数据可视化（第2版）

书籍作者：陈为	ISBN：9787121357275
书籍语言：简体中文	连载状态：全集
电子书格式：pdf,txt,epub,mobi,azw3	下载次数：5481
创建日期：2021-02-14	发布日期：2021-02-14
运行环境：PC/Windows/Linux/Mac/IOS/iPhone/iPad/Kindle/Android/安卓/平板
下载地址

内容简介

全书共有15章，分为4篇。基础篇，阐述数据可视化的基础理论和概念，从人的感知和认知出发，介绍数据模型和可视化基础；时空数据篇，介绍带有空间坐标或时间信息的数据的可视化方法，此类数据通过设备在真实物理空间中采集得到或由科学计算模拟产生；非时空数据篇，描述非结构化和非几何的抽象数据的可视化，这些数据既存在于真实物理空间，又是社会空间和网络信息空间的基本表达形式；用户篇，介绍面向各类数据的可视化在实际应用中共同需要的方法、技术和工具，例如交互和可视化评测方法，以及在具体领域的可视化和应用系统。本书从研究者的角度，介绍数据可视化的定义、方法、效用和工具，既可作为初学者的领路手册，也可用于可视化研究和可视化工具使用的参考指南。

作者简介

陈为(http://www.cad.zju.edu.cn/home/chenwei; [email protected])，浙江大学计算机学院CAD&CG国家重点实验室，教授，博导，国家优秀青年基金获得者，十三五国家重点研发专项“云计算与大数据”总体组与指南组专家。研究兴趣是可视分析与医疗人工智能。承担国家自然科学基金重点项目等国家项目十余项。发表国际**学术期刊和会议论文100余篇，其中包括IEEE/ACM Transactions和IEEE VIS**期刊和会议论文40余篇。出版著作5部。担任数个国际一流学术会议的大会论文主席、国际SCI期刊JVLC副主编、IEEE CG&A和JOV编委。

编辑推荐

适读人群：相关领域从业人员

本书是浙江大学陈为教授、阿里巴巴资深技术专家、视物致知网站创始人沈则潜博士等专家历时多年打造的一本全面、经典的数据可视化力著。

全书近千页的内容涵盖了数据可视化的基本理论、*新的研究成果、大量的实践案例，指导你一路从小白修炼成专家。

本书入选国家十三五重点图书出版规划项目。

本书制作精美，全彩印刷，让读者充分领略纸版书的知识之美！

《数据可视化（第2版）》电子书免费下载

pdf下载 txt下载 epub下载 mobi下载 azw3下载

前言

Foreword
　　Visualization, as a discipline in computer science, is a rather young field of study. Thefield has made many advances over the past 25 years through tremendous basic andapplication-driven research efforts, and also successfully transferred some of theseadvances into products and services for data-intensive applications. Visualization asa problem-solving and knowledge discovery tool has become even more important aswe enter the Big Data era. Its applications grow from scientific computing, engineeringdesign, biomedicine, cyber security, and intelligence, to social science, transportationstudies, and commerce. Visualization will be considered a basic skill, and will likelybecome part of the standard curriculum in science and engineering.
　　There is clearly a fast-growing interest in visualization as a discipline, a technology, or apractice. Over the years, I have been asked by many to suggest readings in visualization.So far, no book has ever managed to provide a comprehensive overview of the field,since even the good ones focus on a subarea of visualization, typically reflecting theauthor’s research endeavors. A visualization textbook is definitely needed. I know a fewother book projects are underway, but this book is by far the most comprehensive one Ihave seen. It provides a fairly complete introduction to essential topics in visualization,as well as information on where the field is today, effectively serving the needs of bothpractitioners and future researchers in the field. As the field evolves rapidly to copewith demands from new applications and exploiting Big Data, I believe the authors willupdate the content regularly to reflect the latest and greatest developments in the field,which will make this book a lasting, valuable resource.
　　While visualization has become an active area of study and practice in the United Statesand Europe, visualization research and education in Asia would benefit from increasedpromotion and development. Thus, the publication of this textbook is timely. I praise thededicated effort of Professor Wei Chen and his co-authors in creating this book, whichwill help accelerate visualization education, research, and practice in China and otherChinese-speaking countries. I hope to see this book translated into other languages. Itwill then become an important reference in the field of visualization. I found the bookvery informative and easy to read. I believe you will enjoy reading it.
　　Kwan-Liu Ma
　　Davis, CA
　　September 20, 2013
　　序言
　　浙江大学计算机辅助设计与图形学（CAD＆CG）国家重点实验室陈为教授来电话，请我为他的新作《数据可视化》作序。陈为教授是我的老同事，也是我们实验室可视化方向的带头人。现在他有新作出版，请我作序是对我的尊重，我哪有不懂之理。然而我犹豫了。我坦率地告诉他，我怕完不成任务，因为我已退休多年，不再跟踪学科前沿多年。陈为说，他把书稿链接发给我，请我浏览以后再做定夺。我在浏览了《数据可视化》的内容简介、前言、目录和第1 章后，深感全书内容十分丰富，架构严谨，是我国学界和业界急需的一本好书。陈教授在信里还写道：“可否请您从可视化在中国的发展历史、现状、未来为这本书写一个序言，作为对我们的鼓励。”读信后，我感到我写不出现状和未来，写点我经历过的事情，以及谈点作为过来人的体会和建议还是可以的，同时我感到作为可视化领域的一名老兵，面对《数据可视化》这样一本可视化新作、好书，又有爱不释手和责无旁贷之感，当即决定试试。
　　“可视化”或它的全称“科学计算可视化”（Visualization in Scientific Computing，ViSC）一词是在1987 年根据美国国家科学基金会召开的“科学计算可视化研讨会”内容撰写的一份报告中正式提出的。在短短20 余年历史中，科学计算可视化发展成为一个十分活跃的研究领域，新的研究分支不断涌现，如出现了用于表示海量数据不同类型及其逻辑关系的信息可视化技术，以及将可视化与分析相结合的可视分析学研究方向。现在又有了把“科学计算可视化”、“信息可视化”和“可视分析学”这三个分支整合在一起的新学科“数据可视化”。这是可视化研究领域的新起点，必将进一步促进学科交叉与融合，进一步扩大应用领域的发展，进一步提高应用水平。可以预期，这波数据可视化研究新浪潮必将推动可视化学科研究和应用向更宽、更深、更高的方向发展。事实上，这既是学界和业界的责任，也是广大用户的期待，因为现有的可视化技术还远远满足不了用户的期望。我举一个亲身体验来说明我的这个论断。去年8 月我的小孙女出生，面对可爱的小脸，脑海里不由得回忆起3 个月前看到儿子发来的那张胎儿超声波三维影像时留下的印象：紧闭的双目，高额头和大鼻子。今天小天使虽然依然双目紧闭，依然是高额头，但鼻子一点也不大，反而显得小巧、可爱，加上时张时合的小嘴，这张真实的小脸与那张高科技三维图像相比不知要漂亮多少倍。这个事实说明，今天的超声波三维成像技术离用户期望水平还相去甚远。我们全家在感谢今天科技进步让我们提前3 个月看到了小孙女真容的同时，也期望科学家们早日提供逼真的胎儿三维影像。
　　应该说，我们国家可视化方向的研究工作起步还是比较早的。国家自然科学基金委将科学计算可视化列为“八五”重点资助项目，国家科委也将其列为基础研究专门项目给予资助。国内一批图形学研究中心，如浙江大学计算机辅助设计与图形学国家重点实验室、清华大学计算机系、中科院CAD 开放实验室和中科院软件所等单位在20 世纪90年代初相继开展了可视化方向的基础研究和应用研究。我们这一代人遇到的最大困难是信息闭塞，很多信息都是从国际学术交流中取得的。例如，我是在1991 年3 月至7 月在德国Encarnacao 教授领导的弗朗霍夫图形学研究所（FhG-IGD）做访问研究，在MartinGoebel 博士领导的可视化研究室工作时接触科学计算可视化研究方向的。我有幸与研究室内一批年轻博士一起工作4 个月，奠定了从事可视化学科的基础。回国后我在浙江大学CAD＆CG 国家重点实验室大力倡导，并组织年轻教师和博士生开展可视化方向的研究工作，很快出现了一批较高水平的研究成果，影响并推动了可视化研究方向在国内的普及。

目录
基础篇
第1 章数据可视化简介 2
1．1 可视化释义 2
1．2 可视化简史 8
1．3 数据可视化详解 23
1．3．1 数据科学的发展 23
1．3．2 数据可视化的意义 25
1．3．3 数据可视化分类 29
1．3．4 数据可视化与其他学科领域的关系 38
1．4 数据可视化研究挑战 43
参考文献 44

第2 章视觉感知与认知 47
2．1 视觉感知和认知 47
2．1．1 视觉感知和认知的定义 48
2．1．2 视觉感知处理过程 48
2．1．3 格式塔理论 49
2．1．4 相关实验 56
2．2 颜色 57
2．2．1 颜色刺激理论 57
2．2．2 色彩空间 61
2．3 视觉编码原则 66
2．3．1 相对判断和视觉假象 66
2．3．2 标记和视觉通道 69
2．3．3 视觉通道的概念 71
2．3．4 视觉通道的特性 77
参考文献 88

第3 章数据 91
3．1 总览 91
3．2 数据基础 96
3．2．1 数据分类 96
3．2．2 数据集 96
3．2．3 数据相似度与密度 97
3．3 数据获取、清洗和预处理 98
3．3．1 数据获取 98
3．3．2 数据清洗 99
3．3．3　数据精简 102
3．3．4 其他常用的数据预处理步骤 103
3．4 数据组织与管理 104
3．4．1 数据整合与集成 106
3．4．2 数据库与数据仓库 108
3．5 数据分析与挖掘 111
3．5．1 探索式数据分析 113
3．5．2 联机分析处理 113
3．5．3 数据挖掘 116
3．6 数据科学与可视化 118
3．6．1 数据工作流 118
3．6．2 可视数据挖掘 122
3．7 数据科学的挑战 130
参考文献 131

第4 章数据可视化基础 136
4．1 数据可视化基本框架 136
4．1．1 数据可视化流程 136
4．1．2 数据可视化设计 140
4．2 可视化中的数据 143
4．2．1 数据认知 143
4．2．2 数据类型 143
4．3 可视化的基本图表 145
4．3．1 原始数据绘图 145
4．3．2 简单统计值标绘 150
4．3．3 多视图协调关联 151
4．4 可视化设计原则 153
4．4．1 数据到可视化的直观映射 153
4．4．2 视图选择与交互设计 155
4．4．3 信息密度――数据的筛选 156
4．4．4 美学因素 157
4．4．5 动画与过渡 159
4．4．6 可视化隐喻 163
4．4．7 颜色与透明度 164
4．5 可视化理论发展 164
4．5．1 图形符号学 165
4．5．2 关系数据的图形表示 166
4．5．3 图形语法 167
4．5．4 基于数据类型的研究 168
4．5．5 基于数据状态模型的研究 169
4．5．6 多维关系数据库可视化分析系统 170
参考文献 171

时空数据篇
第5 章空间标量场可视化 174
5．1 一维标量场可视化 174
5．2 二维标量场可视化 176
5．2．1 颜色映射 177
5．2．2 等值线 178
5．2．3 高度图 179
5．3 三维标量场数据可视化 179
5．3．1 空间数据表达 182
5．3．2 空间数据特征计算 187
5．3．3 间接体绘制 192
5．3．4 规则三维标量场的直接体可视化 197
5．3．5 不规则体数据的体可视化 221
参考文献 233

第6 章大规模多变量空间数据场可视化 243
6．1 大规模空间标量场数据的实时可视化 244
6．1．1 大规模空间标量场数据的单机绘制 244
6．1．2 大规模空间标量场数据的并行绘制 245
6．1．3 时变空间标量场数据加速绘制方法 247
6．2 时变异构空间数据场的特征追踪与可视化 248
6．2．1 时变空间标量场数据的特征提取 248
6．2．2 异构数据的特征融合 249
6．2．3 时变空间标量场数据的特征追踪 250
6．3 空间向量场数据可视化 253
6．3．1 图标法 255
6．3．2 几何法 257
6．3．3 纹理法 262
6．3．4 拓扑法 265
6．4 空间张量场数据可视化 267
6．4．1 张量场的数学描述 268
6．4．2 基于几何的方法 271
6．4．3 基于纹理的方法 275
6．4．4 基于拓扑的方法 278
6．4．5 高阶张量场可视化 281
6．5 多变量空间数据场可视化 282
6．5．1 多变量空间数据场的特征表达与关联分析 283
6．5．2 多变量空间数据场的可视化与交互 287
参考文献 290

第7 章时变数据可视化 305
7．1 时间属性的可视化 307
7．1．1 线性和周期时间可视化 308
7．1．2 日历时间可视化 312
7．1．3 分支和多角度时间可视化 314
7．1．4 时间属性的动态可视化 319
7．2 多变量时变型数据可视化 320
7．2．1 基于线表示的可视化 321
7．2．2 基于图结构的可视化 325
7．2．3 时间序列数据的可视化交互 326
7．3 流数据可视化 327
7．3．1 流数据可视化模型 327
7．3．2 流数据处理技术 328
7．3．3 流数据可视化案例 331
7．3．4 并行流计算框架 337
参考文献 339

非时空数据篇
第8 章层次和网络数据可视化 344
8．1 层次数据 344
8．1．1 层次数据的可视化 348
8．1．2 节点- 链接法 349
8．1．3 空间填充法 357
8．1．4 其他方法 365
8．2 网络数据 367
8．2．1 网络和图 367
8．2．2 网络数据可视化 368
8．2．3 网络数据的地图隐喻可视化 382
8．2．4 超图及其可视化 385
8．2．5 动态网络数据可视化 387
8．2．6 图可视化的视觉效果 390
8．2．7 图可视化中的交互 398
8．2．8 网络数据可视化的挑战 400
参考文献 401

第9 章文本和文档可视化 409
9．1 文本可视化释义 409
9．1．1 文本信息的层级 409
9．1．2 文本可视化的研究内容与任务 410
9．1．3 文本可视化流程 411
9．2 文本信息分析基础 412
9．2．1 分词技术和词干提取 412
9．2．2 数据模型 413
9．3 文本内容可视化 417
9．3．1 基于关键词的文本内容可视化 417
9．3．2 时序性的文本内容可视化 421
9．3．3 文本特征的分布模式可视化 424
9．3．4 文档信息检索可视化 428
9．3．5 软件可视化 430
9．4 文本关系可视化 432
9．4．1 文档相似性可视化 432
9．4．2 文本内容关联可视化 435
9．4．3 文档集合关系可视化 437
9．5 文件情感分析可视化 439
9．5．1 顾客评价可视化 440
9．5．2 情感变化可视化 441
9．5．3 情感差异可视化 443
9．6 总结 444
参考文献 444

第10 章跨媒体数据可视化 448
10．1 图像 448
10．1．1 图像网格 448
10．1．2 基于时空采样的图像集可视化 449
10．1．3 基于相似性的图像集可视化 450
10．1．4 基于海塞图的社交图像可视化 451
10．1．5 基于故事线的社交图像可视化 452
10．2 视频 453
10．2．1 视频摘要 453
10．2．2 视频抽象 456
10．3 声音与音乐 459
10．3．1 声乐波形可视化 461
10．3．2 声乐结构的可视化 462
10．4 超媒体 465
10．4．1 社交媒体可视化 468
10．4．2 社交网络可视化 476
10．5 数字生活可视化 487
参考文献 490

第11 章复杂高维多元数据的可视化 493
11．1 高维多元数据 494
11．1．1 空间映射法 495
11．1．2 图标法 511
11．1．3 基于像素图的方法 514
11．1．4 基于动画的方法 517
11．2 非结构化与异构数据的可视化 518
11．2．1 非结构化数据 518
11．2．2 异构数据 520
11．3 大尺度数据的可视化 523
11．3．1 基于并行的大尺度数据高分辨率可视化 523
11．3．2 大尺度数据的分而治之可视化与分析 527
11．4 数据不确定性的可视化 531
11．4．1 不确定性的基本定义 532
11．4．2 不确定性的来源 532
11．4．3 不确定性的可视化方法 533
参考文献 550

用户篇
第12 章可视化中的交互 558
12．1 交互准则 559
12．1．1 交互延时 559
12．1．2 交互成本 561
12．1．3 交互场景变化 562
12．2 交互分类 563
12．2．1 按低阶交互操作分类 563
12．2．2 按交互操作符与空间分类 564
12．2．3 按交互任务分类 564
12．3 交互技术 565
12．3．1 选择 565
12．3．2 导航 567
12．3．3 重配 569
12．3．4 编码 571
12．3．5 抽象/ 具象 573
12．3．6 过滤 574
12．3．7 关联 579
12．3．8 概览+ 细节 581
12．3．9 焦点+ 上下文 584
12．4 交互与硬件设备 593
12．4．1 交互环境 594
12．4．2 交互设备 596
参考文献 599

第13 章可视化效果评测与用户实验 607
13．1 评测流程 608
13．2 评测方法 609
13．2．1 用户实验（User Studies） 609
13．2．2 专家评估（Expert Review/Heuristic Evaluation） 609
13．2．3 案例研究（Case Studies and Use Cases） 610
13．2．4 指标评估（Metrics） 612
13．2．5 众包（Crowdsourcing） 612
13．2．6 标注（Labeling） 613
13．3 用户实验 613
13．3．1 确定实验目标 613
13．3．2 准备实验 615
13．3．3 进行实验 619
13．3．4 分析结果并讨论 619
13．3．5 评测案例分析 620
13．4 总结 632
参考文献 632

第14 章面向领域的数据可视化 635
14．1 高性能科学计算 635
14．1．1 高性能科学可视化的挑战 637
14．1．2 重要信息的提取和显示 640
14．1．3 原位可视化 642
14．1．4 未来挑战 645
14．2 生命科学 645
14．2．1 临床医学影像 645
14．2．2 其他影像 651
14．2．3 电生理信号 655
14．2．4 OMICS 组学 658
14．2．5 深度学习 662
14．3 其他科学与艺术 663
14．3．1 气候学与气象中的可视化 663
14．3．2 面向艺术的表意性可视化 667
14．4 网络与系统安全的可视化 671
14．4．1 基于可视变换的虫洞攻击可视化 671
14．4．2 可信计算的可视化 672
14．4．3 安全日志数据的可视化 673
14．4．4 智能电网数据的可视化 673
14．5 商业智能可视化 674
14．5．1 商业智能 675
14．5．2 商业智能中的数据可视化 676
14．5．3 云端商业智能 680
14．5．4 未来趋势 681
14．6 金融数据可视化 681
14．6．1 金融数据来源 682
14．6．2 金融数据分析的自动化方法 683
14．6．3 金融数据可视化方法 683
14．6．4 金融数据可视分析 686
参考文献 690

第15 章可视化研究与开发资源 698
15．1 可视化软件 698
15．1．1 医学可视化软件 698
15．1．2 科学可视化软件 700
15．1．3 信息可视化软件 704
15．1．4 可视分析软件 709
15．2 可视化开发工具 709
15．2．1 应用程序开发工具 709
15．2．2 Web 应用开发工具712
15．3 数据分析和数据挖掘软件与开发工具 714
15．4 可视化数据集资源 716
15．5 可视化信息资源 718
15．6 海外可视化研究机构 719