数据可视化之道：数据分析中的图表制作思路与方法 pdf下载

本书从任务出发，阐述如何根据任务需求来拆解问题，形成图表制作的思路，并运用工具完美呈现任务，达到数据分析的目标。

本书特色：

1 以数据为中心，针对不同类型的数据，分别阐述多样化的可视化方法。读者可从中了解不同呈现方式的优劣和适用场景，在遇到实际任务时，做出恰当的选择；

2 采用商业、金融领域有代表性的真实数据案例，详细介绍不同图表的制作方法和技巧；

3 配套讲解视频和Excel案例资源。

本书针对数据分析和研究报告中的图表应用，结合大量经济、金融和商业真实实例，探讨数据可视化的基本原则、技巧及思路。

本书基于Excel软件，循序渐进地介绍专业图表制作的技术准备、图表元素的增强控制、不同类型数据的可视化方案，以及研究报告中常用的数据转换及分析技术。

本书旨在帮助拓展商业和金融数据的可视化表达思路和方法，提升报告品质，也适合即将从事数据分析相关工作的学生及对数据可视化感兴趣的读者阅读。

林斌，金融学硕士，曾就职于多家国内外知名金融机构，担任研究员和分析师，长期从事金融市场研究和投资咨询工作。拥有15年数据分析和建模经验，在电子表格建模、统计分析、BI及可视化表达等领域经验丰富，曾为多家金融机构提供专业咨询和培训服务。

视觉是接收信息非常有效的渠道。在数据决策时代，可视化在数据表达、探索和分析中有着重要用途。本书针对数据分析和研究报告中的图表应用，结合大量实例，探讨了数据可视化的基本原则、技巧与思路，授人以渔，使读者可以举一反三，熟练应对各类实践场景。

本书结构合理、实例丰富，既适合初学者快速进阶，也适合数据分析专业人士拓展思路，强烈推荐！

——秋叶，秋叶PPT创始人、“和秋叶一起学”系列书作者

在大数据时代，我们每天都要接触各类繁多的数据，数据之间、数据与业务之间的关系变得极为复杂。有研究表明，80％的人能记住他们所看到的，但只有20％的人能记住他们所阅读的。职场人士在有限的时间内要有效地洞察数据，就必须掌握过硬的数据可视化能力。推荐这本书，语言简练、场景实用、实例丰富，让你系统地学习数据可视化，成为职场潜力股！

——邓凯，爱数圈创始人、知名大V、数据界布道者

在大数据时代，数据可视化与数据分析相辅相成，数据可视化已成为数据分析师必不可少的技能。优秀的数据可视化能力，不仅可以帮助人们完美与精准地展现数据，还能帮助人们更好地发现数据规律和关系。本书结合实例详细讲解Excel图表绘制技巧与数据操作基础，非常适合职场人士学习。相信本书一定能够帮助读者提升Excel图表技能！

——张杰，“Python-R-Excel 数据可视化之美”系列教程作者、Excel图表插件“EasyShu”联合开发者

第1章 理解图表 1

1.1 图表的力量 1

1.2 WHERE问题：坐标轴平面 3

1.3 WHAT问题：图表的视觉机制 3

1.4 WHY问题：数据和图表的意义 11

1.5 小结 13

第2章 快速入门指南和技术准备 14

2.1 快速入门指南 14

2.2 技术准备：坐标轴 20

2.3 技术准备：图表中的(X,Y)坐标 26

2.4 技术准备：误差线 30

2.5 小结 34

第3章 图表元素的增强控制 35

3.1 图例 36

3.2 事件注释和数据点标记 44

3.3 独立存在的刻度线 52

3.4 不等距的网格线 56

3.5 数值参考线和分隔线 59

3.6 阴影背景 71

3.7 其他面积元素* 77

3.8 小结 86

第4章 变动和趋势 88

4.1 常规图表分析 88

4.2 两个时间点的数据变动 91

4.3 配对变量的变动 102

4.4 季节性变动 110

4.5 面板图：多系列的空间分离 111

4.6 热力图：用颜色表达变动特征 119

4.7 小结 120

第5章 比较、分布和构成 122

5.1 比较：定义及常规图表选择 122

5.2 双变量对比 123

5.3 三个变量及更多变量的对比 126

5.4 分组对比 133

5.5 多维比较 139

5.6 分布的可视化：描述统计 144

5.7 分布的可视化：展示样本全貌 155

5.8 局部和整体 158

5.9 小结 164

第6章 探索数据关系 166

6.1 散点图简介 166

6.2 反映相关关系 167

6.3 散点图中的拟合模型 172

6.4 第三个变量：散点图中的分组处理 180

6.5 小结 186

第7章 数据转换和分析技术 188

7.1 概述 188

7.2 基于图表的数据转换 189

7.3 衡量相对关系 198

7.4 刻度重置 204

7.5 事件分析 214

7.6 简要的函数介绍 219

7.7 小结 219

第8章 数据可视化进阶指南 221

前言

作为一种沟通界面和表达方式，可视化常被归入输出环节。数据和观点经由图表展现，从而提升阅读者对数据的感知或观点的说服力。事实上，视觉表达在数据探索阶段也能够高效率地发挥有助于信号过滤、搜索和促进判断的重要作用。因此，可视化的重要性可见一斑。

提升数据可视化水平无非二途：或求诸于图表，或求诸于数据。前者着眼于图表层面的优化和改进，后者则探求数据内涵、突出数据重点。描述性数据似乎侧重于前者，探索性数据则更依赖于后者，但事实未必如此。本书将用大量实例表明，二者的关系相得益彰。

在图表层面，本书在格式及外观设计方面着墨不多，原因来自两个方面。首先，本书内容侧重于分析和研报应用，数据处理和表达较配色、字体、字号、布局等设计因素无疑更为重要。以颜色为例，除去显而易见的文化和习俗因素、冷暖色调的心理影响、强弱明暗的显隐效应，剩余大多是瞬息多变的时尚及观感差异。其次，正如更好的配色难以解决颜色太多的问题，在绘图系列单一、数据点数量有限的前提下，除“改头换面”所带来的短暂新鲜感外，使用何种设计多数时候并无大碍，要紧之处在于随着绘图系列和数据点的不断增加，摆脱视觉限制乃至视觉陷阱，为数据可视化之重点。

图表层面的另一个常见误区是在数据关系和图表类型之间建立起僵化的一一对应关系。初学者会很自然地被此类对应关系所吸引，但本书会用大量实例说明，分析师在考虑数据可视化表达之前，无须也不应受此对应关系的约束。使用何种图表类型表达数据因人而异，也因期望表达的数据侧重点而异，在许多时候图表类型的选择受数据样本规模的影响更大。

学习即连接，缺乏连接的知识记忆转瞬即逝。图表可视化是一项实务技能，最有效的学习方法是通过读者所在的专业领域、数据内容和术语学习图表。本书面向金融、财经及商业分析领域从事决策支持工作，尤其是需要制作研究报告的各类专业人士，旨在帮助拓展商业和金融数据的可视化表达思路和方法，提升报告品质。本书所有实例都经过精心挑选，在数据及处理、制作技术及表达方法等方面具有一定特色和挑战，笔者希望这些实例能让读者建立知识连接、受到启发以提高学习效率。

除非特别说明，本书实例使用Excel 2013电子表格软件制作，所有图表均通过手工操作完成，未涉及宏及自动化应用。笔者假定读者已具备一定的图表制作经验，熟悉Excel图表的主要类型，能够进行与格式化相关的基本操作。本书第2章提供了精简的图表操作快速入门要点，不具备预备知识的读者应在全面掌握第2章内容之后，再阅读后续章节。技术图书难免步骤堆砌，阅读和消化这些步骤所需的专注和忍耐力常令许多入门用户有始无终。与此同时，过度关注细节难免占用归纳总结等高级思维所需的心智资源，甚至有碍记忆。为淡化步骤式学习，本书尝试在结构和内容设计方面有所取舍，例如将具体步骤按性质适当归类合并，减少外观格式化相关设置，同时对较为基础、未在正文中详细介绍的操作细节，有选择地以备注形式单独进行说明，以使正文和备注内容相互补充，满足不同层次的读者需求。

图表的背后是数据，哪怕是貌似权威无误的数据实际上也不能完全免于主观。本书实例仅作为讲解图表可视化及数据处理技巧之用，笔者不能保证所引数据的完整、客观和准确，更无任何图表能反映笔者的观点、立场和倾向。笔者强调研报图表可视化的重心在数据上，而阅读书中实例却要专注于图表及数据处理技术而非数据自身。

受笔者经验和时间所限，本书实例并不代表最佳实践，也未必是最佳表现方式，错误和遗漏在所难免，如有任何疑问或反馈，请与我联系。

致谢

本书从图书立项、审稿、文字编辑到后期设计，凝聚了许多人的劳动成果。我感激他们的付出，对他们表现出的开放精神和专业素质充满敬意。编辑刘皎给我很多帮助。在创作过程中，刘皎女士就本书定位、结构和内容编排方面提出过许多中肯意见，我从中受益良多并欣然采纳了她的大部分建议。

本书是在较长一段时间内断续写就的，期间收到许多朋友和学员的咨询和反馈，这些交流常给我激励，也是书中部分实例的灵感来源。

我将这本书献给秦怡，感谢她不变的爱与支持。