《數據可視化之美》內容是可視化是數據描述的圖形表示，旨在一目了然地揭示數據中的複雜信息。可視化的典型如紐約捷運圖和人腦圖。成功的可視化的美麗之處既在於其藝術設計，也在於其通過對細節的優雅展示，能夠有效地產生對數據的洞察和新的理解。
基本介紹
- 書名：數據可視化之美
- 作者：Julie Steele
- ISBN：9787111337966
- 頁數：456頁
- 出版社：機械工業出版社
- 開本：16開
內容簡介,目錄,
內容簡介
在《數據可視化之美》中，20多位可視化專家包括藝術家、設計師、評論家、科學家、分析師、統計學家等，展示了他們如何在各自的學科領域內開展項目。他們共同展示了可視化所能實現的功能以及如何使用它來改變世界。在《數據可視化之美》中，你將：
通過簡單的可視化實踐探索講故事的重要性。
了解顏色如何傳達我們尚未充分意識到而大腦已經識別出的信息。
發現我們購買的書籍和我們的交際圈如何揭示內心的自我。
通過對民航交通的可視化探索識別航空旅行的混亂的一種方法。
揭秘研究人員如何調查未知問題，包括從最初的草圖到發表的論文。
目錄
前言 1
第1章 論美 7
Noah Iliinsky 7
何為美 7
學習經典 9
如何實現美麗 12
預期的信息 13
付諸實踐 16
結束語 18
第2章 曾經的堆疊時間序列 19
Matthias Shap 19
問題 + 可視化數據 + 場景 = 故事 20
創建有效的可視化的步驟 22
可視化創建實踐 29
結束語 37
第3章 Wordle 39
Jonathan Feinberg 39
Wordle的起源 40
Wordle如何工作 47
Wordle是優秀的信息可視化嗎 56
如何真正使用Wordle 59
結束語 60
致謝 60
參考文獻 60
第4章 色彩：數據可視化的“灰姑娘” 61
Michael Driscoll 61
為什麼在數據圖像中使用色彩 61
亮度作為恢復局部密度的方法 66
展望未來：關於動畫 67
方法 68
結束語 69
參考文獻和補充閱讀 69
第5章 信息映射：重新設計紐約捷運圖 70
Eddie Jabbour（Julie Steele執筆） 70
需要更好的工具 70
回憶在倫敦 72
紐約之“殤” 73
好的工具衍生更好的工具 73
尺寸只是一個因素 74
從回顧到展望 76
紐約獨特的複雜性 78
地理即關係 78
砍掉“雞毛蒜皮”的東西 85
結束語 89
第6章 飛行模式：深入探索 90
Aaron Koblin和ValdeanKlump 90
技術和數據 93
色彩 94
動向 98
異常和錯誤 99
結束語 100
致謝 101
第7章 你的選擇揭示你是誰：社會模式的挖掘和可視化 102
Valdis Krebs 102
早期社交圖 102
Amazon的書籍購買數據的社交圖 110
結束語 120
參考文獻 120
第8章 美國參議院社交圖（1991～2009）的可視化 122
Andrew Odewahn 122
創建可視化 123
收集原始數據 124
產生的故事 130
什麼使它美麗 134
什麼使它醜陋 135
參考文獻 139
第9章 鳥瞰圖：搜尋和發現 141
Todd Holloway141
可視化技術 142
YELLOWPAGESCOM 142
Netfl x獎項 148
創建自己的可視化 153
結束語 154
參考文獻 154
第10章 從社交網路可視化的混雜之中尋找美麗的感悟 155
Adam Perer 155
社交網路可視 155
誰想要對社交網路進行可視化 158
Soc alAct on的設計 159
案例研究：從混亂到美麗 163
參考文獻 170
第11章 美麗的歷史：對維基百科可視化 171
Martin Wattenberg 和 Fernanda Viégas 171
描述分組編輯 171
數據 172
歷史流的實際作用 179
染色圖：一次對一個人進行可視化 181
結束語 185
第12章 把錶轉換成樹：把並行集發展成意義深遠的項目 187
Robert Kosara 187
分類數據 188
並行集 189
可視化重設計 190
新的數據模型 192
資料庫模型 194
樹結構增長 195
現實世界中的並行集 197
結束語 198
參考文獻 198
第13章 “X byY”的設計：奧地利電子藝術節檔案的信息美學探索 199
Moritz Stefaner 199
簡介和概念 199
了解數據形勢 200
探索數據 202
初次可視化草圖 204
最終產品 208
結束語 214
致謝 216
參考文獻 217
第14章 矩陣探秘 218
Maximilian Schich 218
越多越好嗎 219
把資料庫看做網路 220
可見的數據模型定義 221
網路維度 224
矩陣“縮小鏡” 225
減少複雜性 229
矩陣操作進階 236
改善後的矩陣 236
數據規模擴大 237
深層次套用 238
結束語 239
致謝 239
參考文獻 239
第15章 1994年：基於《紐約時報》上的文章搜尋API的數據探索 245
Jer Thorp 245
獲取數據：文章搜尋API 245
管理數據：使用Process ng程式語言 247
三個簡單的步 251
維度搜尋 253
連線 254
結束語 258
第16章 《紐約時報》的一天 260
Michael Young 和 Nick Bilton 260
收集一些數據 261
數據清洗 262
Python、Map/Reduce和Hadoop 263
可視化的第一步 263
剛剛處理的數據哪去了 266
場景1，步驟1 266
場景1，步驟2 268
可視化的第二步 269
可視化比例和其他可視化最佳化 272
使定時拍攝能夠正常工作 274
生成的視頻有什麼用 275
結束語 275
致謝 278
第17章 深入揭秘複雜系統 279
Lance Putnam、Graham Wakef ield、Haru Ji、Basak Alper、
Dennis Adderton 和JoAnn Kuchera-Morin 279
多模式“競技場” 279
創造性思維的路線圖 281
項目探討 284
結束語 295
參考文獻 296
第18章 解剖可視化：真正的黃金標準 297
Anders Persson 297
背景 298
對法醫工作的影響 298
虛擬屍檢流程 301
虛擬屍檢的未來 309
結束語 312
參考文獻和擴展閱讀 313
第19章 動畫可視化：機遇和缺點 315
Danyel Fisher 315
動畫原則 316
科學可視化中的動畫 317
從卡通中學習 317
用動畫進行的探索效率更低 322
展現不是探索 323
動畫類型 324
用DynaV s製作的舞台動畫 328
動畫原則 332
結束語：是否採用動畫 333
擴展閱讀 334
致謝 334
參考文獻 334
第20章 帶索引的可視化 337
Jessica Hagy 337
可視化：是一頭“大象” 337
可視化：是一門藝術 339
可視化：是一種商務 340
可視化：是永恆的 341
可視化：此時此刻 343
可視化：是編碼的 344
可視化：是清晰的 345
可視化：是可學習的 346
可視化：是一個流行語 348
可視化：是一個機遇 349
作者簡介 353
