《数据可视化之美》是一本由Julie Steele / Noah Iliinsky著作，机械工业出版社出版的平装图书，本书定价：89.00元，页数：456，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。
《数据可视化之美》读后感(一)：近二十个不同领域的数据可视化案例
本书列举了近二十个数据可视化项目的基本需求和解决方案，这些方案化繁为简，把复杂的内容用图表示出来。
这些项目包括标签云、纽约地铁图、飞机的飞行线路、社交网络、参议员的关系网络、维基百科文档修改历史、数据库模型、用户浏览纽约时报的行为、虚拟尸检等。
《数据可视化之美》读后感(二)：翻译的问题
为了得到书中的图片素材，我还看了原版的电子版，原版书的143页中第一行写的是：Search is a familiar modality, well exemplified by Google and other web search engines.
但是，在中文版的书中，变成了：百度和其他Web搜索引擎都是很好的例子。。
不光是这一处，后面凡是出现Google的地方都变成了百度，Google地图变成百度地图等等。。
这是什么情况？？Google属于专业外文词汇，怕搞可视化的人弄不明白吗？？要翻译成通俗易懂的百度吗？？
《数据可视化之美》读后感(三)：期待ing
如何将枯燥数据里的核心信息呈献给观众？那就是数据可视化。
数据可视化，其实也就是最近流行的inforgraphic，旨在帮助人们如何通过最直观的方式，呈现枯燥数据所蕴含的实质信息。推荐一下这篇博文：http://www.geekpark.net/entity/view/121225。
因为书还没到手，但大致浏览了以下英文本，感谢还不错，希望这本书的翻译质量能够不负众望。
《数据可视化之美》读后感(四)：集图库，交流，互助于一身的数据可视化交流圣地
数据堆，不知怎么用，进入数据可视化的专业平台，让专业人士为你排忧解难，从无到有，从不懂到精通，尽在数据视界：www.datashow.com.cn
是不是对文献里的各种高大上的图羡慕嫉妒恨？是不是对着杂乱的结果无从美图秀秀，no problem，let's DIY，在www.datashow.com.cn，随便你任性
《数据可视化之美》读后感(五)：内容简介
第1章“论美”。Noah Iliinsky给出了在可视化情境下，美所蕴涵的意义，为什么值得追求，以及如何追求。
第2章“曾经的堆叠时间序列：讲述故事在信息可视化中的重要性”。Matthias Shapiro阐述了讲故事对于可视化的重要性，引导读者一起创建一个自己可以实现的、简单的可视化项目。
第3章“Wordle”。Jonathan Feinberg介绍了他所发明的流行的可视化文本的内工作方式，探讨了其在这个过程中从技术和审美角度上所做的选择。
第4章“色彩：数据可视化的‘灰姑娘’”。Michael Driscoll阐述了如何有效地使用颜色来表达我们尚未意识到而大脑却可以识别的其他维度的数据
第5章“信息映射：重新设计纽约地铁图”。Eddie Jabbour以探索简陋的地铁图作为基本的可视化工具来理解复杂的系统。
第6章“飞行模式：深入探索”。Aaron Koblin和Valdean Klump对美国和加拿大的民航交通进行可视化，揭示了一种“疯狂”的空中旅行方法。
第7章“你的选择揭示你是谁：社会模式的挖掘和可视化”。Valdis Krebs深入探索行为数据，证明了通过我们购买的书和交往的人能够更深入地揭示自我。
第8章“美国参议院社交图（1991～2009）的可视化”。Andrew Odewahn通过“定量”的证据来评价美国参议院关于投票联盟的“定性”的故事。
第9章“鸟瞰图：搜索和发现”。Todd Holloway通过已经应用于YELLOWPAGES.COM和Netflix颁奖中的近似图形化技术来探索搜索和发现的动态特征。
第10章“从社交网络可视化的混杂之中寻找美丽的感悟”。Adam Perer通过结合可视化和统计的交互技术，以帮助读者深入探索混杂的社交网络可视化。
第11章“美丽的历史：对维基百科可视化”。Martin Wattenberg和Fernanda Viégas从最初的设计草图到发表的科学论文，通过可视化带领读者走向未知领域的探索。
第12章“把表转换成树：把并行集发展成意义深远的项目”。Robert Kosara重点描述了数据的可视化展现和基础的数据结构或数据库设计之间的关系。
第13章“‘X byY’的设计：奥地利电子艺术节档案的信息美学探索”。Moritz Stefaner描述了努力寻找的一种信息展现方式，这种方式不仅有用且信息充实，而且是感性的、令人回味的。
第14章“矩阵探秘”。Maximilian Schich揭秘了资料数据库中由于管理员的本地操作和数据源的异构性产生的一些非直观的结构特征。
第15章“1994年：基于《纽约时报》上的文章搜索API的数据探索”。Jer Thorp引领读者使用API对《纽约时报》资料库的数据进行探索和可视化。
第16章“《纽约时报》的一天”。Michael Young和Nick Bilton描述了《纽约时报》研发组是如何使用Python和Map/Reduce来处理美国以及全世界的Web站点和手机网站的流量数据。
第17章“深入揭秘复杂系统”。Lance Putnam、Graham Wakefield、Haru Ji、Basak Alper、Dennis Adderton和JoAnn Kuchera-Morin教授描述了AlloSphere项目通过尖端高科技可视化和可听化技术实现的非凡的科学探索。
第18章“解剖可视化：真正的黄金标准”。Anders Persson描述了使用新的成像技术来收集和分析人类和动物尸体数据。
第19章“动画可视化：机遇和缺点”。Danyel Fisher尝试提出设计动画可视化的一种框架。
第20章“带索引的可视化”。Jessica Hagy提出了对可视化这头“大象”的各个方面的洞察，因此可以对全有更透彻的理解。
《数据可视化之美》读后感(六)：冰冷的数据与火热的艺术
去年考上在职研究生后，选的方向的大数据与云计算，时下热门，回顾这段时间的学，我印象最深的就是去年暑假在浙大的可视化暑期学校，本来自己就喜欢鼓捣些前端的东西，喜欢科技感十足又酷的感觉。大数据可视化完全符合我的喜好。一下子扎入其中，连毕业设计也是找的陈为教授。
读了许多可视化的书籍，包括陈为老师及他同事编写的数据可视化，了解到许多不同的数据展示方式，展示维度，将高维数据降维可视化，其实，这门学科更适合有统计学背景的人，EXCEL中的图表就是将数据可视化，可是现在研究的方向不是那么简单的展现，而是更复杂的交互及探索。
有个说法蛮赞同的，最好的可视化是利用数据讲故事，可视化有意思的地方不仅仅在于酷炫的界面，其背后还有人们对这些数据的思考，或是产生了结论，或是预测了未来。不管哪一方面都是通过数据以科学的方式进行表达，显得信服力极高又具有观赏性。实际上可视化是科学的艺术。下面谈下自己这段时间学到的关于可视化的东西，不分先后，自己想到哪写到哪。
一、可视化的分类
目前学术界的可视化分为信息可视化，科学可视化以及可视化分析三种。
（1）信息可视化
一般是抽象的、非结构化数据集（如文本、图表、层次结构、地图、软件、复杂系统等）。与科学可视化相比，信息可视化更关注抽象、高维数据。
此类数据通常不具有空间中位置的属性，因此要根据特定数据分析的需求，决定数据元素在空间的布。因为信息可视化的方法与所针对的数据类型紧密相关，所以通常按数据类型分为如下几类：
1、时空数据可视分析
2、层次与网络结构数据可视化
3、文本和跨媒体数据可视化
4、多变量数据可视化
（2）科学可视化
面向的领域主要是自然科学，如物理、化学、气象气候、航空航天、医学、生物学等各个学科，这些学科需要对数据和模型进行解释、操作与处理，旨在寻找其中的模式、特点、关系以及异常情况 。
如标量场，向量场，张量场。
（2）可视化分析
可视分析学，被定义为一门以可视交互界面为基础的分析推理科学。综合了图形学、数据挖掘和人机交互等技术，以可视交互界面为通道，将人的感知和认知能力以可视的方式融入数据处理过程，形成人脑智能和机器智能优势互补和相互提升，建立螺旋式信息交流与知识提炼途径，完成有效的分析推理和决策。
包含数据分析、交互、可视化。
二、可视化工具及图表
可视化工具目前比较常用的有
语言类：R语言，Python语言，都有自己的可视化包,processing
库：D3.js
现成工具：Echarts,DataV...
记录一些不常见的图表：
雷达图、箱线图、矩形树图、平行坐标、桑基图、漏斗图
三、探索与展现
探索
特征：存在意想不到的数据、可能存在脏数据、数据可能会变得难以预测、数据观察者控制如何交互
目的：可以一次性分析多个维度，多次改变映射关系，寻找趋势和漏洞
展现
特征：展示者对数据非常了解，数据已清洗过，观看者是被动的
目的：为了推出某个挂你单，只展示较少的维度，清晰地逐个说明维度，突出关键点，把各点组织起来，说明趋势和运动。
四、这本书中印象较深的例子
第七章 讲社交可视化，社会模式的挖掘和可视化
从早期的直连线式的关系图，到基于人们共同参与数建立起的活动布，展示了人与人之间的亲疏远近，以及一个集体中谁是中心谁是边缘人物，印象深刻，关键点在于找到对象之间相同的属性，这里是共同参与的活动数。这种社交模式，可以用来搞推荐系统。大多数人都喜欢看到预期（人生来悲观？）
第十一章 维基百科可视化
对维基百科的历史编辑这一行为进行了可视化，对象则是某个词条的历任编辑，可以看到恶意删除的行为，也可以辨认是否机器人所为。主要是这个可视化的想法角度非常新颖。
第十六章 纽约时报的一天
非常详细完整的介绍了一个可视化项目的诞生。包括步骤和工具，以及自己的思路。
收集数据、数据清洗、数据处理（python、map reduce、hadoop、数据可视化
第十九章 动画可视化：机遇和缺点
动画是双刃剑，可以增加丰富性，但容易让观者看不清自己想要的数据
动画的原则：
（1）分段展示
一次改变一个或者分解为多个步骤展示
（2）一致性
（3）必要有意义的移动
《数据可视化之美》读后感(七)：书中【网站】不完全收录 （前三章）
// 问：哪些网站没有被收录？
// 答：
1. 没有详细阐述，只是文章中一笔带过的小例子，例如超级碗的一个可视化，美国儿童起名首字母使用程度。
2.对于一搜就能找到的只标注了名称。
【第一章】
*******page 11******************
www.visual-literacy.org
log.vodkaster.com
informationarchitects.jp/wtm4
www.meettheboss.com
【第二章】
************page 23***********
www.data.gov ：存放了庞大的数据集合，既包括鸟类的迁徙，也包括专利目录，还包括国债受益统计和联邦预算数据。
www.census.gov ：美国人口普查（人口统计和地理信息数据）
www.bls.gov ：美国就业方面的广泛数据（点击databases & tables）===》historical news release tables ===》数据访问口
developer.nytimes.com ：海量数据集已与访问的API接口，包括国会投票、畅销书列表、文章检索、影评、纽约市的房地产开盘和销售信息等。
************************************
理财咨询网站motley fool caps：caps.fool.com
我们是色盲：wearecolorblind.com
www.cars.gov/carsreport：美国汽车交易和购买数据
www.w3.org/graphics/svg：可以找到标准的缩放矢量图形，适用于免费图像和地图。
commons.wikimedia.org：矢量地图
矢量图形编辑软件inkscape：www.inkscape.org
******************************************
【第三章】
文本分析入门wordle：www.profhacker.com/2009/10/21/wordles-or-the-gateway-drug-to-textual-analysis/
IBM一个协作式用户体验项目：dogear（感兴趣自己搜吧）
博客标签云？：magicalnihilism.com
深入研究标签云设计：www.smashingmagazine.com/2007/11/07/tag-clouds-gallery-examples-and-good-practices/
wp-cumulus：提供了三维旋转的标签画面
#随机贪婪算法#可以用来填充几乎任何一个区域（eg：单词填充黑武士头像=。=）
情感分形：emotional fractal
单词云生成器：www.alphaworks.ibm.com/tech/wordcloud
manyeyes：协作式数据可视化网站
rocessing：开源编程语言，可以用来创建二维、三维的图形、动画和交互应用：processing.org
*********知识点都零碎的穿插在行文中，单独抽出来，其实不是很好理解应用背景( >﹏<。)～…… ***************
