《数据可视化:用数据探索和解释》旨在向本科生和研究生介绍数据可视化的新实践。这是为大学课程设计的首批数据可视化书籍之一。这本书包含了有效设计的材料，图表类型的选择，有效使用颜色，如何探索数据的视觉，以及如何以令人信服的方式用数据解释概念和结果。这本书解释了数据可视化的“为什么”和“如何”。也就是说，这本书通过有趣的例子对数据可视化的指导原则提供了清晰的解释。

杰弗里·D·坎姆。杰弗里·D·坎姆是维克森林大学商学院Inmar主席和商业分析副院长。他出生于俄亥俄州辛辛那提市，拥有泽维尔大学（俄亥俄州）的学士学位和克莱姆森大学的博士学位。在加入维克森林大学之前，他曾在辛辛那提大学任教。他还是斯坦福大学(Stanford University)的访问学者，达特茅斯学院(Dartmouth College)塔克商学院(Tuck School of business)的工商管理客座教授。坎姆博士在运营管理和市场营销中应用优化的一般领域发表了超过45篇论文。他的研究成果发表在《科学》、《管理科学》、《运筹学》、《应用分析INFORMS杂志》和其他专业期刊上。卡姆博士被任命为辛辛那提大学的Dornoff教学卓越研究员，他是2006年运筹学研究实践教学INFORMS奖的获得者。他是一个言行一致的坚定信徒，曾为许多公司和政府机构担任运营研究顾问。从2005年到2010年，他担任the INFORMS Journal on Applied Analytics(前身为Interfaces)的主编。2016年，Camm教授获得了乔治·e·金博尔奖章(George E. Kimball Medal)，以表彰他对运管研究专业的贡献。2017年，他被任命为INFORMS Fellow。 詹姆斯·j·科克伦。James J. Cochran是阿拉巴马大学研究副院长、应用统计学教授和罗杰斯-斯比维学院研究员。他出生于俄亥俄州代顿市，在莱特州立大学(Wright State University)获得学士、硕士和工商管理硕士学位，在辛辛那提大学(University of Cincinnati)获得博士学位。自2014年以来，他一直在阿拉巴马大学(The University of Alabama)工作，并在斯坦福大学(Stanford University)、塔尔卡大学(University of Talca)、南非大学(University of South Africa)和莱昂纳德·德·芬奇(Pole Universitaire Leonard de Vinci)担任访问学者。Cochran博士在运筹学和统计方法的开发和应用方面发表了50多篇论文。他曾在《管理科学》、《美国统计学家》、《统计通讯——理论与方法》、《运筹学年鉴》、《欧洲运筹学杂志》、《组合优化杂志》、《INFORMS应用分析杂志》、《统计与概率快报》等期刊发表文章。他曾获得2008年INFORMS运筹学实践教学奖、2010年Mu Sigma Rho统计教育奖和2016年美国统计协会沃勒杰出教学职业奖。他于2005年当选为国际统计研究所(International Statistics Institute)院士，2011年被任命为美国统计协会(American Statistical Association)院士，并于2017年被任命为INFORMS院士。他还在2014年获得了美国统计协会(American Statistical Association)的创始人奖(Founders Award)和2015年的卡尔E.和平奖(Karl E. Peace Award)，并在2019年获得了INFORMS总统奖(INFORMS Presidents Award)。Cochran博士大力倡导将有效的运筹学和统计学教育作为提高应用于实际问题质量的手段，并在全球主持了教学效果研讨会。他曾担任许多公司和非营利组织的运营研究顾问。 迈克尔·j·弗莱。迈克尔·j·弗莱是辛辛那提大学卡尔·林德纳商学院运营、商业分析和信息系统(OBAIS)教授和商业分析中心学术主任。他出生在德克萨斯州的基林，获得了德克萨斯A&M大学的学士学位，以及密歇根大学的硕士和博士学位。2002年以来，他一直在辛辛那提大学(University of Cincinnati)工作，2014年至2018年担任系主任，并被任命为Lindner研究员。他也是康奈尔大学和英属哥伦比亚大学的客座教授。Fry教授在运筹学、制造与服务运营管理、运输科学、海军研究物流、IIE Transactions、重症护理医学和INFORMS Journal of Applied Analytics等期刊上发表了超过25篇研究论文。他任职于《生产和运营管理》、《INFORMS应用分析杂志》(前身为《接口》)和《体育定量分析杂志》等期刊的编辑委员会。他的研究兴趣是将分析学应用于供应链管理、体育和公共政策运营等领域。为了他的研究，他与许多不同的组织合作，包括戴尔公司、星巴克咖啡公司、伟大的美国保险集团、辛辛那提消防部门、俄亥俄州选举委员会、辛辛那提孟加拉虎和辛辛那提动物园和植物园。2008年，他被提名为丹尼尔·h·瓦格纳运筹学实践奖的决赛选手，他的两项研究都得到了认可

第1章　入门　/ 1
1.1　分析概述　/ 2
1.2　为什么将数据可视化　/ 3
1.2.1　用于探索的数据可视化　/ 3
1.2.2　用于解释的数据可视化　/ 5
1.3　数据类型　/ 6
1.3.1　定量数据和分类数据　/ 7
1.3.2　横截面数据和时间序列
　　　?数据　/ 7
1.3.3　大数据　/ 8
1.4　实践中的数据可视化　/ 9
1.4.1　会计领域　/ 9
1.4.2　金融领域　/ 10
1.4.3　人力资源管理领域　/ 10
1.4.4　市场营销领域　/ 12
1.4.5　运营领域　/ 12
1.4.6　工程领域　/ 12
1.4.7　科学领域　/ 14
1.4.8　体育领域　/ 14
总结　/ 15
术语解析　/ 16
练习题　/ 17
第2章　选择图表类型　/ 23
2.1　定义数据可视化的目标：
　　??选择合适的图表　/ 25
2.2　在Excel中创建与编辑图表　/ 26
2.2.1　在Excel中创建图表　/ 26
2.2.2　在Excel中编辑图表　/ 26
2.3　散点图与气泡图　/ 29
2.3.1　散点图　/ 29
2.3.2　气泡图　/ 30
2.4　折线图、柱形图与条形图　/ 33
2.4.1　折线图　/ 33
2.4.2　柱形图　/ 34
2.4.3　条形图　/ 37
2.5　地图　/ 37
2.5.1　地理地图　/ 37
2.5.2　热图　/ 39
2.5.3　树状图　/ 41
2.6　何时使用表格　/ 43
2.7　其他专业图表　/ 45
2.7.1　瀑布图　/ 45
2.7.2　股价图　/ 46
2.7.3　漏斗图　/ 48
2.8　图表选择指南与总结　/ 49
2.8.1　图表选择指南　/ 49
2.8.2　应避免的图表　/ 50
2.8.3　Excel的推荐图表工具　/ 53
总结　/ 54
术语解析　/ 55
练习题　/ 56
第3章　数据可视化与设计　/ 70
3.1　预注意属性　/ 72
3.1.1　颜色　/ 74
3.1.2　形式　/ 74
3.1.3　空间位置　/ 78
3.1.4　动势　/ 78
3.2　格式塔原则　/ 79
3.2.1　相似性　/ 79
3.2.2　接近性　/ 79
3.2.3　封闭性　/ 80
3.2.4　连接性　/ 80
3.3　数据-墨水比　/ 81
3.4　其他数据可视化设计问题　/ 88
3.4.1　最小化目光移动　/ 88
3.4.2　文本字体选择　/ 90
3.5　数据可视化设计中的常见错误　/ 91
3.5.1　选择错误的可视化类型　/ 91
3.5.2　试图显示太多的信息　/ 94
3.5.3　盲目采用Excel默认格式的图表　/ 95
3.5.4　预注意属性过多　/ 98
3.5.5　3D图表的过度使用　/ 99
总结　/ 100
术语解析　/ 100
练习题　/ 101
第4章　有目的地使用颜色　/ 116
4.1　颜色与知觉　/ 118
4.1.1　颜色的属性：色调、饱和度和
　　　?亮度　/ 118
4.1.2　色彩心理学和色彩象征　/ 119
4.1.3　感知色彩　/ 120
4.2　配色方案和数据类型　/ 122
4.2.1　分类配色方案　/ 122
4.2.2　顺序配色方案　/ 123
4.2.3　发散配色方案　/ 125
4.3　使用HSL颜色系统自定义颜色　/ 127
4.4　使用颜色时的常见错误　/ 131
4.4.1　不必要地使用颜色　/ 132
4.4.2　使用过多的颜色　/ 133
4.4.3　对比度不足　/ 137
4.4.4　相关图表之间不一致　/ 138
4.4.5　忽视视力障碍者　/ 139
4.4.6　不考虑传递方式　/ 140
总结　/ 141
术语解析　/ 141
练习题　/ 142
第5章　变量的可视化　/ 158
5.1　运用数据创建分布　/ 160
5.1.1　分类数据的频率分布　/ 160
5.1.2　相对频率和频率百分比　/ 162
5.1.3　定量数据的可视化分布　/ 164
5.2　定量变量分布的统计分析　/ 176
5.2.1　位置度量　/ 176
5.2.2　变异度量　/ 178
5.2.3　箱线图　/ 181
5.3　样本统计中的不确定性　/ 183
5.3.1　显示在均值上的置信区间　/ 184
5.3.2　显示在比例上的置信区间　/ 186
5.4　预测模型的不确定性　/ 189
5.4.1　简单线性回归模型的预测区间的
　　　?说明　/ 189
5.4.2　时间序列模型的预测区间的
　　　?说明　/ 193
总结　/ 196
术语解析　/ 196
练习题　/ 198
第6章　可视化地探索数据　/ 211
6.1　探索性数据分析导论　/ 213
6.1.1　Espléndido Jugo y Batido公司的
　　　?例子　/ 213
6.1.2　组织数据来促进探索　/ 216
6.2　一次分析一个变量　/ 220
6.2.1　探索分类变量　/ 220
6.2.2　探索定量数据　/ 222
6.3　变量之间的关系　/ 227
6.3.1　交叉表　/ 227
6.3.2　两个定量变量之间的关系　/ 232
6.4　分析缺失数据　/ 242
6.4.1　缺失数据的类型　/ 242
6.4.2　探索与缺失数据相关的规律　/ 244
6.5　可视化时间序列数据　/ 246
6.5.1　以不同的时间频率展示数据　/ 246
6.5.2　突出时间序列数据中的规律　/ 249
6.5.3　整理数据以实现可视化　/ 251
6.6　地理空间数据可视化　/ 256
6.6.1　分级统计图　/ 256
6.6.2　变形地图　/ 259
总结　/ 260
术语解析　/ 261
练习题　/ 262
第7章　发挥数据可视化的影响力　/ 271
7.1　了解你的受众　/ 274
7.1.1　受众的需求　/ 274
7.1.2　受众的分析舒适度　/ 276
7.2　了解你的信息　/ 278
7.2.1　什么能帮助决策者　/ 278
7.2.2　与数据共情　/ 280
7.3　使用图表叙事　/ 285
7.3.1　选择正确的图表来叙事　/ 285
7.3.2　使用预注意属性来叙事　/ 288
7.4　汇集力量：叙事和展示设计　/ 291
7.4.1　亚里士多德的修辞学三角　/ 291
7.4.2　弗赖塔格的金字塔叙事结构　/ 292
7.4.3　故事板　/ 295
总结　/ 296
术语解析　/ 297
练习题　/ 297
第8章　数据仪表盘　/ 306
8.1　什么是数据仪表盘　/ 308
8.1.1　有效的数据仪表盘的原理　/ 309
8.1.2　数据仪表盘的应用　/ 309
8.2　数据仪表盘分类　/ 312
8.2.1　数据更新　/ 312
8.2.2　用户交互　/ 312
8.2.3　组织职能　/ 313
8.3　数据仪表盘设计　/ 313
8.3.1　理解数据仪表盘的用途　/ 313
8.3.2　考虑数据仪表盘用户的需求　/ 314
8.3.3　数据仪表盘工程　/ 314
8.4　使用Excel工具构建数据仪表盘　/ 315
8.4.1　Espléndido Jugo y Batido公司的
　　　?例子　/ 316
8.4.2　使用数据透视表、数据透视图和
　　　?切片器构建数据仪表盘　/ 316
8.4.3　将切片器链接到多个数据
　　　?透视表　/ 328
8.4.4　保护数据仪表盘　/ 332
8.4.5　最后审查数据仪表盘　/ 333
8.5　数据仪表盘设计中常见的错误　/ 334
总结　/ 334
术语解析　/ 335
练习题　/ 335
第9章　用数据可视化讲述真相　/ 346
9.1　缺失数据和数据误差　/ 349
9.1.1　识别缺失数据　/ 349
9.1.2　识别数据误差　/ 352
9.2　偏差数据　/ 356
9.2.1　选择性偏差　/ 356
9.2.2　幸存者偏差　/ 358
9.3　针对通货膨胀进行调整　/ 359
9.4　欺骗性设计　/ 362
9.4.1　图表中轴的设计　/ 362
9.4.2　双轴图　/ 366
9.4.3　数据选择和时间频率　/ 368
9.4.4　与地理地图相关的问题　/ 371
总结　/ 373
术语解析　/ 374
练习题　/ 374
参考文献　/ 382