大数据可视化

"随着大数据时代的开启，大规模、高纬度、非结构化数据层出不穷，要将这样的数据以可视化形式完美的展示出来，传统的显示技术已很难满足这样的需求。大数据可视化是大数据专业的重要专业基础课程。高等职业教育培养的是应用性人才。目前，高职高专的同类教材大多数是本科教材的缩减版，教材从内容选择到编排上都还是沿袭本科的理论体系，结果是学生只掌握了会计核算的一些知识点和基本原理，但实际核算能力、动手操作能力非常薄弱，学生理论学习和实践应用严重脱节。随着高职院校教学改革的推进，市场上也出现了一些包含大量实践操作的教材，但这些教材或多或少存在着一些问题。 1．《大数据可视化》，机械工业出版社，王文、周苏，2019年02月初版。从内容组织上看较为简明，文字介绍也较为紧凑。该书在内容组织上是章节式结构，仅仅应用了Excel和Tableau两个工具进行数据可视化，对于大数据专业来说内容比较单薄。 2．《大数据可视化》，中国铁道出版社，匡泰，2019年06月初版。本书是打破了传统的教材编写框架，以“项目驱动”，按照不同任务编排教材结构。这种教材目前市场上也出现了一些。但目前从实际使用效果看，还远未成熟，主要问题是： （1）片面强调以项目为主线，打破了原有的课程内容体系。看上去很有创新性，也能让学生接触一些实务，但学生从一无所知到马上界入实务操作，需要吸收的知识过多，学习效果并不理想，所出的教材因打破了原有的知识体系结构，被接受的程度也受到一定的影响。 （2）任务设计与案例设计粗糙。这类教材中有一些书仍是套用传统教材的内容，只是在提法上将原来的章节改成了任务，这导致在教学中虽有任务驱动的形，但缺乏任务驱动的实，所编写的教材也就缺乏特色。 （3）教材内容组织割裂化。在教材内容组织上，目前市场上的教材通常每个章节配套各自的习题和案例，案例之间没有关联，学生做核算和做实务使用的是不同的习题或案例资料，这就会导致学生在学习过程中也是割裂化地理解和使用相关知识，从而导致应用能力不强。"

本书全面介绍大数据可视化的基础知识及编程实现方法。全书共8章，主要内容包括数据可视化基础、可视化编程基础、对比与趋势可视化、比例数据可视化、关系数据可视化以及可视化的更多选择、可视化还能做什么、基于可视化的分析案例等，每章最后均提供了一些习题或实战作业，旨在通过练习和操作实践帮助读者巩固所学的内容。本书可作为高等院校计算机类专业大数据相关课程和非计算机类专业计算机程序设计基础相关课程的教材，也可作为程序设计培训班的参考教材，并适合专业计算机编程人员和广大计算机爱好者自学使用。

"王珊珊广东轻工职业技术学院信息技术学院专任教师，国家计算机技术与软件专业信息系统项目高级管理师，曾担任东软股份有限公司高级软件工程师； 硕士研究生，毕业于西北大学信息科学与技术学院，从事数据挖掘方向研究；"

第1章 数据可视化基础
1.1 数据是什么
1.1.1 数据的本质
1.1.2 数据与信息
1.2 数据与可视化
1.2.1 数据会说话
1.2.2 视化流程
1.2.3 数据与图形
1.3 视化的基本理论
1.3.1 视觉感知
1.3.2 格式塔理论
1.3.3 设计基础
1.4 练习
第2章 可视化编程基础
2.1 可视化工具简介
2.1.1 Excel
2.1.2 D
2.1.3 F?lot
2.1.4 ECharts
2.1.5 Tableau
2.1.6 PolyMaps
2.1.7 Modest Maps
2.1.8 Frocessing
2.1.9 R
2.1.10 Python
2.1.11 Gephi
2.2 准备工作
2.2.1 Anaconda的安装
2.2.2 PyCharm的安装
2.3.1 客户提供数据源
2.3.2 自己爬取数据
2.3.3 数据源资源
2.4 数据存储
2.5 数据处理
2.5.1 数据质量
2.5.2 数据预处理
2.5.3 数据格式
2.6 属性关系与选择
2.6.1 相关关系
2.6.2 因果关系
2.7 练习
第3章 对比与趋势可视化
3.1 柱形图
3.1.1 单柱图
3.1.2 簇状柱图
3.2 折线图
3.3 箱线图
3.4 词云图
3.5 练习
第4章 比例数据可视化
4.1 饼图
4.2 环图
4.3 练习
第5章 关系数据可视化
5.1 散点图
5.1.1 单一散点图
5.1.2 分类散点图
5.2 气泡图
5.3 直方图
5.4 练习
第6章 可视化的更多选择
6.1 画布划分
6.2 坐标轴与刻度
6.2.1 颜色与标签
6.2.2 共享坐标轴
6.3 练习
第7章 可视化还能做什么
7.1 探索式分析
7.1.1 探索数据缺失情况
7.1.2 探索属性关系
7.2 数据预测
7.2.1 回归分析原理
7.2.2 回归分析实现
7.3 练习
第8章 基于可视化的分析案例
8.1 数据解读与导入
8.2 数据集重构
8.3 回归模型拟合
8.4 Bootstrap采样分析
8.5 练习