鲜活的数据pdf

⑴ 《葡萄酒这点事儿葡萄酒爱好者必备经典》pdf下载在线阅读，求百度网盘云资源

《葡萄酒这点事儿》（郭明浩）电子书网盘下载免费在线阅读

资源链接：

链接：https://pan..com/s/1muVc3NaH7oRYuQX8peApcg

书名：葡萄酒这点事儿

作者：郭明浩

豆瓣评分：8.3

出版社：湖南文艺出版社

出版年份：2017-8

页数：325

内容简介：

《葡萄酒这点事儿》一套用口语化形式讲述葡萄酒文化的书。作者郭明浩，人称"郭校长"，也被人称作"葡萄酒界的袁腾飞"，机智、博学、风趣。身为葡萄酒讲师、专栏作家以及职业经理人的他，以丰富广博的知识见闻以及大量的葡萄酒历史藏书闻名业内。2014年，郭校长开创性地策划了《漫谈葡萄酒》这档脱口秀节目，他用简洁的语言，鲜活的史料，深入浅出的方式说历史、评人物、看世界、谈热点，引领了无数爱好者经历了美妙的葡萄酒旅程。

《葡萄酒这点事儿》这本书是郭校长从业16年的积累，专业却不说教，轻松但有深度地讲述葡萄酒历史文化。无论你是资深的葡萄酒发烧友，还是刚刚入门的葡萄酒非专业人士，都会在这本书中找到“兴奋点”。

作者简介：

作者郭明浩，葡萄酒江湖中的“郭校长”。2005年，郭校长毕业于葡萄酒行业的殿堂级学府——西北农林科技大学葡萄酒学院，获得葡萄酒硕士学位的他，凭着对葡萄酒的激情与执着，加入了全球最着名的葡萄酒和烈酒集团——保乐力加，开始了追梦的葡萄酒职业生涯。点击查看郭校长和保乐力加不得不说的故事。

多年来，郭校长一直活跃在葡萄酒市场的第一线，他博闻强记，能写会讲，足迹踏遍全球知名葡萄酒产区，并立志将葡萄酒与历史融会贯通。

于是，在2014年，郭校长开创性地策划了《漫谈葡萄酒》这档脱口秀节目，他用简洁的语言，鲜活的史料，深入浅出的方式说历史、评人物、看世界、谈热点，引领了无数爱好者经历了美妙的葡萄酒旅程。

对于葡萄酒，郭校长也有自己的理解，“葡萄酒，是流动的历史，脱离了历史谈葡萄酒，是不完整的。葡萄酒能带给我们的，不仅仅是感官上的愉悦，还有思考上的快感。”

⑵ 谁有《图灵程序设计丛书 鲜活的数据 数据可视化指南-邱》电子书百度网盘资源下载

图灵程序设计丛书鲜活的数据数据可视化指南-邱链接：https://pan..com/s/14d3OzSZq8pP8_LwJu8ooFg

⑶ 如何入门大数据

大数据
数据科学并没有一个独立的学科体系，统计学，机器学习，数据挖掘，数据库，分布式计算，云计算，信息可视化等技术或方法来对付数据。
但从狭义上来看，我认为数据科学就是解决三个问题：
1. data pre-processing;(数据预处理）
2. data interpretation；（数据解读）
3.data modeling and analysis.（数据建模与分析）
这也就是我们做数据工作的三个大步骤：
1、原始数据要经过一连串收集、提取、清洗、整理等等的预处理过程，才能形成高质量的数据；
2、我们想看看数据“长什么样”，有什么特点和规律；
3、按照自己的需要，比如要对数据贴标签分类，或者预测，或者想要从大量复杂的数据中提取有价值的且不易发现的信息，都要对数据建模，得到output。
这三个步骤未必严谨，每个大步骤下面可能依问题的不同也会有不同的小步骤，但按我这几年的经验来看，按照这个大思路走，数据一般不会做跑偏。
这样看来，数据科学其实就是门复合型的技术，既然是技术就从编程语言谈起吧，为了简练，只说说R和Python。但既然是荐数据科学方面的书，我这里就不提R/Python编程基础之类的书了，直接上跟数据科学相关的。
R programming
如果只是想初步了解一下R语言已经R在数据分析方面的应用，那不妨就看看这两本：
R in action：我的R语言大数据101。其实对于一个没有任何编程基础的人来说，一开始就学这本书，学习曲线可能会比较陡峭。但如果配合上一些辅助材料，如官方发布的R basics（http://cran.r-project.org/doc/contrib/usingR.pdf），stackoverflow上有tag-R的问题集（Newest ‘r’ Questions），遇到复杂的问题可在上面搜索，总会找到解决方案的。这样一来，用这本书拿来入门学习也问题不大。而且这本书作者写得也比较轻松，紧贴实战。
Data analysis and graphics using R：使用R语言做数据分析的入门书。这本书的特点也是紧贴实战，没有过多地讲解统计学理论，所以喜欢通过情境应用来学习的人应该会喜欢这本入门书。而且这本书可读性比较强，也就是说哪怕你手头没电脑写不了代码，有事没事拿出这本书翻一翻，也能读得进去。
但如果你先用R来从事实实在在的数据工作，那么上面两本恐怕不够，还需要这些：
Modern applied statistics with S：这本书里统计学的理论就讲得比较多了，好处就是你可以用一本书既复习了统计学，又学了R语言。（S/Splus和R的关系就类似于Unix和Linux，所以用S教程学习R，一点问题都没有）
Data manipulation with R：这本书实务性很强，它教给你怎么从不同格式的原始数据文件里读取、清洗、转换、整合成高质量的数据。当然和任何一本注重实战的书一样，本书也有丰富的真实数据或模拟数据供你练习。对于真正从事数据处理工作的人来说，这本书的内容非常重要，因为对于任何研究，一项熟练的数据预处理技能可以帮你节省大量的时间和精力。否则，你的研究总是要等待你的数据。
R Graphics Cookbook：想用R做可视化，就用这本书吧。150多个recipes，足以帮你应付绝大多数类型的数据。以我现在极业余的可视化操作水平来看，R是最容易做出最漂亮的图表的工具了。
An introction to statistical learning with application in R：这本书算是着名的the element of statistical learning的姊妹篇，后者更注重统计（机器）学习的模型和算法，而前者所涉及的模型和算法原没有后者全面或深入，但却是用R来学习和应用机器学习的很好的入口。
A handbook of statistical analysis using R：这本书内容同样非常扎实，很多统计学的学生就是用这本书来学习用R来进行统计建模的。
Python
Think Python，Think Stats，Think Bayes：这是Allen B. Downey写的着名的Think X series三大卷。其实是三本精致的小册子，如果想快速地掌握Python在统计方面的操作，好好阅读这三本书，认真做习题，答案链接在书里有。这三本书学通了，就可以上手用Python进行基本的统计建模了。
Python For Data Analysis： 作者是pandas的主要开发者，也正是Pandas使Python能够像R一样拥有dataframe的功能，能够处理结构比较复杂的数据。这本书其实analysis讲得不多，说成数据处理应该更合适。掌握了这本书，处理各种糟心的数据就问题不大了。
Introction to Python for Econometrics, Statistics and Data Analysis：这本书第一章就告诉你要安装Numpy, Scipy, Matplotlib, Pandas, IPython等等。然后接下来的十好几章就是逐一介绍这几个库该怎么用。很全面，但读起来比较枯燥，可以用来当工具书。
Practical Data Analysis： 这本书挺奇葩，貌似很畅销，但作者把内容安排得东一榔头西一棒子，什么都讲一点，但一个都没讲透。这本书可以作为我们学习数据分析的一个索引，看到哪块内容有意思，就顺着它这个藤去摸更多的瓜。
Python Data Visualization Cookbook： 用Python做可视化的教材肯定不少，我看过的也就这一本，觉得还不错。其实这类书差别都不会很大，咬住一本啃下来就是王道。
Exploratory Data Analysis 和 Data Visualization
Exploratory Data Analysis：John Tukey写于1977年的经典老教材，是这一领域的开山之作。如今EDA已经是统计学里的重要一支，但当时还是有很多人对他的工作不屑一顾。可他爱数据，坚信数据可以以一种出人意料的方式呈现出来。正是他的努力，让数据可视化成为一门无比迷人的技术。但这本书不推荐阅读了，内容略过时。要想完整地了解EDA，推荐下一本：
Exploratory Data Analysis with MATLAB：这本书虽然标题带了个MATLAB，但实际上内容几乎没怎么讲MATLAB，只是每讲一个方法的时候就列出对应的MATALB函数。这本书的重要之处在于，这是我读过的讲EDA最系统的一本书，除了对visualization有不输于John Tucky的讲解外，对于高维的数据集，通过怎样的方法才能让我们从中找到潜在的pattern，这本书也做了详尽的讲解。全书所以案例都有对应的MATALB代码，而且还提供了GUI（图形用户界面）。所以这本书学起来还是相当轻松愉悦的。
Visualize This：中译本叫“鲜活的数据”，作者是个“超级数据迷”，建立了一个叫http://flowingdata.com的网页展示他的数据可视化作品，这本书告诉你该选择什么样的可视化工具，然后告诉你怎样visualize关系型数据、时间序列、空间数据等，最后你就可以用数据讲故事了。如果你只想感受一下数据可视化是个什么，可以直接点开下面这个链接感受下吧！A tour through the visualization zoo（A Tour Through the Visualization Zoo）
Machine Learning & Data Mining
这一块就不多说了，不是因为它不重要，而是因为它太太太重要。所以这一部分就推两本书，都是”世界名着“，都比较难读，需要一点点地啃。这两本书拿下，基本就算是登堂入室了。其实作为机器学习的延伸和深化，概率图模型（PGM）和深度学习（deep learning）同样值得研究，特别是后者现在简直火得不得了。但PGM偏难，啃K.Daphne那本大作实在太烧脑，也没必要，而且在数据领域的应用也不算很广。deep learning目前工业界的步子迈得比学术界的大，各个domain的应用如火如荼，但要有公认的好教材问世则还需时日，所以PGM和deep learning这两块就不荐书了。
The Element of Statistical Learning：要学机器学习，如果让我只推荐一本书，我就推荐这本巨着。Hastie、Tibshirani、Friedman这三位大牛写书写得太用心了，大厦建得够高够大，结构也非常严谨，而且很有前瞻性，纳入了很多前沿的内容，而不仅仅是一部综述性的教材。（图表也做得非常漂亮，应该是用R语言的ggplot2做的。）这本书注重讲解模型和算法本身，所以需要具备比较扎实的数理基础，啃起这本书来才不会太吃力。事实上掌握模型和算法的原理非常重要。机器学习（统计学习）的库现在已经非常丰富，即使你没有完全搞懂某个模型或算法的原理和过程，只要会用那几个库，机器学习也能做得下去。但你会发现你把数据代进去，效果永远都不好。但是，当你透彻地理解了模型和算法本身，你再调用那几个库的时候，心情是完全不一样的，效果也不一样。
Data Mining: Concepts and Techniques, by Jiawei Han and Micheline Kamber 数据挖掘的教材汗牛充栋，之所以推荐这本韩家炜爷爷的，是因为虽然他这本书的出发点是应用，但原理上的内容也一点没有落下，内容非常完整。而且紧跟时代，更新的很快，我看过的是第二版，就已经加进去了social network analysis这种当时的前沿内容。现在已经有第三版了，我还没看过，但应该也加入了不少新内容。其实这本书并不难读，只是篇幅较长，啃起来比较耗时。
其实这两本书里单拎出来一块内容可能又是几本书的节奏，比如bayesian方法，再拿出两三本书来讲也不为过，我个人用到的比较多，而且也确实有不少好书。但并非是所有data scientist都要用到，所以这一块就不再细说。
还有一些印象比较深刻的书：
Big Data Glossary： 主要讲解大数据处理技术及工具，内容涵盖了NoSQL，MapRece，Storage，Servers，NLP库与工具包，机器学习工具包，数据可视化工具包，数据清洗，序列化指南等等。总之，是一本辞典式的大数据入门指导。
Mining of Massive Datasets：这本书是斯坦福大学Web Mining的讲义，里面很多内容与韩家炜的Data Mining那本书重合，但这本书里详细地讲了MapRece的设计原理，PageRank（Google创业时期的核心排序算法，现在也在不断优化更新）讲解得也比较详细。
Developing Analytic Talent： 作者是个从事了十几年数据工作的geek，技术博客写得很有个人风格，写的内容都比较偏门，通常只有具备相关数据处理经验的人能体会出来，丝毫不照顾初学者的感受。比如他会谈到当数据流更新太快时该怎么办，或者MapRece在什么时候不好用的问题，才不管你懂不懂相关基础原理。所以这本书不太适合初学者阅读。这本书其实是作者的博客文章的集结，用how to become a data scientist的逻辑把他近几年的博客文章串联了起来。
Past, Present and Future of Statistical Science：这本书是由COPSS（统计学社主席委员会，由国际各大统计学会的带头人组成）在50周年出版的一本纪念册，里面有50位统计学家每人分别贡献出的一两篇文章，有的回忆了自己当年如何走上统计学这条路，有的探讨了一些统计学的根本问题，有的谈了谈自己在从事的前沿研究，有的则给年轻一代写下了寄语。非常有爱的一本书。
其它资料
Harvard Data Science：这是H大的Data science在线课，我没有修过，但口碑很好。这门课需要费用8千刀左右，比起华盛顿大学的4千刀的Data science在线课虽贵一倍，但比斯坦福的14千刀要便宜将近一半（而且斯坦福的更偏计算机）。如果想自学，早有好心人分享了slides: （https://drive.google.com/folderview?id=0BxYkKyLxfsNVd0xicUVDS1dIS0k&usp=sharing）和homeworks and solutions: （https://github.com/cs109/content）
PyData：PyData是来自各个domain的用Python做数据的人每年举行一次的聚会，期间会有各路牛人举行一些规模不大的seminar或workshop，有好心人已经把video上传到github，有兴趣的去认领吧（DataTau/datascience-anthology-pydata · GitHub）
工具
R/Python/MATLAB（必备）：如果是做数据分析和模型开发，以我的观察来看，使用这三种工具的最多。R生来就是一个统计学家开发的软件，所做的事也自然围绕统计学展开。MATLAB虽然算不上是个专业的数据分析工具，但因为很多人不是专业做数据的，做数据还是为了自己的domain expertise（特别是科学计算、信号处理等），而MATLAB又是个强大无比的Domain expertise工具，所以很多人也就顺带让MATLAB也承担了数据处理的工作，虽然它有时候显得效率不高。Python虽然不是做数据分析的专业软件，但作为一个面向对象的高级动态语言，其开源的生态使Python拥有无比丰富的库，Numpy, Scipy 实现了矩阵运算/科学计算，相当于实现了MATLAB的功能，Pandas又使Python能够像R一样处理dataframe，scikit-learn又实现了机器学习。
SQL（必备）：虽然现在人们都说传统的关系型数据库如Oracle、MySQL越来越无法适应大数据的发展，但对于很多人来说，他们每天都有处理数据的需要，但可能一辈子都没机会接触TB级的数据。不管怎么说，不论是用关系型还是非关系型数据库，SQL语言是必须要掌握的技能，用什么数据库视具体情况而定。
MongoDB（可选）：目前最受欢迎的非关系型数据库NoSQL之一，不少人认为MongoDB完全可以取代mySQL。确实MongoDB方便易用，扩展性强，Web2.0时代的必需品。
Hadoop/Spark/Storm（可选）: MapRece是当前最着名也是运用最广泛的分布式计算框架，由Google建立。Hadoop/Spark/storm都是基于MapRece的框架建立起来的分布式计算系统，要说他们之间的区别就是，Hadoop用硬盘存储数据，Spark用内存存储数据，Storm只接受实时数据流而不存储数据。一言以蔽之，如果数据是离线的，如果数据比较复杂且对处理速度要求一般，就Hadoop，如果要速度，就Spark，如果数据是在线的实时的流数据，就Storm。
OpenRefine（可选）：Google开发的一个易于操作的数据清洗工具，可以实现一些基本的清洗功能。
Tableau（可选）：一个可交互的数据可视化工具，操作简单，开箱即用。而且图表都设计得非常漂亮。专业版1999美刀，终身使用。媒体和公关方面用得比较多。
Gephi（可选）：跟Tableau类似，都是那种可交互的可视化工具，不需要编程基础，生成的图表在美学和设计上也是花了心血的。更擅长复杂网络的可视化。

⑷ 求推荐几本互联网行业书籍

a.行业了解
《沸腾十五年》
《浪潮之巅》
《互联网之达芬奇密码》
《不一样的平台，移动互联网时代的商业模式创新》
《电商的战国》
《我看电商》
《改变中国互联网未来的六大力量》
《信息规则 ：网络经济的策略指导》
《超级数字天才：为什么用数字思考是变聪明的新方法》

b.产品了解
《人人都是产品经理》
《结网》
《设计沟通十器》
《产品经理手册》
《神一样的产品经理》
《启示录》
《软件工程：实践者的研究方法》
《手机研发流程与质量管理》

c.交互设计、用户体验
《About Face3交互设计精髓 》
《触动人心》
《SNS网站构建》
《社交网站界面设计》
《web信息架构，设计大型网站》
《web导航设计》
《web设计禁忌》
《移动应用UI设计模式》
筑巢引凤、简约至上、见微知着
《yes 产品经理》

d.创业数据，理解商业思维
《精益创业》
《精益创业实战》
《创业四步法》这本书早于《精益创业》）《创业者圣经》
《丰田汽车案例：精益制造的14项管理原则》
《创业三十六条军规》
《精益六西格玛-精益生产与六西格玛的完美整合》
《平台战略》
《电子商务管理视角》
《营销管理》
《运营管理》（这里的运营是企业运营管理的意思）
《项目管理知识体系指南》
《量化，大数据时代的企业管理》
2.消得人憔悴：依据所处职位的职责，寻求最优解决之道

a.数据分析
基础书籍：
《网站分析基础教程》
《网站分析实战：如何以数据驱动决策，提升网站价值》
《流量的秘密:Google Analytics网站分析与优化技巧》第二版
技能进阶：
《精通Web Analytics 2.0：用户中心科学与在线统计艺术》
数据呈现：
《谁说菜鸟不会数据分析》2013最新版
《Excel商务图表应用与技巧108例（双色版）》
《鲜活的数据：数据可视化指南》
拓展训练：
《大数据时代》
《R语言实战》
具体主题分析
搜索《精通搜索分析》
淘宝《玩法变了:淘宝卖家运赢弱品牌时代》
社交网站《社交网站的数据挖掘与分析》（懂技术才能读）
性能优化（粗读）
《构建高性能web站点》
《网站性能监测与优化》
《大规模web服务开发技术》
《高性能网站建设进阶指南》
b.流量（用户推广）
网络营销
《锦囊妙计，网站推广101招》《网络营销推广实战宝典》问题查找即可
《正在爆发的营销革命-社会化网络营销指南》
《湿营销》
《行动的召唤》《等待猫吠》
《SEO实战密码》《SEO艺术》
《搜索引擎营销-网站流量大提速》
《搜索引擎优化：每天一小时》《搜索引擎优化宝典》
内容营销
《内容营销，网络营销的杀手级武器》
c.留存
内容
《胜于言传：网站内容制胜宝典》
《与五十位主编面对面》
《web内容策略指南》
活动
《商品促销实战技巧一本全》
d.转化
《网站转化率优化之道》
《数据掘金，电子商务运营突围》
《landing page优化权威指南》
《淘宝卖家秘笈》
《提高转化率! : 网页A/B测试与多变量测试实战指南》
《啤酒与尿布》
《顾客为什么购买》
三、社区运营：《裸猿》、《人类动物园》和《亲密行为》社区机制
用户行为：《会赚钱的行为经济学》《流行性物欲症》《后物欲时代的来临》
广告策划：《广告武林秘笈》《广告文案传真》《大量流出》
商业：《商战》《战争论》
值得精度的书：
《数据化管理》
《超级富豪就是超级创意》
《数据挖掘与数据化运营实战》
《精益创业实战》
《数据分析，企业的贤内助》
《微力无边》
《淘宝产品十年事》
《推荐系统实践》
《设计搜索体验》
《深入理解网站优化》
《腾讯方法 : 一个市值1500亿美元公司的产品真经》
《颠覆式创新：移动互联网时代的生存法则》
《从门外汉到BAT产品经理有多远》
《缔造企鹅 : 产品经理是这样炼成的》
《九败一胜 : 美团创始人王兴创业十年》
《第二次机器革命 : 数字化技术将如何改变我们的经济与社会》
《参与感 : 小米口碑营销内部手册》
《周鸿祎自述 : 我的互联网方法论》
《再看电商》
《新经济，新规则》
《社交红利（修订升级版）》
《互联网创业原创精品-互联网创业密码》
《风吹江南之互联网金融》
《谷歌和亚马逊如何做产品》
《数据之巅:大数据革命》
《微管理》
《O2O进化论: 数据商业时代的全景图》
《互联网思维的企业》
《有的放矢:NISI创业指南》
《翻转课堂的可汗学院:互联时代的教育革命》
《硅谷百年史:伟大的科技创新与创业历程(1900-2013)》
《创业时, 我们在知乎聊什么?》
《孵化Twitter:从蛮荒到IPO的狂野旅程》

⑸ 数据可视化的优秀入门书籍有哪些

个人感觉国内可能还比较少，可以看下Julie Steele的数据可视化之美 (豆瓣)，里面有一些经典案例的介绍，可作入门；
另外向怡宁翻译的鲜活的数据 (豆瓣)也值得一看，关键是介绍了数据可视化处理的具体过程，而且向怡宁翻译的书一向通俗易懂，他翻译的有关交互设计的就这么简单 (豆瓣)其实也是一本和信息设计有关系的书籍，行文风趣，作为入门比较合适。
另外涂子沛的大数据 (豆瓣)也值得一看，虽然这里介绍的主要是时代发展和大背景，但也有一章专门涉及数据可视化处理。

2013年6月时，浙大的陈为老师出了本数据可视化的教材，算是在国内第一本数据可视化教材，并系统地把数据可视化相关都做了梳理，看到有人也提到了这全彩略贵的书，数据可视化 (豆瓣)；如果嫌贵，可以买这本教材：数据可视化的基本原理与方法 (豆瓣)，都是陈为的书，内容基本一样，入门是够了。

国外的能推荐的多些，
Edward Tufte不用说了，有人说他的书是“信息设计的圣经”，他的The Visual Display of Quantitative Information (豆瓣)应该是入门必看了，公认的开山之作。不过目前还没有中译本，看完基本上可以了解数据可视化的前世今生了；
他还有一个华人学生，在美国报社工作，专门负责数据图表的设计制作，也出了一本相关的书，很棒，Dona M.Wong，她写的书现在已经有中译本了：最简单的图形与最复杂的信息 (豆瓣) 主要侧重于对数据图表的修饰、完善，讲解了一些处理数据图表的基本原则，实操性很强。
Edward R.Tufte的其他书：
Visual Explanations (豆瓣)，Beautiful Evidence (豆瓣) 都可以在网上找到pdf全本。
另外除了书，还推荐一个国外老头：Hans Rosling，他是瑞典卡罗琳学院全球公共卫生教授，有关他利用数据可视化显示200多个国家200年来的人均寿命和经济发展的ted视频非常火，真是数据可视化的魅力，他的其他视频也很棒（TED | Search），本人非常幽默，由他主持的BBC纪录片[BBC：统计学的快乐]也值得一看，这些都是初步了解数据可视化的好材料。

总之，个人感觉数据可视化除了具有优秀的美术功底外，统计学知识也是重要部分，毕竟数据的展现和设计都是建立在对数据的获取、清洗、处理、挖掘的基础上的。
转载

⑹ 《读库0703》pdf下载在线阅读，求百度网盘云资源

《读库0703》（张立宪）电子书网盘下载免费在线阅读

链接：https://pan..com/s/1aCab-oLriRE5Yt3Me6xBZQ

书名：读库0703

作者：张立宪

豆瓣评分：7.9

出版社：新星出版社

出版年份：2007-7

页数：317

内容简介：

《半世沧桑》为一位普通老人撰写的回忆录。他是一位国民党军官，经历了抗战和内战阶段，他以自己的亲身经历和个人视角，描绘了那段动荡不安的岁月。正如他的儿子杨运在《父亲的个人史》中所说：“站在民间的立场，争取民间的话语权，倾听普通人的声音，感受普通人的感情。这样的历史才是鲜活的，完整的，可亲的。”

作者简介：

张立宪，着名出版人，现居北京。曾任现代出版社副总编辑，策划过《大话西游宝典》、《独立精神》等，并出版有个人着作《记忆碎片》。其06年凭一己之力推出的《读库》系列被誉为近年来“MOOK出版潮流中最具含金量的一本杂志书”，成为很多精英知识分子和爱书家们收藏的“私房书”。

⑺ 数据可视化的优秀入门书籍有哪些

Julie Steele的数据可视化之美 ，里面有一些经典案例的介绍，可作入门；

另外向怡宁翻译的鲜活的数据，也值得一看，关键是介绍了数据可视化处理的具体过程，而且向怡宁翻译的书一向通俗易懂，他翻译的有关交互设计的就这么简单 其实也是一本和信息设计有关系的书籍，行文风趣，作为入门比较合适。
另外涂子沛的大数据 也值得一看，虽然这里介绍的主要是时代发展和大背景，但也有一章专门涉及数据可视化处理。

2013年6月时，浙大的陈为老师出了本数据可视化的教材，算是在国内第一本数据可视化教材，并系统地把数据可视化相关都做了梳理，看到有人也提到了这全彩略贵的书，数据可视化 ；如果嫌贵，可以买这本教材：数据可视化的基本原理与方法 ，都是陈为的书，内容基本一样，入门是够了。

国外的能推荐的多些，
Edward Tufte不用说了，有人说他的书是“信息设计的圣经”，他的The Visual Display of Quantitative Information 应该是入门必看了，公认的开山之作。不过目前还没有中译本，看完基本上可以了解数据可视化的前世今生了；
他还有一个华人学生，在美国报社工作，专门负责数据图表的设计制作，也出了一本相关的书，很棒，Dona M.Wong，她写的书现在已经有中译本了：最简单的图形与最复杂的信息 ， 主要侧重于对数据图表的修饰、完善，讲解了一些处理数据图表的基本原则，实操性很强。
Edward R.Tufte的其他书：
Visual Explanations ，Beautiful Evidence 都可以在网上找到pdf全本。
另外除了书，还推荐一个国外老头：Hans Rosling，他是瑞典卡罗琳学院全球公共卫生教授，有关他利用数据可视化显示200多个国家200年来的人均寿命和经济发展的ted视频非常火，真是数据可视化的魅力，他的其他视频也很棒（TED | Search），本人非常幽默，由他主持的BBC纪录片[BBC：统计学的快乐]也值得一看，这些都是初步了解数据可视化的好材料。

⑻ 《社会研究方法第10版》pdf下载在线阅读，求百度网盘云资源

《社会研究方法》（艾尔·巴比（Earl R. Babbie））电子书网盘下载免费在线阅读

资源链接：

链接：https://pan..com/s/1rZjkOHVgeSehqJZgs5CUyw

书名：社会研究方法

作者：艾尔·巴比（Earl R. Babbie）

译者：邱泽奇

豆瓣评分：9.2

出版社：清华大学出版社

出版年份：2020-4

内容简介：

《社会研究方法（第13版）/悦·读人生》是美国大学通用的社会学教材，被译成多国文字，是一本具有世界声誉的经典之作，1975年初版刚一面世即引起学术界关注。

《社会研究方法（第13版）/悦·读人生》广泛的讨论范围、严密的论述，从社会理论的基本范式到学科报告的撰写，从社会研究的基本概念到各种复杂的技术方法，深入浅出，循序渐进，既适合专门研究人员，也是其他相关学科研究人员的必备参考书。

《社会研究方法（第13版）/悦·读人生》中包含了大量图表和鲜活案例，同时吸纳社会研究的新理论和方法，并附有详细的参考书目，为教学和研究提供了极大的便利。

作者简介：

艾尔·巴比（Earl R.Babbie），美国着名社会学家。毕业于哈佛大学，后应征加入美国海军陆战队。在获得加州大学伯克利分校博士学位后开始了社会学教学工作，并着有包括畅销教材《社会研究方法》在内的多部着作。

邱泽奇，社会学博士，北京大学社会学系教授，北京大学中国社会与发展研究中心主任（2004-），北京大学中国社会科学调查中心创办主任（2006-2011），中国家庭（动态）跟踪调查（CFPS）”设计、试调查（2008）、首轮调查（2010）的组织者，首任PI组组长。1986年进入社会学领域从事教学与科研工作，师从费孝通先生。主要研究领域：组织社会学（信息技术应用与社会变迁），社会调查与研究方法，社会项目评估。

⑼ 《深入浅出统计学》pdf下载在线阅读，求百度网盘云资源

《深入浅出统计学》（Dawn Griffiths）电子书网盘下载免费在线阅读

资源链接：

链接：https://pan..com/s/1cIx5iNBRAPCpoYM8B32z_g

书名：深入浅出统计学

作者：Dawn Griffiths

译者：李芳

豆瓣评分：9.1

出版社：电子工业出版社

出版年份：2018-4

页数：720

内容简介：

《深入浅出统计学》具有“深入浅出”系列的一贯特色，提供符合直觉的理解方式，让统计理论的学习既有趣又自然。从应对考试到解决实际问题，无论你是学生还是数据分析师，都能从中受益。本书涵盖的知识点包括：信息可视化、概率计算、几何分布、二项分布及泊松分布、正态分布、统计抽样、置信区间的构建、假设检验、卡方分布、相关与回归等等，完整涵盖AP考试范围。本书运用充满互动性的真实世界情节，教给你有关这门学科的所有基础，为这个枯燥领域的学习带来鲜活的乐趣，不仅让你充分掌握统计学的要义，更会告诉你如何将统计理论应用到日常生活中。

作者简介：

道恩·格里菲思（Dawn Griffiths）以数学家的身份在一所英国大学开始读书生活，曾获得数学专业一级荣誉学位。可是，当她意识到人们在聚会上不愿意与她谈话时，就拒绝了一份研究极为罕见的微分方程的博士奖学金，转而从事软件开发事业。目前她集IT咨询、写作及数学研究于一身。

⑽ 哪位大神有《鲜活的数据：数据可视化指南》电子版书籍百度云盘下载

图灵程序设计丛书•鲜活的数据_数据可视化指南-邱(NathanYau)-2019更新.mobi

链接:https://pan..com/s/1O8iB9Rybjtnup8raQYho3Q