| 定價: | ||||
| 售價: | 432元 | |||
| 庫存: | 已售完 | |||
| LINE US! | 詢問這本書 團購優惠、書籍資訊 等 | |||
| 此書籍已售完，調書籍需2-5工作日。建議與有庫存書籍分開下單 | ||||
資料視覺化設計：設計人最想學的視覺化魔法，將枯燥數據變成好看好懂的圖表 (1版)
定價:
480
售價:
432
現省:
48
| 付款方式: | 超商取貨付款 |
|
|
| 信用卡 |
|
||
| 線上轉帳 |
|
||
| 物流方式: | 超商取貨 | ||
| 宅配 | |||
| 門市自取 |
詳細資訊
在資訊快速變化的現代，若能擁有資料視覺化的能力，能幫助你快速解讀資料背後的重要訊息，比別人快一步提出問題的對策，在職場上取得先機。無論你是資料分析的初學者或老手，都能透過本書獲得許多來自業界的寶貴建議。 除此之外，本書範例大部分都是精美的 Tableau 線上儀表板 (可透過網址或 QR code 在線上瀏覽)，若您正好是 Tableau 這套工具的愛用者，本書也能讓你觀摩許多專業範例，參考專家們如何將 Tableau 活用到職場與業界中。 目錄 資料視覺化「關鍵中的關鍵」 ■ 第 1 章 解說資料視覺化的基本概念，包括視覺屬性及資料類型等 ■ 第 2 提升專業感的技巧 章 提供許多提升作品層次的方法，避免做出初學者程度的陽春圖表 ■ 第 3 依目的選擇圖表 章 依目的來解說各種常見用途適合的圖表 ■ 第 4 資料視覺化實例演練 章 提供許多實例，讓讀者了解如何將資料視覺化技巧應用在職場上 ■ 第 5 真正在組織內紮根 章 讓資料視覺化成為共識，在職場和市場中取得共鳴
為您推薦
相關熱銷的書籍推薦給您
This book is an accessible and comprehensive introduction to machine vision. It provides all the necessary theoretical tools and shows how they are applied in actual image processing and machine vision systems. A key feature is the inclusion of many programming exercises that give insights into the development of practical image processing algorithms. The authors begin with a review of mathematical principles and go on to discuss key issues in image processing such as the description and characterization of images, edge detection, restoration and feature extraction, segmentation, texture and shape. They also discuss image matching, statistical pattern recognition, clustering, and syntactic pattern recognition. Important applications are described, including optical character recognition and automatic target recognition. A CD-ROM containing software and data used in the book is included. The book is aimed at graduate students in electrical engineering, computer science, and mathematics. It will also be a useful reference for practitioners.
類似書籍推薦給您
大數據地圖與地理空間資料視覺化設計指南 ISBN13：9786263430426 出版社：五南圖書出版 作者：彭其捷;卓易霆 裝訂／頁數：平裝／552頁 規格：26cm*19cm*2.4cm (高/寬/厚) 重量：1150克 版次：1 出版日：2022/08/10 中國圖書分類：地理學 內容簡介 地圖是絕佳的空間資訊呈現介面，而因應大數據時代的來臨，不論是物聯網、新冠肺炎，或是各類社群與商業資料，都存在許多空間屬性資料（例如：感測器位置、疫情區域、經緯度、城市、國家等空間欄位等等），此類型的地理數據，與一般常見的商業數據屬性不同，需透過特定工具與方法將其視覺化，來有效傳達對應的數據故事。 本書彙整了許多好用的地理數據視覺化工具，搭配圖片提供步驟式實作教學，主要針對容易入門、非程式的實作工具為主，包括：Excel、Flourish、Google Data Studio、Mapbox、Tableau、Kepler等；希望能夠透過此書，引導讀者一步步製作出專屬於自己的地理資料視覺化作品！ 目錄 推薦序 前言 本書實作案例 本書資料集下載與說明 Unit 1 什麼是地理資料視覺化？ 1.1 關於地理資料視覺化 ？ 1.2 地理資料視覺化的常見類型 1.3 地理資料視覺化常見應用領域 1.4 地理資料視覺化的相關專有名詞 1.5 地理資料視覺化常見的數據格式 Unit 2 地圖資料視覺化工具介紹 2.1 關於地圖資料視覺化工具 2.2 商業分析工具類型 2.3 雲端地理資料視覺化工具 2.4 程式語言工具 2.5 網頁 Javascript 地圖函式庫 2.6 GIS 與空間分析工具 2.7 資訊圖表設計工具 Unit 3 用 Excel 設計吸睛 3D 地圖 3.1 很有 power 的 power map（3D map） 3.2 實作：AED 點位資料 3D 視覺化 3.3 實作：家戶及產業經濟資料 3D 視覺化 Unit 4 用 Flourish 快速生成雲端地圖 4.1 認識 Flourish 工具 4.2 註冊並認識 Flourish 操作環境 4.3 Flourish 中的主要地圖樣板 4.4 實作：新冠肺炎地圖 Unit 5 用 Google Data Studio 製作地圖 5.1 認識 Google Data Studio 軟體 5.2 實作：註冊、基礎功能導覽 5.3 實作：IoT 物聯網雲端地圖儀表板 5.4 實作：使用 Google Sheet 資料與範本庫圖表 5.5 實作：套用 Google Report Gallery 圖表範本 Unit 6 用 Mapbox 設計客製化風格地圖 6.1 認識 Mapbox 6.2 介面操作及功能 6.3 實作：手把手的基本練習操作 6.4 實作：埃及風格地圖畫 6.5 實作：上山下海都沒問題的地形圖製作 6.6 實作：3D 陸海空通通都給你的地形圖製作 6.7 實作：颱風點位路徑視覺化 Unit 7 用 Tableau 設計動態互動地圖 7.1 認識 Tableau 軟體 7.2 Tableau 下載、安裝、介面導覽 7.3 實作：Youbike 城市租借站地圖 7.4 實作：COVID-19 全球疫情動畫地圖 7.5 實作：都市車禍熱區圖 7.6 實作：台北捷運衛星地圖 7.7 實作：日本與台灣航空圖 Unit 8 用 Kepler.gl 製作華麗大數據地圖 8.1 認識 Kepler.gl 8.2 介面操作導覽 8.3 實作：洛杉磯建物資產價值地圖（點資料） 8.4 實作：洛杉磯建物屬性資料視覺化（點聚合面資料） 8.5 實作：洛杉磯人口種族居住分布視覺化（面資料） 8.6 實作：紐約 City Bike 租借騎乘資料視覺化（線資料） 結語 附錄 地址轉經緯度工具（GeoCoding） app-1 Google Map 人工轉換 app-2 Google Map Geocoding API app-3 Google Sheet 外掛：SmartMonkey app-4 TGOS（大量中文地址轉換工具）
類似書籍推薦給您
內容介紹 在這個以數據為核心的時代，企業的數據轉型不再是選擇，而是必然。《PowerBI x Copilot x ChatGPT 商業報表設計入門：資料清理、資料模型、資料視覺化到共享報表建立全局觀念》是一本為這一轉型需求而生的專業書籍。作者戴士寶 Stark，憑藉在 Power BI 領域的豐富經驗，為讀者提供全面而深入的學習途徑。 本書從「資料流」的視角切入，全面介紹 Power BI 的各個方面，從資料清理、資料模型建構，到資料視覺化和雲端分享報表等。對於初學者而言，這本書從第一頁到最後一頁是一個完整的學習路徑，可以逐步掌握 Power BI 的各項工具和技能。對於已經有一定經驗的 Power BI 使用者，本書提供了新的視野和啟發，在現有基礎上進一步提升。 在書中亦引入了 Copilot 和 ChatGPT 等 AI 工具，使讀者在學習過程中能夠更高效地解決問題。此外，書中豐富的實戰案例和 Stark 的「無私分享」和「無私小撇步」，不僅豐富了讀者的操作技巧，更深化了對 Power BI 應用場景的理解。 尤其值得一提的是，書中對資料視覺化的深入探討和實作指導，透過詳細講解 Power BI Desktop 的強大功能，如欄位參數、深度鑽研分析和客製化工具提示等，使讀者更能夠充分發揮 Power BI 的潛力。 本書是一本既適合初學者又能滿足有經驗使用者需求的實用工具書。它不僅提供了全面的技術知識，更是一個實戰平台，讓讀者能夠將學到的知識直接應用於實際工作，有效推動個人和企業的數據轉型進程。 書籍目錄 〈第一篇〉Power BI 基本認識 第 1 章 揭開 Power BI 面紗：背景與專有名詞介紹 1.1 為什麼需要 Power BI？ 1.2 初識 Power BI 家族的系列產品 1.3 如何挑選最適合的 Power BI 產品做為最佳解決方案 1.4 資料流：理解報表數字背後的歷程 1.4.1 資料蒐集 1.4.2 資料清理 1.4.3 資料模型 1.4.4 資料視覺化 第 2 章 Power BI Desktop 初識與實作：銷售報表 2.1 Power BI 報表實作：銷售成效追蹤報表 2.2 匯入資料源 2.3 啟用新版功能：物件專屬互動（On-object Interaction） 2.4 認識視覺效果 2.5 建立篩選：使用「交叉分析篩選器」視覺效果 2.5.1 製作年度篩選器 2.5.2 完成剩餘的篩選器 2.6 銷售額對月份走勢：使用「折線圖」視覺效果 2.6.1 為折線圖新增欄位 2.6.2 修改欄位的格式 2.7 不同產品類別銷售額比較：利用「群組直條圖」視覺效果 2.7.1 為群組直條圖增加欄位 2.7.2 修改欄位的格式 2.8 不同國家銷售渠道銷售成效比較：利用「群組直條圖」視覺效果 2.9 檢視我們完成的第一個 Power BI 專案 〈第二篇〉Power Query：資料清理的厲害工具 第 3 章 Power Query 基本操作 3.1 用 Power Query 匯入資料 3.1.1 Power Query 找不到檔案怎麼辦？ 3.1.2 匯入檔案到 Power Query，以 CSV 為例 3.1.3 Power Query 的工作區塊 3.2 常用操作 (1) 3.2.1 變更資料表名稱 3.2.2 移除頂端資料列 3.2.3 使用第一個資料列作為標頭 3.2.4 移除重複的資料列 3.2.5 移除空白的資料列 3.2.6 分割資料行（依分隔符號） 3.2.7 分割資料行（依字元數） 3.2.8 移除資料行 3.3 常用操作 (2) 3.3.1 重新命名資料行標頭 3.3.2 取代值 3.3.3 修改資料行之資料型態 3.3.4 排序 3.3.5 檢視查詢所套用的步驟 3.3.6 參考資料表 3.3.7 分組依據 3.4 資料行的操作 3.4.1 新增自訂資料行 3.4.2 新增條件資料行 3.4.3 新增索引資料行 3.4.4 新增複製資料行 3.4.5 合併資料行 3.5 將 Power Query 的操作套進 Power BI 第 4 章 Power Query 進階操作 (1) 4.1 資料表的資料結構轉換 4.1.1 適合用做資料視覺化的資料結構 4.1.2 樞紐與取消樞紐資料行 4.1.3 轉換 1×1 資料結構 4.1.4 轉換 2×1 資料結構 4.1.5 轉換 2×2 資料結構 4.2 日期與時間的操作 4.2.1 將日期時間拆分成日期與時間 4.2.2 擷取年、季、月、週、星期 4.2.3 將西元年轉換為民國年 4.3 文字資料行的操作 4.3.1 將英文字母改為全小寫 4.3.2 將英文字母改為全大寫 4.3.3 將每個英文單字字首改為大寫 4.3.4 清除字串前後空白 4.3.5 清除字串空白 4.3.6 在字串前面新增首碼 第 5 章 Power Query 進階操作 (2) 5.1 合併資料表的方法 5.1.1 縱向合併資料 5.1.2 橫向合併資料 5.1.3 合併同一資料夾之不同月份的檔案 5.2 步驟紀錄的調整 5.2.1 將某步驟刪除到結尾 5.2.2 移動步驟的次序 〈第三篇〉資料模型 － 模型建得好，製表沒煩惱 第 6 章 初識資料模型，善用 ChatGPT 協助正規化 6.1 資料模型是什麼？為什麼需要資料模型？ 6.2 認識資料表間的關聯 6.2.1 關聯的種類 6.2.2 篩選（關聯）的方向 6.2.3 作用中與非作用中的關聯 6.3 Star Schema：最常見的資料模型 6.3.1 為什麼需要 Star Schema 6.3.2 資料正規化：產生 Star Schema 6.3.3 事實資料表 6.3.4 維度資料表 6.4 實作：利用 ChatGPT 協助建立資料模型 6.4.1 將問題交給 ChatGPT 解決：撰寫適當的提示詞 6.4.2 建立產品類別維度表 6.4.3 建立產品維度資料表 6.4.4 建立客戶維度資料表 6.4.5 建立日期維度資料表 6.4.6 建立銷售事實資料表 6.4.7 檢視完成後的資料模型 第 7 章 初識 DAX 函數：提升 Power BI 實力的必學招式 7.1 什麼是 DAX 函數？ 7.2 DAX 函數基礎認識 7.2.1 資料型態 7.2.2 運算子 7.2.3 語法組成 7.3 DAX 公式使用場景 1：計算資料行 7.3.1 計算資料行的定義 7.3.2 新增計算資料行的方式 7.3.3 範例 1：計算銷售額的資料行 7.3.4 範例 2：計算顧客年齡的資料行 7.4 DAX 公式使用場景 2：量值 7.4.1 量值的定義 7.4.2 新增量值的方式 7.4.3 範例 1：計算總銷售額的量值 7.4.4 範例 2：計算顧客平均年齡的量值 7.5 計算資料行與量值的差異. 第 8 章 常見的 DAX 函數 － 以飯店旅客住宿資料模型為例 8.1 比較飯店服務的營收差異 8.1.1 新增服務消費金額的量值 – 使用 SUM 函數 8.1.2 將量值用群組直條圖呈現 8.2 計算所有房型的各別營收 8.2.1 計算入住天數 – 使用 DATEDIFF 函數 8.2.2 獲取關聯表的房型價格 – 使用 RELATED 函數 8.2.3 計算預定房間的收入 – 使用 SUMX 函數 8.2.4 優化 DAX 公式 8.3 為計算加入篩選 - 布林值篩選條件運算式 8.3.1 瞭解布林值篩選條件運算式的寫法 8.3.2 在一個量值中引入另一個量值 8.3.3 CALCULATE 函數的運作方式 8.3.4 實際操作新增「餐廳酒吧收入額」量值 8.3.5 布林值的邏輯算符 8.4 為計算加入篩選 - 資料表篩選條件運算式 8.4.1 新增「外國旅客服務消費金額」量值 8.4.2 建立外籍旅客消費各項服務類型的群組直條圖 8.5 為計算加入篩選 - 篩選條件修改函數 8.5.1 保留外部篩選條件–使用 KEEPFILTERS 函數 8.5.2 清除外部篩選條件 - 使用 ALL 函數 8.5.3 計算子群組百分比 – 使用 ALLEXCEPT 函數 8.5.4 啟用非作用中的關聯 – 使用 USERELATIONSHIP 函數 8.6 利用時間智慧函數執行與時間相關計算 8.6.1 使用時間智慧函數的先決條件：日期表 8.6.2 計算去年同期指標 – 使用 SAMEPERIODLASTYEAR 函數 8.6.3 計算任何同期指標 – 使用 DATEADD 函數 8.6.4 計算今年至今累加指標 – 使用 TOTALYTD 函數 8.7 建立量值彙總表以分類四散的量值 8.7.1 新增量值資料表 8.7.2 為不同類別的量值區分資料夾 第 9 章 利用 Copilot 與範本自動產生量值 9.1 Copilot 與 Power BI 9.2 快速量值：使用 Copilot 的建議 9.2.1 啟用 Power BI 中的 Copilot 9.2.2 新增銷售額快速量值 9.2.3 新增判斷高低銷售狀態量值 9.2.4 新增前五名高銷售顧客量值 9.2.5 視覺化結果 9.3 快速量值：使用範本 9.3.1 年初、季初、月初迄今的總計 9.3.2 與去年、上季、上月相比的變化 9.3.3 視覺化結果 〈第四篇〉資料視覺化－作吸引人的互動式報表 第 10 章 製作 HR 監控報表之基本功能 10.1 認識資料集 10.1.1 維度表：員工資訊表 10.1.2 維度表：日期表 10.1.3 事實表：員工年度考核表 10.1.4 事實表：缺勤及請假表 10.1.5 事實表：薪水發放紀錄表 10.1.6 事實表：員工訓練紀錄表 10.1.7 事實表：職缺招募表 10.2 製作報表的標題 10.2.1 製作標題底色 10.2.2 製作標題內容 10.3 製作年度篩選器 10.4 製作 KPI 卡片以追蹤指標 10.4.1 員工數量卡片 10.4.2 製作年資卡片 10.4.3 製作平均績效卡片 10.4.4 製作平均招募天數卡片 10.4.5 製作平均招募成本卡片 10.5 製作人員平均薪資樹狀圖 10.6 製作缺勤數分析緞帶圖 第 11 章 善用 Power BI 進階技巧升級 HR 報表 (1) 11.1 製作教育訓練成本分析 11.1.1 新增教育訓練成本所需量值 11.1.2 建立折線與群組直條圖視覺效果 11.1.3 修改數值單位為「萬」 11.2 製作動態分析群組橫條圖：Y 軸指標 11.2.1 分析篩選器的功能與準備所需欄位 11.2.2 新增欄位參數與建立交叉分析篩選器 11.2.3 修改 Y 軸指標的欄位參數篩選器 11.3 製作動態分析群組橫條圖：X 軸指標 11.3.1 準備篩選器需要的資料表 11.3.2 建立交叉分析篩選器 11.3.3 套用篩選器的樣式 11.4 製作動態分析群組橫條圖：橫條圖 11.4.1 新增履歷投遞量量值 11.4.2 建立動態指標量值 11.4.3 新增群組橫條圖並產生連動效果 11.4.4 修改群組橫條圖格式 11.5 建立圖所需的標題與外框 11.5.1 製作動態標題所需的量值 11.5.2 為動態群組橫條圖加上標題與外框 第 12 章 善用 Power BI 進階技巧升級 HR 報表 (2) 12.1 利用鑽研查看請假人員名單 12.1.1 製作鑽研頁面 12.1.2 操作鑽研功能 12.1.3 篩選窗格的用途 12.2 利用客製化工具提示查看成長率表 12.2.1 分析客製化工具提示所需的量值 12.2.2 認識計算群組（Calculation Group） 12.2.3 啟用模型檢視功能 12.2.4 製作五個計算項目於計算群組中 12.2.5 新增客製化工具提示報表頁面 12.2.6 使用與測試客製化工具提示 12.3 利用書籤記住報表的狀態 12.3.1 新增書籤以記錄當前狀態 12.3.2 新增按鈕並連結到書籤 〈第五篇〉Power BI Service – 共享報表的雲端工具 第 13 章 Power BI Service 基礎功能 13.1 發行地端報表至雲端服務中 13.1.1 在 Power BI Desktop 登入帳號 13.1.2 從 Power BI Desktop 發行到雲端 13.2 利用資料閘道實現資料刷新與排程管理 13.2.1 認識資料閘道 13.2.2 下載並安裝內部部署資料閘道 13.2.3 設定 Power BI Service 與資料來源溝通的帳號密碼 13.2.4 在 Power BI Service 設定連線 13.2.5 設定資料刷新與排程 第 14 章 Power BI Service 進階實踐 14.1 多人協作或多報表開發的最佳實踐 14.1.1 工作區（Workspace）的類型 14.1.2 切割開發、測試與正式環境 14.1.3 將一個 Power BI 資料集用於多份 Power BI 報表 14.2 利用 Power BI APP 整合數個報表 14.2.1 建立應用程式 14.2.2 設定受眾並發佈 14.2.3 修改報表並更新 Power BI App 14.3 權限控管與分享報表 14.3.1 工作區的權限種類 14.3.2 指派工作區權限予使用者 14.3.3 指派單一報表權限給他人 附錄A 下載並安裝Power BI Desktop（電子書） A.1 下載 Power BI Desktop A.2 安裝 Power BI Desktop 附錄B 註冊 Power BI 帳號（電子書） B.1 註冊 Office 365 帳號 B.2 登入 Power BI Service 附錄C 利用 ChatGPT 協助產生 DAX 量值（電子書） C.1 新增銷售額快速量值 C.2 新增判斷高低銷售狀態量值 C.3 新增前五名高銷售顧客量值
類似書籍推薦給您
【簡介】 《雜訊》、《Google必修的圖表簡報術》、《視覺設計大師的數據溝通聖經》、《圓之書：知識發展的球狀視覺史》作者，前美國首席資料科學家、「用數據看世界」網站負責人重磅推薦 從常見到進階圖表，此書為各種數據溝通和傳達提供靈感！ ◤很棒的權威指南，非常實用！──凱斯．桑思坦，《雜訊》作者 ◤針對大量圖表類型提供實用建議的指南。──阿爾貝托．開羅，《視覺設計大師的數據溝通聖經》作者 ◤不可或缺的指南，幫助你展現出清晰且奪目的作品。──帕蒂爾，前美國首席資料科學家 ◤囊括基礎知識躍進至當今視覺化領域的所有技術與方法。──馬克斯．羅瑟，「用數據看世界」網站負責人 ◤在快速發展的資料視覺化領域中建立重要基礎的寶貴資源。──曼努埃爾．利馬，《圓之書：知識發展的球狀視覺史》作者 ◤收錄了各種精彩而多樣的視覺化作品，就像一本令人愉快閱讀的圖表百科全書。──柯爾．諾瑟鮑姆．娜菲克，《Google必修的圖表簡報術》作者 ▁▂▃▄▅▆▇▇▆▅▄▃▂▁ 當今世界充斥著海量資料、新聞和文字，令人目不暇給。客戶、同事，政策制定人員、決策人員和感興趣的讀者都淹沒在資訊流裡，唯有視覺化設計能從中突圍。 本書作者為美國聯邦政府經濟學家，意識到資料呈現的重要性不下於資料本身，從而開始研究資料視覺化並深受啟發，成為資料視覺化專家。擁有豐富的產、官、學實務經驗的他，將引導你走進圖表設計的科學與藝術，超越死板的傳統圖表，展開一場豐富深刻的設計與溝通之旅。 本書收錄500多個範例，界定和討論80多張圖表，並將其歸類成8大類別，幫助讀者了解各圖表如何運作及其優缺點。 • 8大類別→比較、時間、分布、地理空間、關係、局部對整體、質化資料與表格 • 80多種圖表類型→馬賽克圖、凹凸圖、脊線圖、面量圖、弧形圖、旭日圖…… • 500多個範例→收錄數百個清晰、優雅且多元的視覺化作品，提供無限靈感 ▇▆▅▄▃▂▁▁▂▃▄▅▆▇ 全面、仔細地協助你建立視覺化圖表基礎與進階技巧 │選擇適合目的和目標的圖表類型： • 從基本原則開始，詳細介紹各種視覺化類型。 • 了解不同圖表（例如直方圖、面量圖、散布圖等）的用途和特點。 │探索圖表呈現方式： • 學習如何在圖表中善用顏色、字型和排版等設計元素。 • 嘗試不同設計風格和配置，創造更吸睛的視覺效果。 │增加圖表的可讀性和理解性： • 學習如何使用視覺元素（例如標題、解釋文字、灰底等）來強調關鍵訊息。 • 了解視覺處理與感知順序，突顯資料的視覺特性。 │提高圖表的可信度和說服力： • 了解平均數、標準差、相關性、最佳適配線、統計不確定性等概念。 • 學習如何正確解讀數據並呈現結果。 │提升個人、組織、品牌風格的辨識度與特色： • 學習如何選擇元素，比如字型、顏色、線寬、網格線等。 • 提供風格體例指南，協助打造自身風格與特色。 這些技巧將幫助你在製作圖表時選擇最適合的設計和呈現，使圖表不僅美觀，更能有效傳達資訊和數據。 無論你是學生、研究員、專家學者、數據分析師、資料科學家、媒體工作者、市場營銷專家、政策制定者還是業務決策者，這本《資料視覺化圖表全書》都將成為必備工具。 國際推薦 「《資料視覺化圖表全書》是一本針對大量圖表類型提供實用建議的指南。沒有其他書籍以如此詳細和精湛的方式向讀者介紹特定的圖表類型。它是學生、分析師和研究人員的卓越資源。」──阿爾貝托．開羅（Alberto Cairo），《圖表會說謊》、《視覺設計大師的數據溝通聖經》作者 「對於我們許多人來說，沒有視覺化的資料很難理解。然而，資料視覺化並不容易！這是一本是很棒的權威指南，非常實用！」──凱斯．桑思坦（Cass R. Sunstein），哈佛法學院教授，《資訊超載的幸福與詛咒》、《雜訊》、《推力》作者 「這本書收錄了各種精彩而多樣的視覺化作品，就像一本令人愉快閱讀的圖表百科全書。作者在這本出色的資源中提供了實用的建議，告訴讀者在何時應該使用哪種視覺化方式，並給出了周到的設計指南。這本書非常適合從事資料工作和資料溝通的人。閱讀這本書，您將獲得靈感，並且如書中所承諾的那樣，學會精進資料視覺化！」──柯爾．諾瑟鮑姆．娜菲克（Cole Nussbaumer Knaflic），《Google必修的圖表簡報術》作者 「再好的數據有時也可能成為差勁或懶惰的視覺化犧牲品。現在有一本不可或缺的指南可以幫助你展現出清晰且奪目的作品。」──帕蒂爾（D.J. Patil），前美國首席資料科學家 「在現今眾多可用的圖表類型中尋找適合的圖表，可能是個讓人生畏的過程。不過，這本書將為您提供不僅是指引，還是在快速發展的資料視覺化領域中建立重要基礎的寶貴資源。您將會希望將它的原則和指南銘記於心，以在下個專案中使用。」──曼努埃爾．利馬（Manuel Lima），《圓之書：知識發展的球狀視覺史》作者 「這本書非常實用，能夠幫助你透過資料視覺化更有效地傳達訊息。從基本原則開始，詳細介紹各種視覺化類型，並提供風格指南的制定方法。對於任何希望將資料轉化為易懂的資訊的人來說，本書是一個非常有價值且易讀的資源。」──瑪拉．艾維克（Mara Averick），RStudio 「《資料視覺化圖表全書》將以細緻入微的方式教導您何時以及為何選擇使用特定的視覺化類型。這本書絕對能引起您的興趣，帶您從基礎知識躍進至當今視覺化領域的所有技術與方法。書中收錄了數百個清晰、優雅且多樣的視覺化作品，絕對能為您的工作注入無限靈感！」──馬克斯．羅瑟（Max Roser），牛津大學經濟學家、「用數據看世界」（Our World in Data）網站負責人 「對於希望以清晰有力的方式顯示量化資料的人來說，這是一本極好的入門書。」──羅伯特．萊克（Robert B. Reich），美國前勞工部長 【目錄】 前言 第一部：資料視覺化的原則 第一章：視覺處理與感知順序 安斯庫姆四重奏 視覺感知的完形原則 前注意處理程序形式與功能 第二章：改善視覺化資料圖表的5項準則 重點一：把資料展現出來 重點二：化繁為簡 重點三：將圖表與內文整合 重點四：避免義大利麵條圖 重點五：從灰色開始 第三章：形式與功能：以觀眾的需求來決定資料視覺化方式 改變我們與資料的互動方式 我們開始吧！ 第二部：圖表類型 第四章：類別比較 長條圖 配對長條圖 堆疊長條圖 分向長條圖 點圖 馬里梅科圖與馬賽克圖 單位圖、Isotype圖與鬆餅圖 熱圖 量表圖與子彈圖 比較與重疊泡泡圖 桑基圖 瀑布圖 結論 第五章：時間 折線圖 圓形折線圖 坡度圖 袖珍圖 凹凸圖 週期圖 面積圖 堆疊面積圖 量化波型圖 地平線圖 甘特圖 流程圖與時間軸 連接散佈圖 結論 第六章：分布 直方圖 金字塔圖 以圖表將統計不確定性視覺化 盒鬚圖 K線圖 小提琴圖 脊線圖 靠顯示資料將不確定性視覺化 莖葉圖 結論 第七章：地理空間 面量圖 示意地圖 比例符號與點密度地圖 流向地圖 結論 第八章：關係 散布圖 平行座標圖 雷達圖 和弦圖 弧形圖 相關矩陣圖 網絡圖 矩形式樹狀結構圖 結論 第九章：局部對整體 圓餅圖 樹狀圖 旭日圖 南丁格爾圖 沃羅諾伊圖 結論 第十章：質化資料 圖示 文字雲與特定文字訊息 文字樹 特定文字訊息 引述 用不同顏色區分文字訊息 矩陣和清單 結論 第十一章：表格 提升表格的10個方針 範例：重新設計基本資料表格 範例：重新設計迴歸表格 結論 第三部：設計與重新設計視覺呈現 第十二章：擬訂資料視覺化的體例指南 圖表剖析 顏色層次 界定字型風格的指南 針對特定圖表類型的提醒 轉出圖像 無障礙、多元與兼容 總結 第十三章：重新設計 配對長條圖：主要田作的英畝數 堆疊長條圖：服務輸送 折線圖：社會安全理事 面量圖：阿拉巴馬州蓄奴與參議院選舉 點圖：全國學校午餐方案 點圖：美國的國內生產毛額成長 折線圖：淨政府借款 表格：公司投入 結論 結語 附錄1：資料視覺化工具 附錄2：延伸閱讀與資源 資料視覺化的概論著作 資料視覺化的歷史著作 資料視覺化工具的著作 資料視覺化庫藏 練習場所 誌謝 參考文獻 看更多
類似書籍推薦給您
【簡介】 本書特色 1. 由淺入深，循序漸進 從基礎Python語言開始講解，適合初學者入門。完整說明Python程式設計的基本能力，包括變數、資料型態、控制流程、函式、物件導向等。 2. 圖文並茂，易學易懂 使用大量圖例和流程圖來詳細說明程式設計的觀念和語法，讓讀者更容易理解。 3. 結合ChatGPT，提升學習效率 介紹ChatGPT生成式AI，並提供了各種程式設計實例，幫助讀者更有效地學習Python。 4. 完整涵蓋Pandas資料分析 詳細說明Pandas套件的Python資料分析，包括資料匯入、匯出、篩選、編輯、彙整、清理、排序、合併、運算、群組分析、樞紐分析表、資料視覺化等。 5. 實戰導向，學以致用 本書提供大量實作範例，幫助讀者將所學知識應用於實際情況中。 內容簡介 本書是一本學習Python程式設計和資料分析的入門教材，適合初學者輕鬆上手。以Excel使用者的角度，詳細說明Pandas套件的Python資料分析，並透過ChatGPT生成式AI的幫助，讓讀者能夠更快、更輕鬆地學習Python程式設計和資料分析。 首先，本書從介紹Python程式語言的基礎開始，徹底解說讀者需要具備的程式設計能力，並介紹OpenAI推出的ChatGPT生成式AI，探討其在程式設計中的應用，以及如何利用ChatGPT來協助學習Python程式設計等相關技術。 其次，本書重點闡述Pandas套件在Python資料分析中的應用。從建立Series和DataFrame物件開始，逐步介紹了如何匯入和匯出不同格式的資料，以及如何進行資料篩選、操作和彙整。特別是在第14章至第16章中，通過具體的範例，讀者將學會如何進行資料清理、排序、合併，以及執行各種資料運算和視覺化。 本書的獨特之處在於將ChatGPT生成式AI融入到學習過程中，通過ChatGPT的幫助，讀者不僅可以寫出Python程式碼，還能夠自動產生商業模擬數據的學習範例，使得學習過程更加生動有趣，並且實際應用到商業資料分析中。 最後，本書使用豐富的圖例和流程圖詳細解說程式設計的觀念和語法，並利用fChart流程圖直譯器呈現動畫流程圖，幫助讀者更好地理解程式邏輯，從而提升解決問題的能力和思維邏輯。 《看圖學Python：資料分析與資料視覺化》不僅適用於計算機概論、程式設計和Python資料分析課程的教學，也是自學Python和資料分析的理想選擇。無論是對於初學者還是有一定程式基礎的讀者，本書都將成為你的良師益友，引領你踏入Python程式設計和資料分析的世界。 【目錄】 CH01 Python語言與運算思維基礎 1-1 程式與程式邏輯 1-2 認識Python、運算思維和Thonny 1-3 下載與安裝Thonny 1-4 使用Thonny建立第一個Python程式 1-5 Thonny基本使用與程式除錯 CH02 寫出和認識Python程式 2-1 開發Python程式的基本步驟 2-2 編輯現存的Python程式 2-3 建立第二個Python程式的加法運算 2-4 看看Python程式的內容 2-5 Python文字值 2-6 Python寫作風格 CH03 變數、運算式與運算子 3-1 程式語言的變數 3-2 在程式使用變數 3-3 變數的資料型態和型態轉換函數 3-4 讓使用者輸入變數值 3-5 認識運算式和運算子 3-6 在程式使用運算子 CH04 條件判斷 4-1 你的程式可以走不同的路 4-2 關係運算子與條件運算式 4-3 if單選條件敘述 4-4 if/else二選一條件敘述 4-5 if/elif/else多選一條件敘述 4-6 在條件敘述使用邏輯運算子 CH05 重複執行程式碼 5-1 認識迴圈敘述 5-2 for計數迴圈 5-3 while條件迴圈 5-4 改變迴圈的執行流程 5-5 巢狀迴圈與無窮迴圈 5-6 在迴圈中使用條件敘述 CH06 函數 6-1 認識函數 6-2 使用者自訂函數 6-3 函數的參數 6-4 函數的回傳值 6-5 函數的實際應用 6-6 變數範圍和內建函數 CH07 字串與容器型態 7-1 字串型態 7-2 串列型態 7-3 元組型態 7-4 字典型態 7-5 字串與容器型態的運算子 CH08 檔案、類別與例外處理 8-1 檔案處理 8-2 二進位檔案讀寫 8-3 類別與物件 8-4 建立例外處理 CH09 Python模組與套件 9-1 Python模組與套件 9-2 os模組：檔案操作與路徑處理 9-3 math模組：數學函數 9-4 turtle模組：海龜繪圖 9-5 pywin32套件：Office軟體自動化 CH10 使用ChatGPT學習Python程式設計 10-1 認識ChatGPT 10-2 註冊與使用ChatGPT 10-3 ChatGPT是你最佳的Python程式助手 10-4 ChatGPT應用：找出Python視窗程式的學習方向 10-5 ChatGPT應用：幫助你學習Python視窗程式設計 CH11 Pandas套件：匯入與匯出DataFrame 11-1 Pandas套件的基礎 11-2 建立Series和DataFrame物件 11-3 匯入外部資料 11-4 匯出DataFrame物件 11-5 實作案例：使用Pandas爬取HTML表格資料 CH12 檢視、選取與篩選DataFrame資料 12-1 檢視與了解DataFrame資料 12-2 檢視DataFrame的整體資訊 12-3 選取和走訪DataFrame整列與整欄資料 12-4 檢視DataFrame指定欄位的資訊 12-5 篩選DataFrame資料 12-6 實作案例：使用SQL語言篩選DataFrame資料 CH13 DataFrame索引、編輯與資料彙整 13-1 DataFrame索引設定 13-2 使用索引器選取DataFrame子集 13-3 編輯DataFrame資料 13-4 串聯多個DataFrame資料 13-5 實作案例：多個Excel工作表的資料彙整 CH14 DataFrame資料清理、排序與資料合併 14-1 字串與日期/時間的資料處理 14-2 DataFrame資料清理 14-3 DataFrame資料排序 14-4 DataFrame資料合併 14-5 實作案例：DataFrame商業資料清理 CH15 DataFrame資料運算、群組分析與樞紐分析表 15-1 DataFrame資料運算 15-2 DataFrame資料分組的群組分析 15-3 使用DataFrame建立樞紐分析表 15-4 實作案例：使用樞紐分析表進行資料分析 CH16 Pandas+Plotly Express資料視覺化 16-1 認識資料視覺化 16-2 Pandas資料視覺化 16-3 Plotly互動資料視覺化 16-4 實作案例：Tutsplus教學文件的資料視覺化 16-5 實作案例：台積電股價的互動資料視覺化 CHA Google Colab雲端服務基本使用(電子書)
類似書籍推薦給您
特色 擷取、清理、分析與轉換資料 「Kyran的書包含了大量資訊，從D3.js細節說明，到如何建構出由客製化互動式儀表板所使用的、且由資料庫所支持的API。可以肯定地說，您將從這本書中學到很多東西！」 —Peter Cook, 《D3 Start to Finish》作者 如何將原始、未經處理的資料轉化為動態的互動式web視覺化？在這本實用的書中，作者Kyran Dale向資料科學家、分析師以及Python、JavaScript開發人員，展示如何為工作建立理想的工具鏈。藉由提供引人入勝的範例以及分享得之不易的實務經驗，本書將引導您善用最佳的Python和JavaScript程式庫。 Python為爬取、清理和處理資料提供強大、成熟的程式庫。在web視覺化程式設計方面，JavaScript是最好的語言。這兩種語言相得益彰，可以幫助您建立現代web視覺化工具鏈。 您將學習如何： ‧使用爬取或web API(Requests、Scrapy、Beautiful Soup)獲取資料 ‧在NumPy生態系統(帶有pandas、Matplotlib和Seaborn的Jupyter notebook)中使用Python資料處理程式庫清理和處理資料 ‧使用靜態檔案或輕量級Python伺服器(Flask RESTful API)將資料交付到瀏覽器 ‧掌握足夠的web開發技能(HTML、CSS、JavaScript)將資料視覺化 ‧使用挖掘和精煉資料建立web圖表和視覺化(Plotly、D3) 目錄 前言 概論 Part I 基本工具包 第1章｜開發設定 第2章｜Python 和 JavaScript 之間的語言學習橋梁 第3章｜使用 Python 讀寫資料 第4章｜Webdev 101 Part II 獲取資料 第5章｜使用 Python 從 Web 獲取資料 第6章｜使用 Scrapy 進行重量級爬取 Part III 使用 pandas 清理和探索資料 第7章｜NumPy 簡介 第8章｜pandas 簡介 第9章｜用 pandas 清理資料 第10章｜使用 Matplotlib 來視覺化資料 第10章｜用 pandas 探索資料 Part IV 交付資料 第12章｜交付資料 第13章｜Flask 的 RESTful 資料 Part V 使用 D3 和 Plotly 來視覺化您的資料 第14章｜使用 Matplotlib 和 Plotly 把您的圖表帶到網路上 第15章｜想像一個諾貝爾獎視覺化 第16章｜建構視覺化 第17章｜介紹 D3 —直條圖的故事 第18章｜視覺化個人獎項 第19章｜使用 D3 繪製地圖 第20章｜視覺化個人獲獎者 第21章｜選單列 第22章｜結論 附錄A｜D3 的 enter/exit 樣式 索引
華通書坊
