荐书如何让数据“说话”？看看《大数据可视化》就会了！

Posted 2021-04-28 刘鹏看未来

随着教育部公布2017年度普通高等学校本科专业备案和审批结果的通知，目前申请获批数据科学与大数据技术专业（专业代码：080910T）的高校已增至278所。在获批高校越来越多的同时，如何在专业建设过程中选择适用教材，却逐渐成为了各大高校面临的一大难题。

而早在2016年，清华大学博士、南京大数据研究院院长刘鹏教授就联合国内多所高校从事一线教学科研任务的专业师资，开始编写大数据系列教材。目前，《云计算》、《大数据》、《大数据库》、《数据挖掘》、《深度学习》、《大数据可视化》、《虚拟化与容器》、《大数据实验手册》等本科系列教材陆续出版，可为大数据教学提供系统的教材支撑。

今天为大家重点推荐介绍《大数据可视化》，以后还会陆续推荐其他教材，欢迎持续关注：

《大数据可视化》概述

本书是国内众多高校采用的知名教材《云计算》(1～3版)的姊妹篇（《云计算》名列中国计算机类图书被引用量第一名），与《大数据》在内容上实现互补，适合作为相关专业教材，也可作为大数据开发人员和爱好者的学习和参考资料。

《大数据可视化》主要内容

本书是针对当前大数据应用、可视化分析研究和应用的新形势，专门为大数据专业本科生编写的大数据可视化教材。本书诠释了大数据可视化的内涵与外延，详细介绍了大数据可视化概述、可视化的类型与模型、数据可视化基础、数据可视化的常用方法、大数据可视化的关键技术、可视化交互、大数据可视化工具、大数据可视化系统及大数据可视化的行业案例等内容。为了便于学习，每章都附有习题，题型设计也充分考虑到大数据可视化课程教学的需要。

《大数据可视化》大纲

第一章——大数据可视化概述

本章在讨论数据可视化的基本概念，可视化起源的基础上，重点讨论了可视化在大数据系统中的地位，可视化目标和作用，介绍了大数据可视化应用领域及其与其他学科的关系。

第二章——可视化的类型与模型

本章主要讨论了数据可视化的2种类型——科学可视化、信息可视化以及可视化的模型的3种模型——顺序模型、分析模型、循环模型。

第三章——数据可视化基础

本章围绕数据可视化的基本特征，旨在说明数据可视化背后的基础理论和技术框架。首先，介绍了与数据可视化紧密相关的光学原理与视觉特性，然后阐述了数据可视化的基本特征。在此基础上，重点讲解了数据可视化的基本步骤、一般流程及可视化设计的相关组件。最后，探讨了数据可视化中需要考虑的美学因素，并给出了可视化框架设计的总体思路和流程。

第四章——数据可视化的常用方法

本章主要介绍数据可视化的常用方法。首先，从视觉编码引入，讲述了视觉感知、视觉通道、数据分类和常用的复杂数据处理方法。在选择可视化方法之前，应该了解视觉感知与视觉认知的区别，掌握视觉可视化设计的基本原则——格式塔(Gestalt)原则，并考虑不同视觉通道的表现力和有效性，最后对复杂数据进行分类以及预处理。

其次，讲述了常用的统计图表可视化方法，基本的统计图表能够满足大部分可视化项目的需求。这部分分析了柱状图(传统二维柱状图、三维柱状图)，条形图(堆积条形图、三维堆积条形图)，折线图，饼图，散点图，气泡图，雷达图等多种统计图表的使用的场景及其优缺点。

接着，介绍了图可视化方法，“无图无真相”、“一图胜千言”正是对图可视化方法的归纳。本部分从图的类型、图论可视化、思维导图三个方面展开介绍，了解图中的关系和分层等概念之后，探讨了基于图论算法的可视化方法，并给出实例。最后介绍了思维导图的可视化方法，即借助图表来分析问题和理清思路。

然后，分析了可视化分析方法的常用算法，即从可视分析学的角度，面向大规模、动态、模糊或者常常不一致的数据集来进行分析。本部分主要从可视化分析方法、可视分析研究的特点、可视分析的应用实例、主成分分析、聚类分析、因子分析和层次分析法等几个方面展开讲述，

最后，探讨了可视化方法的选择，从百度地图开发、城市人流走势、商圈人流对比等案例中探讨可视化方法的选择，并给出在D3.js和Echarts选择上的建议，以及优秀的数据可视化作品欣赏。

第五章—— 大数据可视化的关键技术

本章从大数据标准架构出发，展示了大数据的全景图，在这个全景图中，更加关注大数据高效处理技术及工具，更加关注通过大数据处理后输出的更加高效的产品，而大数据可视化产品是大数据落地的最后一公里。讨论了可视化4个关键技术：数据信息的符号表达技术、数据渲染技术、数据交互技术、数据表达模型技术以及可视化设计与开发模型，介绍了大数据可视化渲染的相关概念、基于CPU的渲染、基于GPU的渲染、集群渲染技术、云渲染。

第六章——可视化交互

本章主要讨论了可视化交互的概念，可视化交互技术平移和缩放技术、动态过滤技术、概览和细节技术、焦点和上下文技术以及多视图关联协调技术;重点介绍了可视化交互空间、可视化交互模型、交互硬件与软件系统。

第七章——大数据可视化工具

大数据可视化工具有很多种，本章从使用者的角度介绍一些常见的、便于使用的数据可视化工具，如Excel、Processing、NodeXL、ECharts、Tableau等，以供读者参考和学习。

第八章——大数据可视化系统——魔镜

本章内容主要系统全面的介绍了大数据可视化系统“魔镜”，描述了魔镜系统的产品架构和技术流程，同时详细介绍了魔镜系统的数据处理和分析模块、数据可视化模块。

第九章——大数据可视化的行业案例

本章主要讲解数据可视化项目应用，从电子商务、广告投放、银行贷款、油井数据4个主题来描述整体的过程。数据可视化项目的过程主要依托“魔镜”系统来完成，从数据的连接、数据处理和分析、数据图表的制作和数据挖掘模型的运用来完成整个流程。

附录A 大数据与人工智能实验环境

点击【阅读原文】即可了解更多《大数据可视化》详情。

关注刘鹏看未来（ID:lpoutlook）

比别人早一步看见未来！

▼▼▼

刘鹏教授，清华大学博士毕业，现任南京大数据研究院院长、中国大数据应用联盟人工智能专家委员会主任，兼任中国信息协会大数据分会副会长、中国大数据专家委员会委员、中国大数据技术与应用联盟副理事长，同时也是中国云计算（chinacloud.cn）、中国大数据（thebigdata.cn）网站的创始人，《云计算》、《大数据》教材主编。

▼▼▼▼点击“阅读原文”了解和购买《大数据可视化》