数据可视化的优秀入门书籍有哪些

\u6570\u636e\u53ef\u89c6\u5316\u7684\u4f18\u79c0\u5165\u95e8\u4e66\u7c4d\u6709\u54ea\u4e9b

\u300a\u5927\u6570\u636e\u65f6\u4ee3\u300b\u4e0d\u9519\uff0c\u53ef\u4ee5\u770b\u770b

\u300a\u9c9c\u6d3b\u7684\u6570\u636e\uff1a\u6570\u636e\u53ef\u89c6\u5316\u6307\u5357\u300b\u671b\u91c7\u7eb3\u54e6\uff01\u8c22\u8c22

\u76ee\u5f55\uff1a
\u7b2c1\u7ae0\u3000 \u7528\u6570\u636e\u8bb2\u6545\u4e8b
1.1\u3000 \u4e0d\u53ea\u662f\u6570\u5b57
1.1.1\u3000 \u65b0\u95fb\u62a5\u9053
1.1.2\u3000 \u827a\u672f
1.1.3\u3000 \u5a31\u4e50
1.1.4\u3000 \u5f15\u4eba\u6ce8\u76ee
1.2\u3000 \u6211\u4eec\u8981\u5bfb\u6c42\u4ec0\u4e48
1.2.1\u3000 \u6a21\u5f0f
1.2.2\u3000 \u76f8\u4e92\u5173\u7cfb
1.2.3\u3000 \u6709\u95ee\u9898\u7684\u6570\u636e
1.3\u3000 \u8bbe\u8ba1
1.3.1\u3000 \u89e3\u91ca\u7f16\u7801
1.3.2\u3000 \u6807\u6ce8\u5750\u6807\u8f74
1.3.3\u3000 \u786e\u4fdd\u51e0\u4f55\u4e0a\u7684\u6b63\u786e\u6027
1.3.4\u3000 \u63d0\u4f9b\u6570\u636e\u6765\u6e90
1.3.5\u3000 \u8003\u8651\u4f60\u7684\u53d7\u4f17
1.4\u3000 \u5c0f\u7ed3
\u7b2c2\u7ae0\u3000 \u5904\u7406\u6570\u636e
2.1\u3000 \u6536\u96c6\u6570\u636e
2.1.1\u3000 \u7531\u4ed6\u4eba\u63d0\u4f9b
2.1.2\u3000 \u5bfb\u627e\u6570\u636e\u6e90
2.1.3\u3000 \u81ea\u52a8\u641c\u96c6\u6570\u636e
2.2\u3000 \u8bbe\u7f6e\u6570\u636e\u7684\u683c\u5f0f
2.2.1\u3000 \u6570\u636e\u683c\u5f0f
2.2.2\u3000 \u683c\u5f0f\u5316\u5de5\u5177
2.2.3\u3000 \u7528\u4ee3\u7801\u6765\u683c\u5f0f\u5316
2.3\u3000 \u5c0f\u7ed3
\u7b2c3\u7ae0\u3000 \u9009\u62e9\u53ef\u89c6\u5316\u5de5\u5177
3.1\u3000 \u5f00\u7bb1\u5373\u7528\u7684\u53ef\u89c6\u5316\u5de5\u5177
3.1.1\u3000 \u53ef\u9009\u9879
3.1.2\u3000 \u53d6\u820d
3.2\u3000 \u7f16\u7a0b\u5de5\u5177
3.2.1\u3000 \u53ef\u9009\u9879
3.2.2\u3000 \u53d6\u820d
3.3\u3000 \u7ed8\u56fe\u8f6f\u4ef6
3.3.1\u3000 \u53ef\u9009\u9879
3.3.2\u3000 \u53d6\u820d
3.4\u3000 \u5730\u56fe\u7ed8\u5236\u5de5\u5177
3.4.1\u3000 \u53ef\u9009\u9879
3.4.2\u3000 \u53d6\u820d
3.5\u3000 \u8861\u91cf\u5404\u79cd\u53ef\u9009\u9879
3.6\u3000 \u5c0f\u7ed3
\u7b2c4\u7ae0\u3000 \u6709\u5173\u65f6\u95f4\u8d8b\u52bf\u7684\u53ef\u89c6\u5316
4.1\u3000 \u5728\u65f6\u95f4\u4e2d\u5bfb\u6c42\u4ec0\u4e48
4.2\u3000 \u65f6\u95f4\u4e2d\u7684\u79bb\u6563\u70b9
4.2.1\u3000 \u67f1\u5f62
4.2.2\u3000 \u67f1\u5f62\u7684\u5806\u53e0
4.2.3\u3000 \u5706\u70b9
4.3\u3000 \u5ef6\u7eed\u6027\u6570\u636e
4.3.1\u3000 \u70b9\u4e0e\u70b9\u76f8\u8fde
4.3.2\u3000 \u4e00\u6b65\u4e00\u4e2a\u53f0\u9636
4.3.3\u3000 \u5e73\u6ed1\u548c\u4f30\u7b97
4.4\u3000 \u5c0f\u7ed3
\u7b2c5\u7ae0\u3000 \u6709\u5173\u6bd4\u4f8b\u7684\u53ef\u89c6\u5316
5.1\u3000 \u5728\u6bd4\u4f8b\u4e2d\u5bfb\u6c42\u4ec0\u4e48
5.2\u3000 \u6574\u4f53\u4e2d\u7684\u5404\u4e2a\u90e8\u5206
5.2.1\u3000 \u997c\u56fe
5.2.2\u3000 \u9762\u5305\u5708\u56fe
5.2.3\u3000 \u6bd4\u4f8b\u4e2d\u7684\u5806\u53e0
5.2.4\u3000 \u5c42\u7ea7\u548c\u77e9\u5f62
5.3\u3000 \u5e26\u65f6\u95f4\u5c5e\u6027\u7684\u6bd4\u4f8b
5.3.1\u3000 \u5806\u53e0\u7684\u5ef6\u7eed
5.3.2\u3000 \u9010\u70b9\u8be6\u8ff0
5.4\u3000 \u5c0f\u7ed3
\u7b2c6\u7ae0\u3000 \u6709\u5173\u5173\u7cfb\u7684\u53ef\u89c6\u5316
6.1\u3000 \u5728\u5173\u7cfb\u4e2d\u5bfb\u6c42\u4ec0\u4e48
6.2\u3000 \u5173\u8054\u6027
6.2.1\u3000 \u66f4\u591a\u7684\u5706\u70b9
6.2.2\u3000 \u63a2\u7d22\u66f4\u591a\u7684\u53d8\u91cf
6.2.3\u3000 \u6c14\u6ce1
6.3\u3000 \u5206\u5e03
6.3.1\u3000 \u8001\u5f0f\u7684\u5206\u5e03\u56fe\u8868
6.3.2\u3000 \u6709\u5173\u5206\u5e03\u7684\u67f1\u5f62
6.3.3\u3000 \u5ef6\u7eed\u6027\u7684\u5bc6\u5ea6
6.4\u3000 \u5bf9\u7167\u548c\u6bd4\u8f83
6.5\u3000 \u5c0f\u7ed3
\u7b2c7\u7ae0\u3000 \u53d1\u73b0\u5dee\u5f02
7.1\u3000 \u5728\u5dee\u5f02\u4e2d\u5bfb\u6c42\u4ec0\u4e48
7.2\u3000 \u5728\u591a\u4e2a\u53d8\u91cf\u95f4\u6bd4\u8f83
7.2.1\u3000 \u70ed\u8eab
7.2.2\u3000 \u76f8\u9762\u672f
7.2.3\u3000 \u661f\u5149\u707f\u70c2
7.2.4\u3000 \u5e73\u884c\u524d\u8fdb
7.3\u3000 \u51cf\u5c11\u7ef4\u5ea6
7.4\u3000 \u5bfb\u627e\u5f02\u5e38\u503c
7.5\u3000 \u5c0f\u7ed3
\u7b2c8\u7ae0\u3000 \u6709\u5173\u7a7a\u95f4\u5173\u7cfb\u7684\u53ef\u89c6\u5316
8.1\u3000 \u5728\u7a7a\u95f4\u4e2d\u5bfb\u6c42\u4ec0\u4e48
8.2\u3000 \u5177\u4f53\u4f4d\u7f6e
8.2.1\u3000 \u627e\u5230\u7eac\u5ea6\u548c\u7ecf\u5ea6
8.2.2\u3000 \u5355\u7eaf\u7684\u70b9
8.2.3\u3000 \u6709\u5927\u6709\u5c0f\u7684\u70b9
8.3\u3000 \u5730\u533a
8.4\u3000 \u8de8\u8d8a\u7a7a\u95f4\u548c\u65f6\u95f4
8.4.1\u3000 \u7cfb\u5217\u7ec4\u56fe
8.4.2\u3000 \u6293\u4f4f\u5dee\u989d
8.4.3\u3000 \u52a8\u753b
8.5\u3000 \u5c0f\u7ed3
\u7b2c9\u7ae0\u3000 \u6709\u76ee\u7684\u5730\u8bbe\u8ba1
9.1\u3000 \u8ba9\u81ea\u5df1\u4f5c\u597d\u51c6\u5907
9.2\u3000 \u8ba9\u8bfb\u8005\u4f5c\u597d\u51c6\u5907
9.3\u3000 \u89c6\u89c9\u63d0\u793a
9.4\u3000 \u597d\u7684\u53ef\u89c6\u5316
9.5\u3000 \u5c0f\u7ed3

个人感觉国内可能还比较少，可以看下Julie Steele的数据可视化之美 (豆瓣)，里面有一些经典案例的介绍，可作入门； 另外向怡宁翻译的鲜活的数据 (豆瓣)也值得一看，关键是介绍了数据可视化处理的具体过程，而且向怡宁翻译的书一向通俗易懂，他翻译的有关交互设计的就这么简单 (豆瓣)其实也是一本和信息设计有关系的书籍，行文风趣，作为入门比较合适。 另外涂子沛的大数据 (豆瓣)也值得一看，虽然这里介绍的主要是时代发展和大背景，但也有一章专门涉及数据可视化处理。 2013年6月时，浙大的陈为老师出了本数据可视化的教材，算是在国内第一本数据可视化教材，并系统地把数据可视化相关都做了梳理，看到有人也提到了这全彩略贵的书，数据可视化 (豆瓣)；如果嫌贵，可以买这本教材：数据可视化的基本原理与方法 (豆瓣)，都是陈为的书，内容基本一样，入门是够了。 国外的能推荐的多些， Edward Tufte不用说了，有人说他的书是“信息设计的圣经”，他的The Visual Display of Quantitative Information (豆瓣)应该是入门必看了，公认的开山之作。不过目前还没有中译本，看完基本上可以了解数据可视化的前世今生了； 他还有一个华人学生，在美国报社工作，专门负责数据图表的设计制作，也出了一本相关的书，很棒，Dona M.Wong，她写的书现在已经有中译本了：最简单的图形与最复杂的信息 (豆瓣) 主要侧重于对数据图表的修饰、完善，讲解了一些处理数据图表的基本原则，实操性很强。 Edward R.Tufte的其他书： Visual Explanations (豆瓣)，Beautiful Evidence (豆瓣) 都可以在网上找到pdf全本。 另外除了书，还推荐一个国外老头：Hans Rosling，他是瑞典卡罗琳学院全球公共卫生教授，有关他利用数据可视化显示200多个国家200年来的人均寿命和经济发展的ted视频非常火，真是数据可视化的魅力，他的其他视频也很棒（TED | Search），本人非常幽默，由他主持的BBC纪录片[BBC：统计学的快乐]也值得一看，这些都是初步了解数据可视化的好材料。 总之，个人感觉数据可视化除了具有优秀的美术功底外，统计学知识也是重要部分，毕竟数据的展现和设计都是建立在对数据的获取、清洗、处理、挖掘的基础上的。

鏁版嵁鍙鍖栫殑浼樼鍏ラ棬涔︾睄鏈夊摢浜
绛旓細钁楁湁銆奆lash缁勪欢銆佹父鎴忋丼WF鍔犺В瀵嗐嬪強銆婂氨杩欎箞绠鍗曪細Web寮鍙戜腑鐨勫彲鐢ㄦу拰鐢ㄦ埛浣撻獙銆锛 璇戞湁銆婂鎬濆鎯筹細15浣嶈绠楁満澶╂墠鍙婂叾閲嶅ぇ鍙戠幇銆嬨併婄灛闂翠箣缇庯細Web鐣岄潰璁捐濡備綍璁╃敤鎴峰績鍔ㄣ嬨併婄綉绔欒璁¤В鏋勶細鏈夋晥鐨勪氦浜掕璁℃鏋跺拰妯″紡銆嬨併婄綉绔欐悳 绱㈣璁★細鍏奸【SEO鍙婂彲鐢ㄦх殑缃戠珯璁捐蹇冨緱銆嬬瓑涔︺備粬璁や负鈥滀竴涓...

鏁版嵁鍙鍖栫殑浼樼鍏ラ棬涔︾睄鏈夊摢浜
绛旓細銆婂ぇ鏁版嵁锛氫簰鑱旂綉澶ц妯℃暟鎹寲鎺樹笌鍒嗗竷寮忓鐞嗐嬫簮鑷綔鑰呭湪鏂潶绂忓ぇ瀛︽暀鎺堝骞寸殑鈥淲eb鎸栨帢鈥濊绋嬫潗鏂锛屼富瑕佸叧娉ㄥぇ鏁版嵁鐜涓嬫暟鎹寲鎺樼殑瀹為檯绠楁硶銆備功涓垎鏋愪簡娴烽噺鏁版嵁闆嗘暟鎹寲鎺樺父鐢ㄧ殑绠楁硶锛屼粙缁嶄簡鐩墠Web搴旂敤鐨勮澶氶噸瑕佽瘽棰樸10銆併婂ぇ鏁版嵁鐨勫啿鍑汇嬫湰涔︽槸鏃ユ湰鏈鐣呴攢鐨勫ぇ鏁版嵁鍟嗕笟搴旂敤鎸囧崡銆備功涓粨鍚堥噹鏉戠患鍚堢爺绌剁嫭瀹舵姭...

鏁版嵁鍙鍖鍒嗘瀽鏈夊摢浜濂戒功鍊煎緱鎺ㄨ崘?
绛旓細1.銆婃暟鎹彲瑙嗗寲涔嬬編銆嬪湪鏈功涓锛20澶氫綅鍙鍖栦笓瀹跺寘鎷壓鏈銆佽鍒掑笀銆佽皥璁哄銆佺瀛﹀銆佸墫鏋愬笀銆佹牳绠楀瀹剁瓑锛屽睍绀轰簡浠栦滑鎬庢牱鍦ㄥ悇鑷殑瀛︾鑼冪暣鍐呯炕寮椤圭洰銆備粬浠竴鍚屽睍绀轰簡鍙鍖栨墍鑳藉畬姣曠殑鍔熺敤浠ュ強鎬庢牱杩愮敤瀹冩潵鏀瑰姩鍥介檯銆傛垚鍔熺殑鍙鍖栫殑缇庝附涔嬪鏃㈠湪浜庡叾鑹烘湳瑙勫垝锛屼篃鍦ㄤ簬鍏剁粡杩囧缁嗚妭鐨勯珮闆呭睍绀猴紝鍙互鏈夌敤鍦...

鏁版嵁鍒嗘瀽鍏ラ棬绾х殑瀛︿範涔︾睄鏈夊摢浜?
绛旓細1.銆奝ython鏁版嵁鍒嗘瀽鍩虹鏁欑▼銆嬶細杩欐湰涔﹂傚悎鍒濆鑰锛岄氳繃瀹炰緥璁茶В浜嗗浣曚娇鐢≒ython杩涜鏁版嵁鍒嗘瀽锛屽寘鎷暟鎹竻娲椼佸彲瑙嗗寲鍜岀粺璁″垎鏋愮瓑鍐呭銆2.銆奟璇█瀹炴垬銆锛氳繖鏈功閫傚悎鎯宠瀛︿範R璇█杩涜鏁版嵁鍒嗘瀽鐨勮鑰咃紝閫氳繃瀹為檯妗堜緥浠嬬粛浜哛璇█鐨勫熀鏈娉曞拰甯哥敤鏁版嵁鍒嗘瀽鎶鏈3.銆婃暟鎹垎鏋愭濈淮銆嬶細杩欐湰涔︿富瑕佷粙缁嶄簡鏁版嵁鍒嗘瀽鐨...

鏁版嵁鍙鍖栫殑浼樼鍏ラ棬涔︾睄鏈夊摢浜
绛旓細鍥藉鐨勮兘鎺ㄨ崘鐨勫浜涳紝 Edward Tufte涓嶇敤璇翠簡锛鏈変汉璇翠粬鐨勪功鏄滀俊鎭璁＄殑鍦ｇ粡鈥锛屼粬鐨凾he Visual Display of Quantitative Information (璞嗙摚)搴旇鏄叆闂ㄥ繀鐪嬩簡锛屽叕璁ょ殑寮灞变箣浣溿備笉杩囩洰鍓嶈繕娌℃湁涓瘧鏈紝鐪嬪畬鍩烘湰涓婂彲浠ヤ簡瑙ｆ暟鎹彲瑙嗗寲鐨勫墠涓栦粖鐢熶簡锛 浠栬繕鏈変竴涓崕浜哄鐢燂紝鍦ㄧ編鍥芥姤绀惧伐浣滐紝涓撻棬璐熻矗鏁版嵁鍥...

ECharts璇ュ浣曚娇鐢?鏈夊摢浜濂界殑鏁欑▼?
绛旓細鍏ラ棬涓庤繘闃朵箣鏃呰笍涓奅Charts鐨勫涔犱箣鏃咃紝棣栧厛鎺ㄨ崘銆奅Charts鏁版嵁鍙鍖銆嬭繖鏈功銆傝繖鏈功鏃ㄥ湪涓轰笉鍚屽眰娆＄殑瀛︿範鑰呮彁渚涘叏闈㈢殑鎸囧銆傚熀纭绡囷紙1-4绔狅級鏄綘鐨勫惎钂欒绋嬶紝瀹冨皢甯︿綘浜嗚ВECharts鐨勮儗鏅紝鎺屾彙缁勪欢鐨勫畨瑁呭拰寮鍙戠幆澧冪殑鎼缓銆傛帴鐫锛岃繘闃剁瘒锛5-6绔狅級娣卞叆璁茶В鑹插僵涓婚鍜屽姩鎬佸彲瑙嗗寲锛岃浣犵殑鍥捐〃鏇村叿鍚稿紩...

鏁版嵁鍙鍖栫殑浼樼鍏ラ棬涔︾睄鏈夊摢浜
绛旓細銆婇矞娲荤殑鏁版嵁锛鏁版嵁鍙鍖鎸囧崡銆嬫湜閲囩撼鍝︼紒璋㈣阿 鐩綍锛氱1绔犮 鐢ㄦ暟鎹鏁呬簨 1.1銆 涓嶅彧鏄暟瀛 1.1.1銆 鏂伴椈鎶ラ亾 1.1.2銆 鑹烘湳 1.1.3銆 濞变箰 1.1.4銆 寮曚汉娉ㄧ洰 1.2銆 鎴戜滑瑕佸姹備粈涔 1.2.1銆 妯″紡 1.2.2銆 鐩镐簰鍏崇郴 1.2.3銆 鏈夐棶棰樼殑鏁版嵁 1.3銆 璁捐 1.3.1銆 瑙ｉ噴缂栫爜...

鏁版嵁鍙鍖瀛︿範鏁欑▼鎺ㄨ崘?
绛旓細Data Visualization with Python锛氳繖鏄竴鏈粙缁嶅浣曚娇鐢≒ython杩涜鏁版嵁鍙鍖栫殑涔︾睄銆傚畠娑电洊浜嗗悇绉峆ython搴擄紙濡侻atplotlib銆丼eaborn銆丳andas绛夛級鐨勪娇鐢ㄦ柟娉曪紝骞舵彁渚涗簡澶ч噺鐨勭ず渚嬪拰缁冧範銆傞氳繃闃呰杩欐湰涔︼紝浣犲彲浠ョ郴缁熷湴瀛︿範Python鏁版嵁鍙鍖栫殑鐭ヨ瘑鍜屾妧鑳姐傜粨鍚堟垜涓汉鐨勭粡楠屾潵鐪嬶紝鎴戝缓璁鍒濆鑰鍏堜粠绠鍗曠殑宸ュ叿寮濮嬪涔狅紝...

浠鍏ラ棬鍒扮簿閫:浜掕仈缃鏁版嵁鍒嗘瀽鐨勪功绫娓呭崟?
绛旓細1.銆婃繁鍏ユ祬鍑烘暟鎹垎鏋愩嬭繖鏈功闈炲父娴呮樉鏄撴噦锛屼互绫讳技鈥滅珷鍥炲皬璇粹濈殑娲绘臣褰㈠紡鍚戣鑰呭睍鐜浼樼鐨勬暟鎹鍒嗘瀽浜哄憳搴旂煡搴斾細鐨勬妧鏈細鏁版嵁鍒嗘瀽鍩烘湰姝ラ銆佸疄楠屾柟娉曘佹渶浼樺寲鏂规硶銆佸亣璁炬楠屾柟娉曘佽礉鍙舵柉缁熻鏂规硶銆佷富瑙傛鐜囨硶銆佸惎鍙戞硶銆佺洿鏂瑰浘娉曘佸洖褰掓硶銆佽宸鐞嗐佺浉鍏虫暟鎹簱銆佹暟鎹暣鐞嗘妧宸э紱鍏朵腑缁熻鐭ヨ瘑濡傛灉涓嶄細鍙互璺宠繃...

浠鍏ラ棬鍒扮簿閫 浜掕仈缃鏁版嵁鍒嗘瀽涔︾睄娓呭崟
绛旓細鍏ラ棬鐗堥傚悎鏁版嵁鍒嗘瀽鐨勫叆闂鑰呫佸鏁版嵁鍒嗘瀽娌℃湁鏁翠綋姒傚康鐨勪汉锛屽父瑙佷簬搴斿眾姣曚笟鐢熴佺粡楠屽皻娴呯殑杞鑰呫傚叆闂ㄧ増鎺ㄨ崘涔︾睄 銆婃繁鍏ユ祬鍑烘暟鎹垎鏋愩嬶細O鈥橰elly鍑虹増鐨凥eadFirst锛堟繁鍏ユ祬鍑猴級绯诲垪涔︾睄涔嬩竴锛屼功涓湁澶ч噺鐨勫浘鐗囧拰鏈夎叮鐨勬渚嬬粍鍚堛傛湰涔︽祬鏄炬槗鎳傚舰璞＄敓鍔紝鍙互浣垮叆闂ㄨ呭鍒嗘瀽鐨勬蹇垫湁涓叏闈㈢殑璁ょ煡銆傘婅皝璇...

扩展阅读：数据分析三大软件 ... 数据可视化的5种方法 ... 数据可视化优秀作品 ... 数据分析入门书籍推荐 ... 黑客编程入门书籍推荐 ... 数据库入门书籍推荐 ... 数据可视化免费模板 ... 自学编程入门书籍推荐 ... c零基础入门书籍推荐 ...