轻量级的效果和动画函数。
其他框架
下面是其他一些在上面未涉及的框架：
YUI - Yahoo! User Interface Framework，涵盖大量函数的大型库，从简单的 JavaScript 功能到完整的 internet widget。
Ext JS - 可定制的 widget，用于构建富因特网应用程序（rich Internet applications）。
Dojo - 用于 DOM 操作、事件、widget 等的工具包。
script.aculo.us - 开源的 JavaScript 框架，针对可视效果和界面行为。
UIZE - Widget、AJAX、DOM、模板等等。
无意中从今日头条中看到的一篇文章，可以生成简单的图表。据说一些大数据开发们也是经常用类似的图表库，毕竟有现成的，改造下就行，谁会去自己造轮子呢。pyecharts是什么？ pyecharts 是一个用于生成 Echarts 图表的类库。Echarts 是百度开源的一个数据可视化 JS 库。用 Echarts 生成的图可视化效果非常棒， pyecharts 是为了与 Python 进行对接，方便在 Python 中直接使用数据生成图 。使用pyecharts可以生成独立的网页，也可以在flask、django中集成使用。 安装很简单：pip install pyecharts 如需使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可，同时兼容 Python2 和 Python3 的 Jupyter Notebook 环境。所有图表均可正常显示，与浏览器一致的交互体验，简直不要太强大。参考自pyecharts官方文档: http://pyecharts.org首先开始来绘制你的第一个图表使用 Jupyter Notebook 来展示图表，只需要调用自身实例即可 add() 主要方法，用于添加图表的数据和设置各种配置项 render() 默认将会在根目录下生成一个 render.html 的文件，文件用浏览器打开。使用主题自 0.5.2+ 起，pyecharts 支持更换主体色系 使用 pyecharts-snapshot 插件 如果想直接将图片保存为 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用该插件请确保你的系统上已经安装了 Nodejs 环境。 安装 phantomjs $ npm install -g phantomjs-prebuilt 安装 pyecharts-snapshot $ pip install pyecharts-snapshot 调用 render 方法 bar.render(path='snapshot.png') 文件结尾可以为 svg/jpeg/png/pdf/gif。请注意，svg 文件需要你在初始化 bar 的时候设置 renderer='svg'。 图形绘制过程 基本上所有的图表类型都是这样绘制的： chart_name = Type() 初始化具体类型图表。 add() 添加数据及配置项。 render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。 add() 数据一般为两个列表（长度一致）。如果你的数据是字典或者是带元组的字典。可利用 cast() 方法转换。 多次显示图表 从 v0.4.0+ 开始，pyecharts 重构了渲染的内部逻辑，改善效率。推荐使用以下方式显示多个图表。如果使是 Numpy 或者 Pandas，可以参考这个示例当然你也可以采用更加酷炫的方式，使用 Jupyter Notebook 来展示图表，matplotlib 有的，pyecharts 也会有的Note： 从 v0.1.9.2 版本开始，废弃 render_notebook() 方法，现已采用更加 pythonic 的做法。直接调用本身实例就可以了。 比如这样 还有这样如果使用的是自定义类，直接调用自定义类示例即可图表配置 图形初始化 通用配置项 xyAxis：平面直角坐标系中的 x、y 轴。(Line、Bar、Scatter、EffectScatter、Kline) dataZoom：dataZoom 组件 用于区域缩放，从而能自由关注细节的数据信息，或者概览数据整体，或者去除离群点的影响。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot) legend：图例组件。图例组件展现了不同系列的标记(symbol)，颜色和名字。可以通过点击图例控制哪些系列不显示。 label：图形上的文本标签，可用于说明图形的一些数据信息，比如值，名称等。 lineStyle：带线图形的线的风格选项(Line、Polar、Radar、Graph、Parallel) grid3D：3D笛卡尔坐标系组配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D) axis3D：3D 笛卡尔坐标系 X，Y，Z 轴配置项，适用于 3D 图形。（Bar3D, Line3D, Scatter3D) visualMap：是视觉映射组件，用于进行『视觉编码』，也就是将数据映射到视觉元素（视觉通道） markLine&markPoint：图形标记组件，用于标记指定的特殊数据，有标记线和标记点两种。（Bar、Line、Kline） tooltip：提示框组件，用于移动或点击鼠标时弹出数据内容 toolbox：右侧实用工具箱图表详细Bar（柱状图/条形图） Bar3D（3D 柱状图） Boxplot（箱形图） EffectScatter（带有涟漪特效动画的散点图） Funnel（漏斗图） Gauge（仪表盘） Geo（地理坐标系） GeoLines（地理坐标系线图） Graph（关系图） HeatMap（热力图） Kline/Candlestick（K线图） Line（折线/面积图） Line3D（3D 折线图） Liquid（水球图） Map（地图） Parallel（平行坐标系） Pie（饼图） Polar（极坐标系） Radar（雷达图） Sankey（桑基图） Scatter（散点图） Scatter3D（3D 散点图） ThemeRiver（主题河流图） TreeMap（矩形树图） WordCloud（词云图） 用户自定义 Grid 类：并行显示多张图 Overlap 类：结合不同类型图表叠加画在同张图上 Page 类：同一网页按顺序展示多图 Timeline 类：提供时间线轮播多张图 统一风格注：pyecharts v0.3.2以后，pyecharts 将不再自带地图 js 文件。如用户需要用到地图图表，可自行安装对应的地图文件包。地图文件被分成了三个 Python 包，分别为： 全球国家地图: echarts-countries-pypkg 中国省级地图: echarts-china-provinces-pypkg 中国市级地图: echarts-china-cities-pypkg 直接使用python的pip安装但是这里大家一定要注意，安装完地图包以后一定要重启jupyter notebook，不然是无法显示地图的。 显示如下：总得来说，这是一个非常强大的可视化库，既可以集成在flask、Django开发中，也可以在做数据分析的时候单独使用，实在是居家旅行的必备神器啊
