《数据之美》读后感锦集

《数据之美》是一本由邱南森 (Nathan Yau)著作，中国人民大学出版社出版的平装图书，本书定价：CNY 89.00，页数：277，特精心收集的读后感，希望对大家能有帮助。

《数据之美》读后感(一)：理解数据，理解数据，理解数据！

这本数据可视化设计入门读物，写得浅显易懂，可读性很高。有几点感触很深：

1. 整个过程中，数据收集和处理花的时间会很长，这个是很正常的，也是好好理解数据所必须花的功夫，不能省。

2. 在可视化方案阶段，建议用纸和笔做头脑风暴。直接在电脑上会被操作技能限制住。你应该告诉电脑做什么，而不是反过来。

3. 对初学者来说，从一种工具开始，玩透它再尝试其他的。

《数据之美》读后感(二)：数据可视化高手的三大技能

数据可视化高手的三大技能：

1. 讲故事的能力；

2. 统计学基础；

3. 设计巧思。

数据可视化就是拥有了完备的统计学和设计哲学基础后，将试图讲述的话题恰如其分展现出来的过程。

不要忘记合理判断和处理原始数据集，如果数据是不整洁的，之后所有的动作都是没有意义的。

不要忘记最终成果是要拿去给读者分享的，读者是谁，读者对数据的了解程度，在什么场景下进行分享。

《数据之美》读后感(三)：数据可视化的简单科普

对我而言是越往后看越失望的书。

最有趣的是书的开头，作者科普了很多数据展示的实际案例。如meshu，一个基于地理位置定制首饰的流程；Felton的annual report，将自己每年的数据分析展示做成年报；NASA的洋流图，美到窒息等等。但是最该认真讲的规则做法部分实在是没有干货。

数据可视化，从获取数据、理解数据、分析数据、最后展示数据，需要综合运用到统计、数学、设计等等方面的知识。确实是一本书难以讲清楚的。但毋容置疑，它使我对数据可视化更加感兴趣，并且希望能参考Felton制作出自己的2019annual report。

《数据之美》读后感(四)：笔记

tableau imageplot 静态图表分析统计：R+adobe illustrator

视觉暗示：位置、长度、角度、方向、形状、面积、颜色（连续色阶、发散色阶、定性色阶）

坐标：直角坐标、极坐标、地理坐标

标尺：数字标尺、分类标尺、时间标尺

背景信息：描述、标题

数据本身，对数据的理解和分析，数据展示，三个环节缺一不可。

meshu：基于地理位置定制首饰的流程。在地图上选好点，只做自己的项链、耳环或袖口，定位数据代表当前的位置、去过的地方和将要去的地方，因此每一个meshu的作品就像是戴在身上的生活缩影。

每朵花代表一个国家，每朵花有11个花瓣，每个花瓣代表一个维度的数据，如住房情况、消费等等。指数是基于11个维度计算出来的，每个国家在纵轴上越高，幸福指数越高。

我们现在使用的很多传统图表，如折线图、条形图和饼图等都是William playfair发明的。

最开始这些图表都是手工绘制在纸上。直到20世纪70年代人们还通过手绘图看数据。

这样算来在我们的学习生活中占据重要地位的电子统计图表也才四十多岁。

NASA绘制了永恒的海洋（Perpetual Ocean）。 通过建立ECCO2模型模拟了各个深度的洋流，做成了一个动画，洋流并不仅仅是以直线或曲线模式运动，而是形成漩涡成为复杂的螺旋形状，看起来就有点像梵高的作品。

视频链接

https://v.youku.com/v_show/id_XMzczNTYzNjA0.html？refer=seo_operation.liuxiao.liux_00003308_3000_YvmIba_19042900

《数据之美》读后感(五)：比较基础，建议作为入门阅读

通过这本书，我们可以开始理解数据可视化，探索数据的模式，并寻找数据间的关联，进而选择适合自己的数据和目的的可视化方式。如果你想深入学习数据分析或数据可视化，我建议没必要看这本书，如果你刚刚入门，希望从事数据分析或数据可视化方面工作，我建议学习学习。

这是一本入门书籍，很基础很基础，既没有告诉我们如何制作报表，也没有告诉我们数据可视化的规范，作者从几个大的方向去谈的：

1、怎么理解数据，明确了数据具有不确定性，不同背景下可具有不同的解读

2、日常生活中的那些运用到数据的案例和场景，比如人口的统计，气候变化的统计，美丽的地图的设计

3、数据可视化设计的组成，共4个部分：视觉按时、坐标系、标尺以及背景信息。可视化是一个抽象的过程，是把数据映射到几何图形和颜色上，技术很容易掌握，难的是用什么形状和颜色组合最合适？各组件多大最合适？对于可视化来说，这4个组件是原材料，视觉暗示是用户看到的主要部分，坐标系和标尺可是视图结构化，创造出空间感，背景信息则富裕了数据生命，更容易被理解。

①视觉暗示排序清单（从最精准到最不精准的排序）：位置>长度>角度>方向>面积>体积>饱和度>色相；

②坐标系分为直角坐标系（最常用）、极坐标系（涉及到角度和方向时用到的比较多）、地理坐标系

③标尺有数字标尺、时间标尺、分类标尺（如条形图，水平轴一般使用分类标尺，垂直轴一般使用数字标尺）

4、讲述了数据可视化的过程（分类数据、时序数据、空间数据）

在数据可视化的过程，我们需要考虑几个问题：拥有什么数据，能得到什么数据，数据来源是什么，如何获取数据，所有变量的意义是什么，然后用这些信息来进行指导。

分类数据可视化：通常可以理解看到最大值和最小值，可以了解数据集的范围，之后，再看看各部分的分布情况，大部分数值是很高？很低？还是居中？最后，再看看结构和模式，如果一些分类有着同样或差异很大的值，那就要找出原因了。

时序数据可视化：寻找随着时间推移发生的变化，是变大了？变小了？这些变化是否重要？变化的原因是什么？是正常波动还是异常波动？

空间数据可视化：首先要了解数据的范围，然后寻找区域模式，某个国家、地区是否聚集了较高或较低的值？

5、强化数据可视化，让可视化设计更加清晰，努力建立视觉层次，对不同分类做好区分，通过图表可以让数据之间进行比较（注意：没有比较的可视化没有任何意义，没有比较的数据分析也没有任何意义），再增加合理的背景描述，可让数据更加清晰化。同时，我们要为用户设计，时刻在心。

6、最后几页作者分别介绍了可视化工具、编程工具、插图工具、数据统计工具，我汇总下：

可视化工具：Excel（没啥好说的了，作者不喜欢，但是我喜欢）、Google Spreadsheets、Tableau（公司在用的就是这个，牛逼的不行）、Many Eyes、Gephi、ImagePlot、TileMill、indiemapper、GeoCommons、ArcGIS

编程工具：R语言、Javaｓｃｒｉｐｔ、HTML、SVG、CSS、Python、Processing、Flash、Actionｓｃｒｉｐｔ、PHP

插图工具：Adobe Illustrator

数据统计工具：引用下作者的话“不管使用什么软件，别忘了你的目的是理解数据，如果是针对广大读者设计可视化图表，则是帮助他人理解数据”。

完结，上图