大数据可视化PDF电子书下载

第1章 大数据可视化概述 1

1.1大数据可视化的概念 1

1.1.1科学可视化 4

1.1.2信息可视化 5

1.1.3数据可视化 5

1.2数据可视化的作用与意义 5

1.2.1数据可视化的作用 5

1.2.2数据可视化的意义 6

1.3数据可视化的应用领域 9

1.3.1在“工业4.0”中的应用 9

1.3.2在智能交通中的应用 11

1.3.3在新一代人工智能领域的应用 16

1.3.4在其他领域的应用 16

1.4与相关学科的关系 19

1.4.1与计算机图形学的关系 20

1.4.2与计算机视觉的关系 20

1.4.3与计算仿真的关系 20

1.4.4与人机交互的关系 21

1.4.5与数据库的关系 21

1.4.6与数据分析和数据挖掘的关系 21

习题 22

参考文献 23

第2章 可视化的类型与模型 24

2.1可视化的类型 24

2.1.1科学可视化 24

2.1.2信息可视化 30

2.2可视化的模型 39

2.2.1顺序模型 39

2.2.2分析模型 40

2.2.3循环模型 41

习题 42

参考文献 43

第3章 数据可视化基础 45

3.1光与视觉特性 45

3.1.1光的特性 45

3.1.2三基色原理 46

3.1.3黑白视觉特性 47

3.1.4彩色视觉特性 52

3.2可视化的基本特征 55

3.3可视化流程 56

3.3.1可视化的基本步骤 56

3.3.2可视化的一般流程 57

3.4可视化设计组件 60

3.4.1可视化设计模型 60

3.4.2可视化设计原则 60

3.4.3可视化的数据 61

3.4.4可视化的原材料 62

3.4.5可视化的基本图表 62

3.5可视化中的美学因素 64

3.6可视化框架设计整体思路 65

3.6.1可视化框架的构成 66

3.6.2数据图形映射的流程 66

习题 67

参考文献 68

第4章 数据可视化的常用方法 70

4.1视觉编码 70

4.1.1视觉感知 71

4.1.2视觉通道 72

4.1.3数据分类 73

4.1.4常用的复杂数据处理方法 74

4.2统计图表可视化方法 74

4.2.1柱状图 75

4.2.2条形图 77

4.2.3折线图 78

4.2.4饼图 79

4.2.5散点图 79

4.2.6气泡图 79

4.2.7雷达图 80

4.3图可视化方法 80

4.3.1图的类型 80

4.3.2图论可视化 81

4.3.3思维导图 81

4.4可视化分析方法的常用算法 83

4.4.1可视化分析方法 84

4.4.2可视分析研究的特点 85

4.4.3可视分析的应用实例 86

4.4.4主成分分析 88

4.4.5聚类分析 90

4.4.6因子分析 91

4.4.7层次分析法 91

4.5可视化方法的选择 92

4.5.1百度地图开发 93

4.5.2城市人流走势 93

4.5.3商圈人流对比 94

4.5.4 D3 js和Echarts选择上的建议 94

4.5.5优秀作品欣赏 94

习题 95

参考文献 95

第5章 大数据可视化的关键技术 97

5.1大数据架构 97

5.1.1系统协调者 100

5.1.2数据提供者 100

5.1.3大数据应用提供者 100

5.1.4大数据框架提供者 102

5.1.5数据消费者 103

5.1.6安全和隐私 103

5.1.7管理 103

5.2大数据核心技术 104

5.2.1数据收集 104

5.2.2数据预处理 104

5.2.3数据存储 105

5.2.4数据处理 107

5.2.5数据分析 108

5.2.6数据治理 110

5.3可视化关键技术 110

5.4大数据可视化渲染 112

5.4.1图像相关概念 112

5.4.2渲染技术概述 114

5.4.3基于CPU的渲染 115

5.4.4基于GPU的渲染 116

5.4.5集群渲染技术 118

5.4.6云渲染 122

习题 123

参考文献 124

第6章 可视化交互 125

6.1可视化交互方法分类 125

6.1.1平移和缩放技术 126

6.1.2动态过滤技术 127

6.1.3概览和细节技术 128

6.1.4焦点和上下文技术 129

6.1.5多视图关联协调技术 130

6.2可视化交互空间 131

6.2.1可视化交互空间查询 131

6.2.2可视化交互空间分析 132

6.2.3交互空间分类 133

6.3可视化交互模型 134

6.3.1交互式信息可视化的用户界面模型 135

6.3.2支持信息多面体可视分析界面模型（IMFA） 138

6.3.3交互式可视化的关联规则挖掘模型 138

6.3.4基于Web的交互式数据可视化模型 140

6.3.5基于交互技术的知识可视化模型 142

6.4交互硬件与软件 145

6.4.1交互硬件 145

6.4.2交互软件 147

6.4.3交互系统 148

习题 151

参考文献 152

第7章 大数据可视化工具 153

7.1 Excel 153

7.1.1 Power Map简介 153

7.1.2 Power Map的使用 153

7.1.3数据可视化示例 155

7.2 Processing 155

7.2.1 Processing开发环境简介 156

7.2.2 Processing绘制功能 156

7.2.3 Processing应用程序的结构 158

7.2.4数据可视化示例 159

7.3 NodeXL 161

7.3.1 NodeXL简介 162

7.3.2系统界面 162

7.3.3数据获取与编辑 163

7.3.4数据可视化 164

7.3.5图形分析与数据过滤 166

7.4 ECharts 166

7.4.1 ECharts架构及特点 166

7.4.2基本组成 167

7.4.3引入ECharts 169

7.4.4图表绘制 169

7.5 Tableau 176

7.5.1 Tableau简介 176

7.5.2 Tableau的使用 177

7.5.3 Tableau数据可视化示例 182

习题 187

参考文献 188

第8章 大数据可视化系统——魔镜 189

8.1魔镜简介 189

8.2系统架构与技术流程 190

8.3数据处理与分析 191

8.4数据可视化 194

习题 199

参考文献 199

第9章 大数据可视化的行业案例 200

9.1电商行业销售数据分析 200

9.1.1背景分析 200

9.1.2需求分析 200

9.1.3大数据分析过程 200

9.1.4分析结论 212

9.2广告投放效果分析 212

9.2.1背景分析 212

9.2.2需求分析 212

9.2.3大数据分析过程 212

9.2.4分析结论 220

9.3金融行业贷款数据分析 220

9.3.1背景分析 220

9.3.2需求分析 220

9.3.3大数据分析过程 221

9.4能源行业油井数据分析 232

9.4.1背景分析 232

9.4.2需求分析 233

9.4.3大数据分析过程 233

习题 245

参考文献 245

附录A大数据和人工智能实验环境 246