Boîte à outils
Des outils majoritairement open souce et gratuits.
Plus d’une vingtaine d’outils spécialisés pour datavisualisation, filtrables par grandes thématiques permettant de créer des dataviz simples ou complexes.
Learn Design Driven Data Visualization
Apprenez la visualisation de données basée sur le design
Apprenez les compétences en design dont tous les professionnels de la visualisation de données. Aurélien Vautier est spécialiste du design de dashboard.
WeDoData - Dataviz Index
Des centaines d’exemples soigneusement sélectionnés lors de la veille quotidienne de WeDoData organisés par types de visualisations, formats et thématiques. Chaque projet a été décortiqué et analysé pour vous offrir le meilleur de ce qui se fait en datavisualisation.
Color Hunt
Découvrez les nouvelles palettes de couleurs triées sur le volet de Color Hunt.
Vous créez vos schémas de couleurs avec le générateur ultra-rapide.
The R Graph Gallery
Bienvenue dans la galerie de graphiques R, une collection de graphiques réalisés avec le langage de programmation R. Des centaines de graphiques sont présentés dans plusieurs sections, toujours avec leur code reproductible disponible. La galerie met l’accent sur tidyverse et ggplot2.
Material Icons
Les picto via Google.
Vous pouvez paramétrer la taille, l’épaisseur et le contraste, télécharger en PNG ou SVG ou intégrer à un site.
Observatoire des territoires
Portraits de territoires
Construisez votre propre diagnostic territorial à partir de près de 700 indicateurs, éditez une analyse synthétique de votre territoire et importez et cartographiez vos propres données.
RAWGraphs
RAWGraphs est un outil gratuit et open source pour la visualisation de données.
Près de 30 modèles visuels pour visualiser les quantités, les hiérarchies, les séries temporelles et trouver des informations dans vos données.
Enregistrez votre projet ou exportez-le sous forme d’image vectorielle ou matricielle.
The Python Graph Gallery
La galerie de graphiques Python est une collection de centaines de graphiques réalisés avec Python.
Les graphiques sont répartis dans une quarantaine de sections suivant la classification données-viz. Il y a également des sections dédiées à des sujets plus généraux comme matplotlib ou seaborn.
