• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

3 librerías JavaScript para la visualización de datos

junio 7, 2019 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Una de las tareas clave a la hora de presentar datos es la visualización de datos. En JavaScript es existen numerosas librerías, tanto libre como comerciales, con las que se pueden llevar a cabo estas tareas. A continuación, para facilitar la selección de una se muestran tres de las más populares librerías libres de JavaScript para la visualización de datos.

Chart.js

Chart.js es una excelente solución para aquellos usuarios no necesitan muchos tipos de gráficos ni opciones de visualización. Pero aún así desean disponer de gráficos modernos y elegantes. Por lo que es una de las opciones más populares entre los diseñadores y desarrolladores web.

  • Dispone de 8 tipos de gráficos: línea, barra, araña o radar, tarta o donut, polar, burbujas, dispersión y área.
  • Todos los tipos de gráficos se pueden personalizar y animar.
  • Permite aumentar las funcionalidades mediante el uso de plugins.
  • El proyecto tiene una excelente documentación y ejemplos fáciles de seguir.
  • Funciona en navegadores antiguos como Internet Explorer 9.

Para conocer más acerca de Chart.js se puede acceder a la página web del proyecto, donde se pueden encontrar la documentación y ejemplos.

Chartist.js

Chartist.js es una pequeña librería que permite crear gráficos responsivos de una forma sencilla. A pesar de lo cual no tiene dependencias de terceras librerias. Por lo que es una opción excelente para aquellos usuarios que necesitan los gráficos básicos (línea, barra o tarta) y que no requieren mucho en términos de visualización de datos. Pudiendo conseguir unos gráficos visualmente agradables.

Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
En Analytics Lane
Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera

  • Dispone de 8 tipos de gráficos: línea, barra y tarta.
  • Permite aumentar las funcionalidades mediante el uso de plugins.
  • Dispone de una amplia documentación.
  • Utiliza SVG para representar los gráficos.
  • Funciona en navegadores antiguos como Internet Explorer 9.

Para conocer más acerca de Chartist.js se puede acceder a la página web del proyecto, donde se pueden encontrar la documentación y ejemplos.

D3.js

D3.js es una de librerías para la representación de datos más potentes que existen actualmente. Aunque más que una librería es un framework, siendo más complicada de manejar que las librerías vistas anteriormente. Algo que representa una barrera de entrada para una gran cantidad de usuarios. Aunque, debido a su gran popularidad y potencia, se pueden encontrar múltiples recursos y ejemplos de uso en la red. Una vez familiarizado con D3.js es posible conseguir grandes resultados que no se pueden obtener con otras.

  • Dispone de múltiples tipos de gráficos, algunos de los cuales no es fácil encontrar en otras librerías.
  • Combina potentes componentes de visualización y un enfoque basado en datos para la manipulación de DOM.
  • Fácil de depurar utilizando el inspector de elementos en el navegador.
  • Múltiples funciones para generar curvas.
  • Existe miles de ejemplos de uso en la red.

Para poder acceder de una manera más sencilla a la potencia de D3.js se han creado diferentes librerías basadas en ella para la creación de ciertas gráficas. Entre las que se puede destacar NVD3.

Para conocer más acerca de D3.js se puede acceder a la página web del proyecto, donde se pueden encontrar la documentación y ejemplos.

Conclusiones

En esta entrada se han visto tres librerías de JavaScript para la visualización de datos más populares en la actualidad. Se han escogido las tres porque son libres y permiten crear gráficos modernos.

Estas tres con un completo excelente para librerías para machine learning en JavaScript que se han visto anteriormente. Pudiendo utilizarlas para representar los datos de modelos y resultados.

Imágenes: Pixabay (rawpixel)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Publicaciones relacionadas

  • Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera
  • Migrar tslane a un paquete dual CommonJS y ESM con tsup y Vitest
  • Docker Compose: el día a día. Cómo ver qué funciona y qué no
  • Cómo Verificar la Normalidad de tus Datos antes de un Test Estadístico
  • Cómo Elegir el Test de Hipótesis Correcto para tus Datos
  • Qué significa realmente “calidad de datos”
  • Cómo Detectar Pseudo-IDs y Data Leakage en el Constructor de Scorecards
  • Tuplas vs Listas en Python: parecen lo mismo, pero no
  • Curiosidad: El puerto 80 y los números de puerto

Publicidad

Publicado en: JavaScript

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Barra lateral principal

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Curiosidad: El puerto 80 y los números de puerto

octubre 29, 2026 Por Daniel Rodríguez

Cómo Proyectar Cuándo Alcanzarás la Independencia Financiera

octubre 27, 2026 Por Daniel Rodríguez

Cómo Elegir el Test de Hipótesis Correcto para tus Datos

octubre 22, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Trabajar con datos en formato JSON en Matlab publicado el noviembre 14, 2018 | en Matlab
  • NumPy Evita NaN en Python: Calcula promedios en listas vacías de forma segura publicado el marzo 3, 2025 | en Python
  • Cómo solucionar problemas de red en VirtualBox: Guía completa publicado el junio 11, 2025 | en Herramientas
  • Guía definitiva para trabajar con JSON en SQL Server publicado el noviembre 18, 2025 | en Herramientas
  • Utilización de R desde Java con Rserve publicado el septiembre 12, 2018 | en R

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Hatepi en Curiosidad: La Paradoja de Simpson, o por qué no siempre debes fiarte de los promedios
  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto