数据分析中常用的画图语言有Python、R、和Tableau等。这三种语言各有优势，但在画图方面，有些人认为R语言的图形更加优雅和美观。

R语言是一种专门用于数据分析和图形展示的编程语言，拥有众多优秀的绘图包，如ggplot2和plotly等。这些包不仅提供了丰富多样的图形类型，还可以灵活调整图形的颜色、样式、标签等，使得画出来的图更加美观和专业。

相比之下，Python语言的matplotlib和seaborn包也可以绘制出很不错的图形，但在美观程度上可能还略逊一筹。不过，Python在数据处理和机器学习等方面更加强大，因此在综合考虑时，Python也是一个不错的选择。

另外，Tableau是一款非常流行的商业智能工具，它的可视化功能非常强大，用户可以通过拖拽的方式直观地制作各种图表和仪表板。虽然Tableau在图形的定制化方面不如编程语言那么灵活，但对于快速制作美观、交互式的图表来说，Tableau是一个非常好的选择。

因此，选择哪种语言画图好看一点，主要取决于个人偏好和具体需求。如果追求最美观的图形，可以尝试使用R语言的ggplot2包；如果需要综合考虑数据处理和图形展示，可以选择Python；如果更注重交互性和快速制作，那么Tableau可能更适合。最重要的是根据实际情况选择最适合自己的工具，以便高效地完成数据分析任务。

在数据分析中，有许多编程语言可用于绘制图表和可视化数据。以下是一些可供选择的流行语言，它们可以帮助您创建出色且具有吸引力的数据可视化：

1. Python：
   Python广泛用于数据分析领域，具有强大的数据分析和可视化库，如Matplotlib、Seaborn、Plotly和Bokeh。Matplotlib是Python最流行的绘图库之一，可生成各种类型的图表，包括折线图、散点图、直方图等。Seaborn构建在Matplotlib之上，提供了更多的定制选项和美化功能。Plotly和Bokeh则专注于交互式可视化，允许用户创建交互式图表和仪表板。

2. R语言：
   R语言也是数据科学家和分析师们常用的工具，拥有许多优秀的绘图包，如ggplot2、plotly和ggvis。ggplot2是R中最受欢迎的绘图包之一，它基于“图形语法”理念，可以轻松创建专业水平的图表。plotly和ggvis提供了交互式图表绘制的能力，使您可以在图表上进行缩放、悬停和其他交互操作。

3. JavaScript：
   JavaScript是一种用于Web开发的脚本语言，也可以用于数据可视化。D3.js（Data-Driven Documents）是最知名的JavaScript库之一，可以创建各种复杂和高度定制的可视化图表。其他如Chart.js、Highcharts和Plotly.js等库也提供了丰富的图表类型和交互功能，适用于网页应用程序的数据可视化。

4. Tableau：
   虽然Tableau不是编程语言，但它是一款功能强大且易于使用的数据可视化工具。Tableau提供了直观的界面和大量的图表选项，用户可以通过拖放操作创建交互式图表和仪表板。Tableau也可以轻松连接各种数据源，包括数据库、Excel表格和Web服务。

5. Power BI：
   Power BI是微软提供的一款商业智能工具，可帮助用户将数据转化为富有启发性的可视化报表和仪表板。Power BI支持各种数据源和数据格式，并具有强大的数据处理和可视化功能。用户可以通过Power Query进行数据清洗和转换，然后利用Power View、Power Map和Power Pivot创建漂亮的可视化效果。

以上列举的语言和工具都具有各自的优势和适用场景，您可以根据自己的需求和喜好选择合适的工具来创建令人印象深刻的数据可视化图表。

根据标题您想了解关于数据分析中用于绘图的编程语言，让图表呈现更美观的问题。以下是我为您准备的关于数据分析中适合绘图美观图表的编程语言以及相关操作流程的详细回答。

1. Python

Python是一种功能强大且易于学习的编程语言，拥有丰富的数据分析库，如Pandas、NumPy、Matplotlib和Seaborn等，使其成为数据科学家和分析师的首选。Python的Matplotlib库提供了各种类型的图表，可以轻松定制实现各种需求。

操作流程：

1. 安装Matplotlib和其他依赖库：通过pip安装Matplotlib库以及其他必要的库，例如NumPy和Pandas。

pip install matplotlib numpy pandas

2. 导入Matplotlib库：在Python脚本中导入Matplotlib库。

import matplotlib.pyplot as plt

3. 创建图表：使用Matplotlib提供的API创建所需类型的图表，可以是折线图、散点图、柱状图等。

plt.plot(x, y)  # 创建折线图
plt.scatter(x, y)  # 创建散点图
plt.bar(x, y)  # 创建柱状图

4. 自定义图表：调整图表的标题、标签、颜色、样式等，使其更美观。

plt.title('Title')
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.grid(True)
plt.legend()
plt.show()

2. R

R是一种专业的数据分析和统计建模语言，拥有丰富的绘图库，如ggplot2和Lattice，可以创建出高质量的数据可视化图表。

操作流程：

1. 安装ggplot2库：在R环境中安装ggplot2库。

install.packages("ggplot2")

2. 导入ggplot2库：在R脚本中导入ggplot2库。

library(ggplot2)

3. 创建图表：使用ggplot2提供的API创建图表。

ggplot(data = df, aes(x = x_var, y = y_var)) + geom_point()  # 创建散点图
ggplot(data = df, aes(x = x_var, y = y_var)) + geom_line()  # 创建折线图
ggplot(data = df, aes(x = x_var, fill = y_var)) + geom_bar()  # 创建柱状图

4. 自定义图表：通过添加标签、标题、主题等自定义图表。

+ labs(title = "Title", x = "X Label", y = "Y Label")
+ theme_minimal()

3. JavaScript

JavaScript也广泛应用于数据可视化，特别是在Web开发领域。D3.js是一个强大的JavaScript库，可以创建复杂的交互式数据可视化。

操作流程：

1. 引入D3.js库：在HTML文件中引入D3.js库。

<script src="https://d3js.org/d3.v7.min.js"></script>

2. 创建画布：在JavaScript脚本中创建SVG画布。

var svg = d3.select("body").append("svg")

3. 绘制图表：使用D3.js绘制所需的图表，如散点图、柱状图等。

svg.selectAll("circle")
    .data(data)
    .enter()
    .append("circle")
    .attr("cx", function(d) { return d.x; })
    .attr("cy", function(d) { return d.y; })
    .attr("r", function(d) { return d.r; });

4. 自定义样式：通过设置样式、添加交互效果等来提升图表美观度。

.attr("fill", "blue")
.attr("stroke", "black")
.attr("stroke-width", 2);

综上所述，Python、R和JavaScript都是用于绘制美观图表的优秀工具。根据您的需求和熟悉程度，可以选择其中一种或多种语言来进行数据可视化工作。祝您在数据分析的路上取得成功！