- 高等教育出版社
- 9787040659092
- 1版
- 64272142-7
- 16开
- 工学
- 计算机类
- 计算机类
- 本科 研究生及以上
内容简介
本书系统阐述数据可视化的理论基础、方法技术与实践应用，旨在帮助读者认识数据、理解数据和运用数据。全书共十章：首先追溯可视化发展历程，从远古岩画、楔形文字到科学计算可视化，解析数据类型、统计特征及坐标系、色彩映射原理等基础理论；进而分类解析直方图、折线图、饼图等传统图表与热力图、树状图、和弦图等新兴形式图表的内涵与适用场景，详细拆解数据从采集、清洗、降维到交互设计的全流程；随后探讨并行化与流数据实时处理技术，并结合机器学习场景（聚类、回归、分类）及特定数据类型提供定制化解决方案；最后通过收费站交通流系统、城市居民出行系统两大实际案例，系统评介Tableau、D3.js、Python/R、Echarts等主流工具及开发库应用。
本书特色在于融合历史经典案例与前沿技术，覆盖统计图表、动态交互与实时分析多维场景，以完整项目流程与开源工具链强化实践能力。
本书可作为高等学校人工智能、智能科学与技术、数据科学与大数据技术、大数据管理与应用等专业本科生、研究生数据分析及相关课程的教学用书，也可供数据分析师、科研人员及开发者学习和参考。
目录
目录
前辅文
第1章 可视化简介
1.1 可视化概述
1.1.1 可视化的发展
1.1.2 可视化的定义
1.2 可视化的分类
1.2.1 可视化的起源
1.2.2 科学计算可视化
1.2.3 信息可视化
1.2.4 数据可视化
1.2.5 知识可视化
1.3 可视化的应用领域
第2章 数据可视化基础
2.1 数据类型和属性
2.1.1 数据类型
2.1.2 属性
2.2 数据的统计特征
2.2.1 集中趋势的统计指标
2.2.2 离散趋势的统计指标
2.2.3 分布特征的统计指标
2.3 坐标系
2.3.1 笛卡儿坐标系
2.3.2 三维坐标系
2.3.3 球坐标系
2.4 标量、向量和矩阵
2.5 色彩与可视化
2.5.1 使用颜色进行区分
2.5.2 使用颜色表达数据取值
2.5.3 使用颜色作为强调工具
第3章 数据可视化的展现形式
3.1 传统的可视化展现形式
3.1.1 直方图
3.1.2 折线图
3.1.3 条形图和柱状图
3.1.4 饼图
3.1.5 散点图
3.1.6 面积图
3.1.7 网络图
3.2 新颖的可视化展现形式
3.2.1 气泡图
3.2.2 热力图
3.2.3 树状图
3.2.4 平行坐标图
3.2.5 箱形图
3.2.6 和弦图
3.2.7 地理坐标/地图
3.2.8 标签云
3.3 可视化展现形式的功能
3.3.1 类别比较
3.3.2 时间变化
3.3.3 占比
3.3.4 关联分析
3.3.5 分布
第4章 数据可视化的基本流程
4.1 基本流程概述
4.2 数据收集
4.2.1 数据来源
4.2.2 数据采集方法
4.3 数据存储
4.3.1 文件存储
4.3.2 关系数据库
4.3.3 非关系数据库
4.4 数据处理与变换
4.4.1 数据预处理
4.4.2 数据降维
4.4.3 数据采样
4.5 可视化映射
4.5.1 可视化映射的三大元素
4.5.2 视图选择原则
4.6 数据表述
4.6.1 将指标和指标值图形化
4.6.2 将数据关系图形化
4.6.3 将时间和空间可视化
4.6.4 数据概念转换
4.6.5 让图表“动”起来
4.7 用户交互设计原则
4.7.1 交互设计原则
4.7.2 页面布局设计原则
4.7.3 交互设计常见问题
第5章 大数据可视化
5.1 大数据概述
5.1.1 大数据概念
5.1.2 大数据发展历程
5.1.3 大数据关键技术
5.1.4 大数据的4V特征
5.2 大数据可视化的挑战
5.2.1 存储
5.2.2 访问
5.2.3 数量
5.2.4 速度
5.3 面向大数据可视化的数据预处理方法
5.3.1 并行化方法
5.3.2 增量式方法
5.3.3 分治法
5.4 静态大数据与流数据的可视化
5.4.1 静态数据可视化
5.4.2 流数据可视化
第6章 机器学习中的数据可视化
6.1 机器学习概述
6.1.1 机器学习的定义
6.1.2 机器学习的基本任务
6.1.3 机器学习与数据可视化
6.2 聚类问题及可视化
6.2.1 层次聚类
6.2.2 K-means聚类
6.2.3 模糊聚类
6.2.4 聚类问题可视化实例
6.3 线性模型及可视化
6.3.1 线性回归问题
6.3.2 线性回归的表示方法
6.3.3 线性回归与可视化的基本流程
6.3.4 回归问题中的数据可视化
6.4 分类问题及可视化
6.4.1 朴素贝叶斯分类器
6.4.2 SVM分类器基础
6.4.3 分类结果可视化实例
第7章 面向特定类型的数据可视化方法
7.1 网络数据可视化
7.1.1 网络关系图
7.1.2 网络数据可视化
7.2 文本数据可视化
7.2.1 基于文本内容的可视化
7.2.2 基于文本关系的可视化
7.2.3 基于多层面信息的可视化
7.3 高维数据可视化
7.3.1 高维数据特点
7.3.2 数据降维方法
7.3.3 特征降维的可视化
7.4 时空数据可视化
7.4.1 时空数据概念
7.4.2 静态时空数据可视化
7.4.3 动态时空数据可视化
第8章 数据可视化案例1——收费站交通流可视化系统
8.1 案例概述
8.2 数据获取与数据存储
8.2.1 数据获取
8.2.2 数据存储
8.3 数据预处理
8.3.1 数据抽取
8.3.2 数据转化
8.3.3 数据清洗及装载
8.4 可视化
8.4.1 可视化映射
8.4.2 数据可视化
8.4.3 界面可视化
8.5 系统功能展示
第9章 数据可视化案例2——城市居民出行可视化系统
9.1 案例概述
9.2 数据获取与数据存储
9.2.1 数据获取
9.2.2 数据存储
9.3 数据预处理
9.3.1 数据面临的质量问题
9.3.2 数据提取及转化
9.3.3 数据清洗
9.4 可视化设计
9.4.1 可视化需求
9.4.2 数据可视化
9.4.3 界面设计
9.5 可视化系统实现
第10章 可视化开发语言及工具
10.1 Tableau软件
10.1.1 工具介绍
10.1.2 应用案例
10.2 D3.js/Protovis开发框架
10.2.1 工具介绍
10.2.2 应用案例
10.3 Vega/Vega-Lite开源工具
10.3.1 工具介绍
10.3.2 应用案例
10.4 Python语言
10.4.1 工具介绍
10.4.2 应用案例
10.5 R+ggplot2设计库
10.5.1 工具介绍
10.5.2 应用案例
10.6 Echarts工具
10.6.1 工具介绍
10.6.2 应用案例
10.7 Processing开发库
10.7.1 工具介绍
10.7.2 应用案例
10.8 Heatmap.js开发库
10.8.1 工具介绍
10.8.2 应用案例
参考文献
前辅文
第1章 可视化简介
1.1 可视化概述
1.1.1 可视化的发展
1.1.2 可视化的定义
1.2 可视化的分类
1.2.1 可视化的起源
1.2.2 科学计算可视化
1.2.3 信息可视化
1.2.4 数据可视化
1.2.5 知识可视化
1.3 可视化的应用领域
第2章 数据可视化基础
2.1 数据类型和属性
2.1.1 数据类型
2.1.2 属性
2.2 数据的统计特征
2.2.1 集中趋势的统计指标
2.2.2 离散趋势的统计指标
2.2.3 分布特征的统计指标
2.3 坐标系
2.3.1 笛卡儿坐标系
2.3.2 三维坐标系
2.3.3 球坐标系
2.4 标量、向量和矩阵
2.5 色彩与可视化
2.5.1 使用颜色进行区分
2.5.2 使用颜色表达数据取值
2.5.3 使用颜色作为强调工具
第3章 数据可视化的展现形式
3.1 传统的可视化展现形式
3.1.1 直方图
3.1.2 折线图
3.1.3 条形图和柱状图
3.1.4 饼图
3.1.5 散点图
3.1.6 面积图
3.1.7 网络图
3.2 新颖的可视化展现形式
3.2.1 气泡图
3.2.2 热力图
3.2.3 树状图
3.2.4 平行坐标图
3.2.5 箱形图
3.2.6 和弦图
3.2.7 地理坐标/地图
3.2.8 标签云
3.3 可视化展现形式的功能
3.3.1 类别比较
3.3.2 时间变化
3.3.3 占比
3.3.4 关联分析
3.3.5 分布
第4章 数据可视化的基本流程
4.1 基本流程概述
4.2 数据收集
4.2.1 数据来源
4.2.2 数据采集方法
4.3 数据存储
4.3.1 文件存储
4.3.2 关系数据库
4.3.3 非关系数据库
4.4 数据处理与变换
4.4.1 数据预处理
4.4.2 数据降维
4.4.3 数据采样
4.5 可视化映射
4.5.1 可视化映射的三大元素
4.5.2 视图选择原则
4.6 数据表述
4.6.1 将指标和指标值图形化
4.6.2 将数据关系图形化
4.6.3 将时间和空间可视化
4.6.4 数据概念转换
4.6.5 让图表“动”起来
4.7 用户交互设计原则
4.7.1 交互设计原则
4.7.2 页面布局设计原则
4.7.3 交互设计常见问题
第5章 大数据可视化
5.1 大数据概述
5.1.1 大数据概念
5.1.2 大数据发展历程
5.1.3 大数据关键技术
5.1.4 大数据的4V特征
5.2 大数据可视化的挑战
5.2.1 存储
5.2.2 访问
5.2.3 数量
5.2.4 速度
5.3 面向大数据可视化的数据预处理方法
5.3.1 并行化方法
5.3.2 增量式方法
5.3.3 分治法
5.4 静态大数据与流数据的可视化
5.4.1 静态数据可视化
5.4.2 流数据可视化
第6章 机器学习中的数据可视化
6.1 机器学习概述
6.1.1 机器学习的定义
6.1.2 机器学习的基本任务
6.1.3 机器学习与数据可视化
6.2 聚类问题及可视化
6.2.1 层次聚类
6.2.2 K-means聚类
6.2.3 模糊聚类
6.2.4 聚类问题可视化实例
6.3 线性模型及可视化
6.3.1 线性回归问题
6.3.2 线性回归的表示方法
6.3.3 线性回归与可视化的基本流程
6.3.4 回归问题中的数据可视化
6.4 分类问题及可视化
6.4.1 朴素贝叶斯分类器
6.4.2 SVM分类器基础
6.4.3 分类结果可视化实例
第7章 面向特定类型的数据可视化方法
7.1 网络数据可视化
7.1.1 网络关系图
7.1.2 网络数据可视化
7.2 文本数据可视化
7.2.1 基于文本内容的可视化
7.2.2 基于文本关系的可视化
7.2.3 基于多层面信息的可视化
7.3 高维数据可视化
7.3.1 高维数据特点
7.3.2 数据降维方法
7.3.3 特征降维的可视化
7.4 时空数据可视化
7.4.1 时空数据概念
7.4.2 静态时空数据可视化
7.4.3 动态时空数据可视化
第8章 数据可视化案例1——收费站交通流可视化系统
8.1 案例概述
8.2 数据获取与数据存储
8.2.1 数据获取
8.2.2 数据存储
8.3 数据预处理
8.3.1 数据抽取
8.3.2 数据转化
8.3.3 数据清洗及装载
8.4 可视化
8.4.1 可视化映射
8.4.2 数据可视化
8.4.3 界面可视化
8.5 系统功能展示
第9章 数据可视化案例2——城市居民出行可视化系统
9.1 案例概述
9.2 数据获取与数据存储
9.2.1 数据获取
9.2.2 数据存储
9.3 数据预处理
9.3.1 数据面临的质量问题
9.3.2 数据提取及转化
9.3.3 数据清洗
9.4 可视化设计
9.4.1 可视化需求
9.4.2 数据可视化
9.4.3 界面设计
9.5 可视化系统实现
第10章 可视化开发语言及工具
10.1 Tableau软件
10.1.1 工具介绍
10.1.2 应用案例
10.2 D3.js/Protovis开发框架
10.2.1 工具介绍
10.2.2 应用案例
10.3 Vega/Vega-Lite开源工具
10.3.1 工具介绍
10.3.2 应用案例
10.4 Python语言
10.4.1 工具介绍
10.4.2 应用案例
10.5 R+ggplot2设计库
10.5.1 工具介绍
10.5.2 应用案例
10.6 Echarts工具
10.6.1 工具介绍
10.6.2 应用案例
10.7 Processing开发库
10.7.1 工具介绍
10.7.2 应用案例
10.8 Heatmap.js开发库
10.8.1 工具介绍
10.8.2 应用案例
参考文献
前辅文
第1章 可视化简介
1.1 可视化概述
1.1.1 可视化的发展
1.1.2 可视化的定义
1.2 可视化的分类
1.2.1 可视化的起源
1.2.2 科学计算可视化
1.2.3 信息可视化
1.2.4 数据可视化
1.2.5 知识可视化
1.3 可视化的应用领域
第2章 数据可视化基础
2.1 数据类型和属性
2.1.1 数据类型
2.1.2 属性
2.2 数据的统计特征
2.2.1 集中趋势的统计指标
2.2.2 离散趋势的统计指标
2.2.3 分布特征的统计指标
2.3 坐标系
2.3.1 笛卡儿坐标系
2.3.2 三维坐标系
2.3.3 球坐标系
2.4 标量、向量和矩阵
2.5 色彩与可视化
2.5.1 使用颜色进行区分
2.5.2 使用颜色表达数据取值
2.5.3 使用颜色作为强调工具
第3章 数据可视化的展现形式
3.1 传统的可视化展现形式
3.1.1 直方图
3.1.2 折线图
3.1.3 条形图和柱状图
3.1.4 饼图
3.1.5 散点图
3.1.6 面积图
3.1.7 网络图
3.2 新颖的可视化展现形式
3.2.1 气泡图
3.2.2 热力图
3.2.3 树状图
3.2.4 平行坐标图
3.2.5 箱形图
3.2.6 和弦图
3.2.7 地理坐标/地图
3.2.8 标签云
3.3 可视化展现形式的功能
3.3.1 类别比较
3.3.2 时间变化
3.3.3 占比
3.3.4 关联分析
3.3.5 分布
第4章 数据可视化的基本流程
4.1 基本流程概述
4.2 数据收集
4.2.1 数据来源
4.2.2 数据采集方法
4.3 数据存储
4.3.1 文件存储
4.3.2 关系数据库
4.3.3 非关系数据库
4.4 数据处理与变换
4.4.1 数据预处理
4.4.2 数据降维
4.4.3 数据采样
4.5 可视化映射
4.5.1 可视化映射的三大元素
4.5.2 视图选择原则
4.6 数据表述
4.6.1 将指标和指标值图形化
4.6.2 将数据关系图形化
4.6.3 将时间和空间可视化
4.6.4 数据概念转换
4.6.5 让图表“动”起来
4.7 用户交互设计原则
4.7.1 交互设计原则
4.7.2 页面布局设计原则
4.7.3 交互设计常见问题
第5章 大数据可视化
5.1 大数据概述
5.1.1 大数据概念
5.1.2 大数据发展历程
5.1.3 大数据关键技术
5.1.4 大数据的4V特征
5.2 大数据可视化的挑战
5.2.1 存储
5.2.2 访问
5.2.3 数量
5.2.4 速度
5.3 面向大数据可视化的数据预处理方法
5.3.1 并行化方法
5.3.2 增量式方法
5.3.3 分治法
5.4 静态大数据与流数据的可视化
5.4.1 静态数据可视化
5.4.2 流数据可视化
第6章 机器学习中的数据可视化
6.1 机器学习概述
6.1.1 机器学习的定义
6.1.2 机器学习的基本任务
6.1.3 机器学习与数据可视化
6.2 聚类问题及可视化
6.2.1 层次聚类
6.2.2 K-means聚类
6.2.3 模糊聚类
6.2.4 聚类问题可视化实例
6.3 线性模型及可视化
6.3.1 线性回归问题
6.3.2 线性回归的表示方法
6.3.3 线性回归与可视化的基本流程
6.3.4 回归问题中的数据可视化
6.4 分类问题及可视化
6.4.1 朴素贝叶斯分类器
6.4.2 SVM分类器基础
6.4.3 分类结果可视化实例
第7章 面向特定类型的数据可视化方法
7.1 网络数据可视化
7.1.1 网络关系图
7.1.2 网络数据可视化
7.2 文本数据可视化
7.2.1 基于文本内容的可视化
7.2.2 基于文本关系的可视化
7.2.3 基于多层面信息的可视化
7.3 高维数据可视化
7.3.1 高维数据特点
7.3.2 数据降维方法
7.3.3 特征降维的可视化
7.4 时空数据可视化
7.4.1 时空数据概念
7.4.2 静态时空数据可视化
7.4.3 动态时空数据可视化
第8章 数据可视化案例1——收费站交通流可视化系统
8.1 案例概述
8.2 数据获取与数据存储
8.2.1 数据获取
8.2.2 数据存储
8.3 数据预处理
8.3.1 数据抽取
8.3.2 数据转化
8.3.3 数据清洗及装载
8.4 可视化
8.4.1 可视化映射
8.4.2 数据可视化
8.4.3 界面可视化
8.5 系统功能展示
第9章 数据可视化案例2——城市居民出行可视化系统
9.1 案例概述
9.2 数据获取与数据存储
9.2.1 数据获取
9.2.2 数据存储
9.3 数据预处理
9.3.1 数据面临的质量问题
9.3.2 数据提取及转化
9.3.3 数据清洗
9.4 可视化设计
9.4.1 可视化需求
9.4.2 数据可视化
9.4.3 界面设计
9.5 可视化系统实现
第10章 可视化开发语言及工具
10.1 Tableau软件
10.1.1 工具介绍
10.1.2 应用案例
10.2 D3.js/Protovis开发框架
10.2.1 工具介绍
10.2.2 应用案例
10.3 Vega/Vega-Lite开源工具
10.3.1 工具介绍
10.3.2 应用案例
10.4 Python语言
10.4.1 工具介绍
10.4.2 应用案例
10.5 R+ggplot2设计库
10.5.1 工具介绍
10.5.2 应用案例
10.6 Echarts工具
10.6.1 工具介绍
10.6.2 应用案例
10.7 Processing开发库
10.7.1 工具介绍
10.7.2 应用案例
10.8 Heatmap.js开发库
10.8.1 工具介绍
10.8.2 应用案例
参考文献
前辅文
第1章 可视化简介
1.1 可视化概述
1.1.1 可视化的发展
1.1.2 可视化的定义
1.2 可视化的分类
1.2.1 可视化的起源
1.2.2 科学计算可视化
1.2.3 信息可视化
1.2.4 数据可视化
1.2.5 知识可视化
1.3 可视化的应用领域
第2章 数据可视化基础
2.1 数据类型和属性
2.1.1 数据类型
2.1.2 属性
2.2 数据的统计特征
2.2.1 集中趋势的统计指标
2.2.2 离散趋势的统计指标
2.2.3 分布特征的统计指标
2.3 坐标系
2.3.1 笛卡儿坐标系
2.3.2 三维坐标系
2.3.3 球坐标系
2.4 标量、向量和矩阵
2.5 色彩与可视化
2.5.1 使用颜色进行区分
2.5.2 使用颜色表达数据取值
2.5.3 使用颜色作为强调工具
第3章 数据可视化的展现形式
3.1 传统的可视化展现形式
3.1.1 直方图
3.1.2 折线图
3.1.3 条形图和柱状图
3.1.4 饼图
3.1.5 散点图
3.1.6 面积图
3.1.7 网络图
3.2 新颖的可视化展现形式
3.2.1 气泡图
3.2.2 热力图
3.2.3 树状图
3.2.4 平行坐标图
3.2.5 箱形图
3.2.6 和弦图
3.2.7 地理坐标/地图
3.2.8 标签云
3.3 可视化展现形式的功能
3.3.1 类别比较
3.3.2 时间变化
3.3.3 占比
3.3.4 关联分析
3.3.5 分布
第4章 数据可视化的基本流程
4.1 基本流程概述
4.2 数据收集
4.2.1 数据来源
4.2.2 数据采集方法
4.3 数据存储
4.3.1 文件存储
4.3.2 关系数据库
4.3.3 非关系数据库
4.4 数据处理与变换
4.4.1 数据预处理
4.4.2 数据降维
4.4.3 数据采样
4.5 可视化映射
4.5.1 可视化映射的三大元素
4.5.2 视图选择原则
4.6 数据表述
4.6.1 将指标和指标值图形化
4.6.2 将数据关系图形化
4.6.3 将时间和空间可视化
4.6.4 数据概念转换
4.6.5 让图表“动”起来
4.7 用户交互设计原则
4.7.1 交互设计原则
4.7.2 页面布局设计原则
4.7.3 交互设计常见问题
第5章 大数据可视化
5.1 大数据概述
5.1.1 大数据概念
5.1.2 大数据发展历程
5.1.3 大数据关键技术
5.1.4 大数据的4V特征
5.2 大数据可视化的挑战
5.2.1 存储
5.2.2 访问
5.2.3 数量
5.2.4 速度
5.3 面向大数据可视化的数据预处理方法
5.3.1 并行化方法
5.3.2 增量式方法
5.3.3 分治法
5.4 静态大数据与流数据的可视化
5.4.1 静态数据可视化
5.4.2 流数据可视化
第6章 机器学习中的数据可视化
6.1 机器学习概述
6.1.1 机器学习的定义
6.1.2 机器学习的基本任务
6.1.3 机器学习与数据可视化
6.2 聚类问题及可视化
6.2.1 层次聚类
6.2.2 K-means聚类
6.2.3 模糊聚类
6.2.4 聚类问题可视化实例
6.3 线性模型及可视化
6.3.1 线性回归问题
6.3.2 线性回归的表示方法
6.3.3 线性回归与可视化的基本流程
6.3.4 回归问题中的数据可视化
6.4 分类问题及可视化
6.4.1 朴素贝叶斯分类器
6.4.2 SVM分类器基础
6.4.3 分类结果可视化实例
第7章 面向特定类型的数据可视化方法
7.1 网络数据可视化
7.1.1 网络关系图
7.1.2 网络数据可视化
7.2 文本数据可视化
7.2.1 基于文本内容的可视化
7.2.2 基于文本关系的可视化
7.2.3 基于多层面信息的可视化
7.3 高维数据可视化
7.3.1 高维数据特点
7.3.2 数据降维方法
7.3.3 特征降维的可视化
7.4 时空数据可视化
7.4.1 时空数据概念
7.4.2 静态时空数据可视化
7.4.3 动态时空数据可视化
第8章 数据可视化案例1——收费站交通流可视化系统
8.1 案例概述
8.2 数据获取与数据存储
8.2.1 数据获取
8.2.2 数据存储
8.3 数据预处理
8.3.1 数据抽取
8.3.2 数据转化
8.3.3 数据清洗及装载
8.4 可视化
8.4.1 可视化映射
8.4.2 数据可视化
8.4.3 界面可视化
8.5 系统功能展示
第9章 数据可视化案例2——城市居民出行可视化系统
9.1 案例概述
9.2 数据获取与数据存储
9.2.1 数据获取
9.2.2 数据存储
9.3 数据预处理
9.3.1 数据面临的质量问题
9.3.2 数据提取及转化
9.3.3 数据清洗
9.4 可视化设计
9.4.1 可视化需求
9.4.2 数据可视化
9.4.3 界面设计
9.5 可视化系统实现
第10章 可视化开发语言及工具
10.1 Tableau软件
10.1.1 工具介绍
10.1.2 应用案例
10.2 D3.js/Protovis开发框架
10.2.1 工具介绍
10.2.2 应用案例
10.3 Vega/Vega-Lite开源工具
10.3.1 工具介绍
10.3.2 应用案例
10.4 Python语言
10.4.1 工具介绍
10.4.2 应用案例
10.5 R+ggplot2设计库
10.5.1 工具介绍
10.5.2 应用案例
10.6 Echarts工具
10.6.1 工具介绍
10.6.2 应用案例
10.7 Processing开发库
10.7.1 工具介绍
10.7.2 应用案例
10.8 Heatmap.js开发库
10.8.1 工具介绍
10.8.2 应用案例
参考文献
