比较基础，建议作为入门阅读

通过这本书，我们可以开始理解数据可视化，探索数据的模式，并寻找数据间的关联，进而选择适合自己的数据和目的的可视化方式。如果你想深入学习数据分析或数据可视化，我建议没必要看这本书，如果你刚刚入门，希望从事数据分析或数据可视化方面工作，我建议学习学习。 这是一本入门书籍，很基础很基础，既没有告诉我们如何制作报表，也没有告诉我们数据可视化的规范，作者从几个大的方向去谈的： 1、怎么理解数据，明确了数据具有不确定性，不同背景下可具有不同的解读 2、日常生活中的那些运用到数据的案例和场景，比如人口的统计，气候变化的统计，美丽的地图的设计 3、数据可视化设计的组成，共4个部分：视觉按时、坐标系、标尺以及背景信息。可视化是一个抽象的过程，是把数据映射到几何图形和颜色上，技术很容易掌握，难的是用什么形状和颜色组合最合适？各组件多大最合适？对于可视化来说，这4个组件是原材料，视觉暗示是用户看到的主要部分，坐标系和标尺可是视图结构化，创造出空间感，背景信息则富裕了数据生命，更容易被理解。 ①视觉暗示排序清单（从最精准到最不精准的排序）：位置>长度>角度>方向>面积>体积>饱和度>色相； ②坐标系分为直角坐标系（最常用）、极坐标系（涉及到角度和方向时用到的比较多）、地理坐标系 ③标尺有数字标尺、时间标尺、分类标尺（如条形图，水平轴一般使用分类标尺，垂直轴一般使用数字标尺） 4、讲述了数据可视化的过程（分类数据、时序数据、空间数据） 在数据可视化的过程，我们需要考虑几个问题：拥有什么数据，能得到什么数据，数据来源是什么，如何获取数据，所有变量的意义是什么，然后用这些信息来进行指导。 分类数据可视化：通常可以理解看到最大值和最小值，可以了解数据集的范围，之后，再看看各部分的分布情况，大部分数值是很高？很低？还是居中？最后，再看看结构和模式，如果一些分类有着同样或差异很大的值，那就要找出原因了。 时序数据可视化：寻找随着时间推移发生的变化，是变大了？变小了？这些变化是否重要？变化的原因是什么？是正常波动还是异常波动？ 空间数据可视化：首先要了解数据的范围，然后寻找区域模式，某个国家、地区是否聚集了较高或较低的值？ 5、强化数据可视化，让可视化设计更加清晰，努力建立视觉层次，对不同分类做好区分，通过图表可以让数据之间进行比较（注意：没有比较的可视化没有任何意义，没有比较的数据分析也没有任何意义），再增加合理的背景描述，可让数据更加清晰化。同时，我们要为用户设计，时刻在心。 6、最后几页作者分别介绍了可视化工具、编程工具、插图工具、数据统计工具，我汇总下： 可视化工具：Excel（没啥好说的了，作者不喜欢，但是我喜欢）、Google Spreadsheets、Tableau（公司在用的就是这个，牛逼的不行）、Many Eyes、Gephi、ImagePlot、TileMill、indiemapper、GeoCommons、ArcGIS 编程工具：R语言、JavaScript、HTML、SVG、CSS、Python、Processing、Flash、ActionScript、PHP 插图工具：Adobe Illustrator 数据统计工具：引用下作者的话“不管使用什么软件，别忘了你的目的是理解数据，如果是针对广大读者设计可视化图表，则是帮助他人理解数据”。 完结，上图