相对于echart, highchart等其他图表库算是一个比较底层的可视化工具，简单来讲他不提供任何一种现成的图表，所有的图表都是我们在它的库里挑选合适的方法构建而成。
基于上面的理解，d3无疑会复杂很多但是也强大自由的多，另外因为d3基于svg所以修改图表的样式和结构也会方便很多，但是同样是这个原因，d3的性能比canvas类库差了不少，dom毕竟是拖累浏览器性能的罪魁祸首。顺口提一句，d3也是可以基于canvas构建图表的。但是这篇文章就不提了。
基本概念
对于d3我们可以简单的将其分个类：数据处理， dom处理，事件以及其他。 其实dom和事件其实可以合到一起。
前端做可视化的时候肯定需要对数据进行处理，d3提供了一下常用的方法。
因为d3是基于svg所以跟dom打交道肯定是必须的，这里一定程度替代了jQuery之类的功能。
事件的话其实就是一些交互比如滚轮，拖拽等等都是基础功能可以进行一系列组合排序
请求就是ajax请求数据源了。
数据处理
数据处理就很简单了，就是对于数组和集合以及时间的一些处理方法， 比如数组求中位数方差等等，和lodash的一些方法有重合，但是还是偏向数学方面，方法有点多这里不一一列出了:
// array的方法
d3.min([1, 2, 3, 4]) // 1 不同于Math,min忽略NaN undefined等
d3.range(1, 10) // [1, 2 ... 10]// collection的方法
d3.entries({foo: 42, bar: true}); // [{key: "foo", value: 42}, {key: "bar", value: true}]
var map = d3.map([{name: "foo"}, {name: "bar"}], function(d) { return d.name; });
map.get("foo"); // {"name": "foo"}
map.get("bar"); // {"name": "bar"}
map.get("baz"); // undefined// time的方法
d3.timeDays(new Date('2014-01-11'), new Date('2014-02-12')) // 获取2014-01-11 到2014-02-12的日期数组
复制代码上面是单纯的数据处理也就是工具类，但是d3的强大不仅仅在于此，d3提供了一个强大算法库，比如力导向图的碰撞检测以及tick等等，这里的功能也属于数据处理但是又跟插入dom密不可分。
d3的数据不仅仅是这些有些跟dom耦合极深没办法完全拎出来说， 而且d3的api极多， 这些东西很多时候也只能边看文档边做。好在d3的示例很多，基本需求都能满足。
dom处理
关于dom操作d3也提供了一系列方便的接口，比如d3.select，d3.append等等， 这部分的接口相当多，个人也没法一一说明， 只能说用法都是一样的，和jQuery相当类似：
svg.selectAll("circle").data(data).enter().append("circle").attr("cx", function(d) { return d.x; }).attr("cy", function(d) { return d.y; }).attr("r", 2.5);
复制代码上面的代码是把circle跟data进行数据绑定并插入对应的dom节点(引用自链接)：
- 首先，
svg.selectAll("circle")返回一个空选集，因为当前 SVG 还没有任何子元素，该选集的父节点是这个 SVG 容器。- 然后将该选集与数据绑定，产生三个新的子选集，分别代表三种可能的状态：enter、update 和 exit。由于当前选集为空，所以 update 和 exit 子选集也为空，enter 子选集就包含了每条数据对应的元素的占位符。
- update 子选集直接通过
selection.data返回，enter 和 exit 子选集分别通过selection.enter和selection.exit返回。- 那些缺少的元素通过对 enter 子选集调用
selection.append方法来添加到 SVG 中，这样就为每条数据添加了一个新的圆点到 SVG 中。
如上都是链式操作
事件
不同于canvas这里可以直接触发原生事件，让人亲切很多。
事件是指基于dom的一些交互操作，包括但不限于click等原生事件，类似jQuery，事件是通过on进行绑定的：
selection.on('click', function (d) {}) // this指向事件元素， d是绑定的数据可以直接使用
复制代码同时，d3提供了很多自定义事件诸如drag， zoom，brush等等，这时候就是通过call调用了：
const brush = d3.brushX().extent([[50, 50], [1100, 150]]).on('start brush', brushed).on('end', brushended)svg.append("g").call(brush)
复制代码上面是调用brush事件，同时调用相应的回调， 都是字面意思，至于还有很多有意思的事件，都隐藏在文档中。
其他
这个其他就包含了很多东西， 比如异步请求，解析excel，动画等等，这里不一一说明了， 但是如果发现有需求没法实现不妨看看文档，说不定就内置了呢。
完整示例
下面给个示例, 简单力导向图示例jsfiddle：
核心代码如下：
const height = 200
const width = 200const svg = d3.select('body').append('svg')const graph = {nodes: [{ id: 1, name: 'test1' },{ id: 2, name: 'test2' }],links: [{ source: 1, target: 2 }]
}const simulation = d3.forceSimulation() .force('charge', d3.forceManyBody().strength(-700).distanceMin(100).distanceMax(1000)) .force('link', d3.forceLink().id(d => d.id)) .force('center', d3.forceCenter(width / 2, height / 2))const link = svg.selectAll('link').data(graph.links).enter().append('line').attr('class', 'link') const node = svg.selectAll('node').data(graph.nodes).enter().append('g').attr('class', 'node')node.append('circle').attr('r', 13).attr('fill', '#999')node.append('text').attr('dx', -18).attr('dy', 8).style('font-family', 'overwatch').style('font-size', '18px').text(d => d.name)const ticked = function () {link.attr('x1', d => d.source.x).attr('y1', d => d.source.y).attr('x2', d => d.target.x).attr('y2', d => d.target.y);node.attr('transform', d => `translate(${d.x}, ${d.y})`)
}const { nodes, links } = graphsimulation.nodes(nodes).on('tick', ticked)
simulation.force('link').links(links)
复制代码下面简单解析一下代码部分，const svg = d3.select('body').append('svg') 就是上面提到的d3操作dom的部分，就是类似jQuery的插入操作， 总之我们获取到了svg画布， graph 是提供了数据关系模型，但是一般来讲后端不会这么提供严格的对应关系， 这时候就需要我们队数据进行处理以获取合理的数据格式， 一般来讲数据格式都是如上。
力导向图的核心是forceSimulation, 如字面上的意思就是来模拟力的，这是d3的内部算法我们基本干涉不了， 所以d3的力导向图怎么动最后停在哪都是我们没法精确控制的， forceSimulation 定义了力导向图的基本形态比如key值是否居中等等， 但是到这一步还没对数据进行任何处理。
const link 和 const node， 简单讲就是把数据和dom进行绑定插入对应的dom节点， 一直到这一步， 我们完成了基本的步骤：根据关系模型绘制对应节点， 由于不是canvas， 每个数据节点都有一个对应的dom节点， 这里可以对样式进行精确的处理。
截止上面也并不是非得用d3不可，就是一些dom插入操作， 原生js也是可以实现的。 simulation.nodes(nodes).on('tick', ticked)跟simulation.force('link').links(links)才是d3真正的作用所在，它会修改原来的数据模型在上面挂载一些位置信息， 如图所示：
可以看到，nodes和link上面分别多了不少数据，暂时我们不需要了解那么多， 只要知道x和y是节点的位置信息即可，另外力导向图会不停的tick（300次左右），每次tick，d3都会修改graph上的位置信息，它内部肯定做了很多事情， 比如碰撞检测等等。当每次tick触发的时候我们都已调用一个callback，在这个callback里更新所有节点的位置信息，也就是上面代码的ticked, 我们就是修改了node和link的位置信息也就是x1之类的， 这些都是svg提供的接口这里不多做说明了。 到这里， 一个完整的力导向图算是完成了，虽然数据少了点但是并不妨碍我们去理解其中的原理。
总结
通过上面一个完整示例， 我们发现，d3的核心并不在于绘制图形，这些都是dom操作，而是数据的处理，数据驱动dom，到这里是不是跟现代mvvm又挂上钩了，并且d3是基于dom的， 我们完全可以把d3当做一个算法库，处理数据，至于图像的绘制完全可以交由react等框架，这是canvas类库所做不到的。用上virtual dom性能可能还会更高一点。dom操作是昂贵的，virtual dom跟d3搭配味道可能更佳。如果把d3作为一个算法库我们还缺少最佳实践。还需要学习。