新書推薦：
《
舔盖儿：酸奶小史
》
售價：NT$
367.0
《
中国古代史（中华现代学术名著9）
》
售價：NT$
513.0
《
铁轨上的德国
》
售價：NT$
529.0
《
一带一路 零距离
》
售價：NT$
367.0
《
汗水的奖赏：运动小史
》
售價：NT$
367.0
《
战后日本的联合国外交研究——理论与实践（冷战后的日本与中日关系研究丛书）
》
售價：NT$
367.0
《
车到山前：全球产业变革与日本汽车的未来
》
售價：NT$
373.0
《
再见，失眠
》
售價：NT$
427.0
|
| 編輯推薦： |
内容全面：基础理论 大数据可视化方法 大数据可视化工具及应用
多种类型数据的可视化方法：比例数据 关系数据 文本数据 复杂数据
多种可视化工具及应用：商业软件（Tableau、DataV、FineBI、Excel） 开源包Echarts 编程语言（R Python）
|
| 內容簡介： |
|
本书分为三个部分： 基础理论、大数据可视化、大数据可视化工具及应用。 基础理论部分包括第1、2章。第1章回顾了可视化发展进程，介绍了可视化领域的一些基础概念及应用； 第2章介绍了可视化的一般流程及设计组件。 大数据可视化部分包括第3～7章，主要介绍了不同类型数据的可视化方法，分别为： 比例数据、关系数据、文本数据、复杂数据。 大数据可视化工具及应用部分包括第8～18章，选取了市场上主流的一些可视化工具，围绕它们的使用方法和应用案例展开。这些工具包括商业软件Excel、Power BI、FineBI、D3.js、DataV、Tableau，开源包ECharts，以及编程语言Python、R。 本书既可以作为高等院校计算机与软件相关专业的教材，也可以作为软件从业人员、计算机爱好者的学习指导用书。
|
| 目錄：
|
第1部分基 础 理 论
第1章数据可视化概述
1.1什么是数据可视化
1.2数据可视化的发展历史
1.3大数据可视化的分类
1.3.1科学可视化
1.3.2信息可视化
1.3.3可视分析学
1.4大数据可视化作用
1.4.1记录信息
1.4.2分析推理
1.4.3信息传播与协同
1.5大数据可视化发展方向
习题
第2章数据可视化基础
2.1可视化流程
2.2可视化设计工具和原则
2.2.1可视化数据组织与管理工具
2.2.2可视化设计原则
习题
第2部分大数据可视化
第3章时间数据可视化
3.1时间数据在大数据中的应用
3.2连续型时间数据可视化
3.2.1阶梯图
3.2.2折线图
3.2.3螺旋图
3.2.4热图
3.3离散型时间数据可视化
3.3.1散点图
3.3.2柱形图
3.3.3堆叠柱形图
3.3.4点线图
3.4可视化图表的选择
习题
第4章比例数据可视化
4.1比例数据在大数据中的应用
4.2部分与整体
4.2.1饼图
4.2.2环形图
4.2.3比例中的堆叠
4.2.4矩形树图
4.3时空比例数据
习题
第5章关系数据可视化
5.1关系数据在大数据中的应用
5.2数据的关联性
5.2.1散点图
5.2.2散点图矩阵
5.2.3气泡图
5.3数据的分布性
5.3.1茎叶图
5.3.2直方图
5.3.3密度图
习题
第6章文本数据可视化
6.1文本数据与大数据
6.1.1文本数据在大数据中的应用及提取
6.1.2使用网络爬虫提取文本数据
6.2文本内容可视化
6.2.1关键词可视化
6.2.2时序文本可视化
6.2.3文本分布可视化
6.3文本关系可视化
6.3.1基于图的文本关系可视化
6.3.2文档间关系可视化
习题
第7章复杂数据可视化
7.1高维多元数据在大数据中的应用
7.1.1空间映射法
7.1.2图标法
7.2非结构化数据可视化
7.2.1基于并行的大尺度数据高分辨率可视化
7.2.2分而治之的大尺度数据分析与可视化
习题
第3部分大数据可视化工具及应用
第8章Excel数据可视化方法
8.1Excel介绍
8.2基础图像绘制
8.3案例： 数据面板制作
习题
第9章Power BI数据可视化方法
9.1Power BI介绍
9.1.1什么是Power BI
9.1.2为什么使用Power BI
9.2Power BI组成架构
9.3初识Power BI
9.3.1安装和运行
9.3.2认识界面
9.4案例： 豆瓣电影Top 250
9.4.1数据准备和处理
9.4.2数据可视化
9.4.3发布报表
第10章Python数据可视化方法
10.1背景介绍
10.2前期准备与基本操作
10.2.1基本术语概念说明
10.2.2安装openpyxl并创建一个工作簿
10.2.3从Excel工作簿中读取数据
10.2.4迭代访问数据
10.2.5修改与插入数据
10.3进阶内容
10.3.1为Excel表单添加公式
10.3.2为表单添加条件格式
10.3.3为Excel表单添加图表
10.4案例： Python 表格处理分析
10.4.1背景与前期准备
10.4.2使用openpyxl读取数据并转为DataFrame
10.4.3绘制数值列直方图
10.4.4绘制相关性矩阵
10.4.5绘制散布矩阵
10.4.6将可视化结果插入回Excel表格中
习题
第11章R数据可视化方法
11.1R语言的特点
11.2R语言的功能特征
11.3案例： Titanic数据集处理流程
11.3.1R语言的安装
11.3.2R语言数据处理流程
第12章FineBI数据可视化方法
12.1FineBI介绍
12.1.1产品定位
12.1.2与传统商务智能BI软件相较的优势
12.1.3软件安装与启动
12.2数据准备与加工
12.2.1数据源
12.2.2数据准备
12.2.3关联设置
12.3可视化分析
12.3.1表格组件
12.3.2图表组件
12.3.3过滤组件
12.3.4设计仪表板
12.4案例： 零售行业数据分析
第13章ECharts数据可视化方法
13.1ECharts
13.2ECharts基础概念
13.3可视化类型
13.4ECharts数据交互与API使用
13.5主题与扩展管理
13.6案例： 人口增长数据可视化
第14章D3.js数据可视化方法
14.1简介
14.2安装
14.3预备知识和工具
14.4HTML模板和导入D3
14.5元素选择和数据绑定
14.5.1元素选择
14.5.2数据绑定
14.6插入和删除元素
14.6.1插入元素
14.6.2删除元素
14.7enter()和exit()方法
14.8绘制SVG图形
14.8.1什么是SVG
14.8.2添加画布
14.8.3绘制矩形
14.8.4使用比例尺
14.9坐标轴
14.9.1类型简介
14.9.2x轴坐标轴
14.9.3y轴坐标轴
14.9.4同时包含x轴和y轴坐标轴
14.10条形图
14.10.1建立画布并定义比例尺
14.10.2加载数据并创建坐标轴
14.10.3条形绘制
14.10.4添加标签
14.11饼图
14.11.1SVG路径
14.11.2d3.scaleOrdinal()
14.11.3d3.pie()
14.11.4d3.arc()
14.11.5饼图案例： 浏览器市场份额
14.12动态交互
14.12.1什么是动态效果
14.12.2实现动态的方法
14.12.3什么是交互
14.12.4如何添加交互
第15章DataV数据可视化方法
15.1DataV介绍
15.1.1多种场景模板
15.1.2丰富的图标库与地理绘制支持
15.1.3支持多种数据源
15.1.4容易实现的图形化搭建工具
15.1.5灵活的发布方式
15.2可视化应用管理
15.2.1模板的使用
15.2.2应用的创建与发布
15.3数据源管理
15.3.1添加IP地址白名单
15.3.2添加数据源
15.4组件管理
15.4.1组件概览
15.4.2配置组件数据
15.4.3配置组件交互
15.4.4组件包的使用与管理
15.5案例： 店铺销售数据可视化
第16章Tableau数据可视化方法
16.1Tableau介绍
16.1.1软件特点
16.1.2软件下载与安装
16.2案例： 超市销售数据可视化分析
16.2.1Tableau Desktop的使用
16.2.2Tableau Server的使用
16.2.3Tableau Reader的使用
第17章应用案例： 使用Spark实现数据统计分析及性能优化
17.1背景
17.2系统架构
17.2.1总体方案
17.2.2详细设计
17.2.3优化设计
17.3具体实现
17.3.1数据获取
17.3.2数据可视化
17.4性能优化
17.4.1读取优化
17.4.2查询优化
17.4.3Spark参数级优化
第18章应用案例： 爬取二手房数据并绘制热力图
18.1数据抓取
18.1.1分析网页
18.1.2地址转换成经纬度
18.1.3编写代码
18.1.4数据下载结果
18.2绘制热力图
18.3本章小结
参考文献
|
| 內容試閱：
|
当前，在教学、研究和开发领域，数据可视化是一个极为活跃而又关键的方向。特别是在大数据时代，面对规模、种类快速增长的数据，可视化已然成为各个领域传递信息不可缺少的手段，是快速理解数据的必然要求。通过合理的可视化设计，管理者可以将自己关心的所有数据都汇集到一张仪表盘中，把人从浩如烟海的表格中解放出来。大数据可视化还可辅以机器学习等技术，使管理者不仅可以了解过去数据的规律，还可以借助计算机强大的预测、拟合等能力，来窥探未来的趋势，借此在瞬息万变的网络时代占得先机。
可以说，现代社会几乎每个领域都在主动或者被动地应用大数据思维、大数据方法，并借此得以优化管理，促进生产力的提升。然而很多人对大数据可视化还存在一定误区。大数据是大容量、高速度并且数据之间存在很大差异的数据集，但大数据可视化并不意味着所有数据都必须可视化。虽然现在计算机硬件性能在飞速提升，但是这么做还是会带来算力的浪费、成本的提高以及可视化速度的下降。优秀的可视化展示出的都是有价值、能影响决策的信息，而某些数据并不需要可视化方法来表达。另外，并不是高质量的数据才值得做可视化，对于低质量数据，简单的可视化便于快速定位错误。可视化省去了很多麻烦，但是不一定总能依靠可视化做出正确的决定，它并不能替代批评思维，一些糟糕的可视化还可能因为过于注重视觉效果而给人传达出误导性信息。
本书的主要内容——大数据可视化技术，一直是应用和研究领域的热点，也是一门非常复杂的技术。本书着重于基础知识和常用软件的讲解，对前沿技术进行了简单介绍。此外，还涉及一些大数据可视化支持技术的介绍，如数据库等。希望本书能给想了解大数据可视化技术的读者带来帮助。
本书的主编为吕云翔、姚泽良，副主编为谢吉力、朱英豪、仇善召、韩延刚、黄泽桓，闫坤审核，曾洪立参与了部分内容的编写并进行了素材整理及配套资源制作等。
由于主编水平有限，书中难免会有内容的疏漏，恳请各位同仁和广大读者给予批评指正，也希望各位读者能将实践过程中的经验和心得与我们交流。
编者2023年3月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
