數據分析與可視化

第一篇 理論篇
第1章 數據的“解讀”與“呈現” 2
1.1 數據分析：奠定基礎 2
1.2 數據可視化：實現表達 2
1.3 二者的關系：相輔相成 2
第2章 數據分析 4
2.1 數據分析的起源與發展 4
2.2 數據分析類型 5
2.3 數據分析方法 6
2.4 數據分析對象 7
2.5 數據分析工具 8
2.6 數據分析流程 9
2.7 數據分析的應用場景 11
第3章 數據可視化 12
3.1 數據可視化的起源與發展 12
3.2 為什麼要進行數據可視化 12
3.3 數據可視化原則 14
3.4 數據可視化類型 14
3.5 數據可視化流程 16
3.6 數據可視化工具 17
3.7 數據可視化的應用場景 18

第二篇 技術篇
第4章 數據采集 22
4.1 基於數據源分類的數據 22
4.2　數據采集技術 24
4.2.1 API調用 25
4.2.2 直接下載 29
4.2.3 網絡爬蟲 29
4.3 數據采集策略 33
4.3.1 時間維度 34
4.3.2 範圍維度 34
4.4 數據采集合規與倫理審視 35
第5章 數據預處理 37
5.1 數據清洗 37
5.2 數據轉換 39
5.3 數據篩選 40
第6章 統計分析 42
6.1 基本概念 42
6.2 描述性統計分析 43
6.3 相關分析 44
6.4 回歸分析 45
6.4.1 回歸分析的分類 46
6.4.2 一元線性回歸 47
6.4.3 多元線性回歸 48
6.5 聚類分析 50
6.5.1 相似性度量 50
6.5.2 聚類規則 51
6.5.3 聚類算法 51
6.6 時間序列分析 54
6.6.1 時間序列的組成要素 54
6.6.2 時間序列預處理 55
6.6.3 時間序列分析方法 55
6.7 統計分析的挑戰 56
第7章 文本分析 57
7.1 文本預處理 57
7.1.1 文本預處理的核心目標 57
7.1.2 文本預處理的關鍵任務 57
7.1.3 文本預處理的實踐要點和
工具 58
7.2 特征提取與表示 59
7.2.1 特征提取與表示的
核心目標 60
7.2.2 特征提取與表示方法 60
7.2.3 特征提取與表示的
實踐要點和工具 61
7.3 信息抽取 61
7.3.1 信息抽取的核心任務 62
7.3.2 信息抽取方法 63
7.3.3 信息抽取的挑戰與
未來發展趨勢 64
7.4 情感分析 65
7.4.1 情感分析任務 65
7.4.2 情感分析方法 66
7.4.3 情感分析的實踐要點 68
7.5 主題分析 68
7.5.1 主題分析任務 69
7.5.2 主題分析方法 69
第8章 可視化映射 72
8.1 可視化映射的核心要素 72
8.2 可視化映射的分類 72
8.2.1 基於數據類型的映射 72
8.2.2 基於維度的映射 74
8.2.3 基於交互方式的映射 75
8.3 可視化映射的實施流程 76
8.3.1 數據特征分析 76
8.3.2 映射規則設計 76
8.3.3 視覺呈現與優化 77
第9章 統計圖表 78
9.1 趨勢分析 78
9.1.1 折線圖 78
9.1.2 面積圖 79
9.2 對比分析 80
9.2.1 柱狀圖 80
9.2.2 南丁格爾玫瑰圖 83
9.2.3 雷達圖 84
9.3 結構分析 85
9.3.1 餅圖 85
9.3.2 環圖 85
9.3.3 矩形樹圖 86
9.4 分布分析 87
9.4.1 直方圖 87
9.4.2 散點圖 87
9.4.3 氣泡圖 88
9.4.4 箱形圖 89
9.5 流程分析 89
9.5.1 桑基圖 90
9.5.2 漏鬥圖 90
第10章 時空數據可視化 92
10.1 時空數據可視化基礎 92
10.1.1 數據表示方法 92
10.1.2 顏色方案 93
10.1.3 幾何變換 94
10.2 時空數據的靜態可視化 94
10.2.1 基於空間載體的時間
編碼技術 94
10.2.2 時空關聯符號化技術 95
10.2.3 矩陣與網格類技術 96
10.2.4 剖面圖與軌跡壓縮技術 96
10.3 時空數據的動態可視化 97
10.3.1 時間維度的趨勢變化 97
10.3.2 空間維度的軌跡轉移 101
第11章 網絡數據可視化 102
11.1 網絡數據可視化基礎 102
11.1.1 基本概念與術語 102
11.1.2 網絡的性質與度量 103
11.2 核心布局算法 103
11.2.1 力引導布局 104
11.2.2 層次布局 104
11.2.3 環形布局 104
11.2.4 網格布局 104
11.2.5 地理布局 104
11.3 視覺編碼與設計 105
11.3.1 節點的編碼 105
11.3.2 邊的編碼 105
11.3.3 降低視覺混亂的策略 106
第12章 文本可視化 107
12.1 面向詞匯分布的可視化 107
12.2 面向主題的可視化 108
12.3 面向情感分析的可視化 110
12.4 面向關系的可視化 111

第三篇 工具篇
第13章 工具概覽與選擇 114
13.1 工具選擇原則 114
13.2 常用工具概況 114
13.3 工具應用場景與互補性 115
第14章 Excel 117
14.1 Excel簡介 117
14.1.1 Excel的核心定位與
應用場景 117
14.1.2 Excel的功能體系 117
14.2 統計分析 118
14.2.1 描述性分析 119
14.2.2 相關分析 121
14.2.3 回歸分析 121
14.3 Excel數據分析示例 128
14.3.1 數據預處理 128
14.3.2 數據透視分析 130
第15章 SPSS 141
15.1 SPSS簡介 141
15.1.1 SPSS的核心定位與
應用場景 141
15.1.2 SPSS的功能體系 141
15.2 數據預處理 142
15.3 統計分析 148
15.3.1 描述性分析 149
15.3.2 相關分析 152
15.3.3 回歸分析 154
15.3.4 聚類分析 157
15.3.5 時間序列分析 159
第16章 集搜客 163
16.1 集搜客簡介 163
16.1.1 集搜客的核心定位與
應用場景 163
16.1.2 集搜客的功能體系 163
16.2 網絡數據采集 164
16.2.1 數據源與采集任務 164
16.2.2 采集策略與步驟 165
16.3 文本分析與可視化 169
16.3.1 文本分詞 169
16.3.2 關鍵詞提取 172
16.3.3 情感分析 173
第17章 Tableau 175
17.1 Tableau簡介 175
17.1.1 Tableau的核心定位與
應用場景 175
17.1.2 Tableau的功能體系 175
17.2 數據連接 177
17.3 數據可視化 181
17.3.1 創建並更改視圖 181
17.3.2 使用篩選器和顏色交互 183
17.3.3 使用地理視圖處理數據 188
17.3.4 使用條形圖解析數據 189
17.3.5 使用儀表板整合數據 193
17.4 Tableau數據可視化示例 196
17.4.1 數據可視化方案 196
17.4.2 創建視圖 197
17.4.3 制作儀表板 203
第18章 ECharts 206
18.1 ECharts簡介 206
18.1.1 ECharts的核心定位與
應用場景 206
18.1.2 ECharts的功能體系 207
18.2 數據可視化 207
18.2.1 基於模板的方法 208
18.2.2 本地自主配置法 212
18.3 ECharts數據可視化示例 216
18.3.1 數據集 216
18.3.2 數據導入和處理 216
18.3.3 pyecharts數據可視化 219
第19章 Gephi 233
19.1 Gephi簡介 233
19.1.1 Gephi的核心定位與
應用場景 233
19.1.2 Gephi的功能體系 233
19.2 數據導入與預處理 234
19.3 統計分析 238
19.3.1 網絡概述 238
19.3.2 社區檢測 240
19.3.3 節點概述 241
19.3.4 邊概述 242
19.4 數據可視化 242
19.4.1 外觀設置 242
19.4.2 布局設置 245
19.4.3 過濾設置 247
第20章 Python 251
20.1 Python簡介 251
20.1.1 Python的核心定位與
應用場景 251
20.1.2 Python的功能體系 251
20.2 數據采集 252
20.3 文本分析 256
20.3.1 文本預處理 256
20.3.2 特征提取與表示 257
20.3.3 信息抽取 259
20.3.4 情感分析 265
20.3.5 主題分析 267
20.4 Python文本分析示例 270
20.4.1 文本預處理 270
20.4.2 文本分詞 271
20.4.3 文本情感分析 272
20.4.4 文本主題分析 275
20.5 Python數據可視化示例 278
20.5.1 數據預處理 278
20.5.2 pyecharts數據可視化 281
第21章 AI工具 288
21.1 AI工具分類 288
21.2 AI工具賦能方案設計 289
21.2.1 原理 289
21.2.2 示例說明 289
21.3 AI工具賦能數據采集 291
21.3.1 原理 291
21.3.2 示例說明 291
21.4 AI工具賦能數據預處理 294
21.4.1 原理 294
21.4.2 示例說明 294
21.5 AI工具賦能數據分析 296
21.5.1 原理 296
21.5.2 示例說明 297
21.6 AI工具賦能數據可視化 298
21.6.1 原理 298
21.6.2 示例說明 299
21.7 AI工具賦能報告輸出與
結果解讀 302
21.7.1 原理 302
21.7.2 示例說明 302
21.8 AI工具的挑戰與發展 303