具体描述
《图分析与可视化:在关联数据中发现商业机会》通过详细的示例、样本数据集、代码和全彩图片，说明了如何：为每个问题使用合适类型的图；快速、高效且正确地收集、清洗和组织数据；为高可读性设置可视化格式，而不损失精确性；掌握允许更深入地探索和解释数据的工具；使用少量轻量级编程创建自定义可视化；选择有效的图分析技术来从数据中提取出最多信息；使用高级的可视化技术，包括动态图、大数据工具和查询。
作者简介
Richard Brath是数据可视化的积极实践者和先行者，其视觉分析的研究、设计与开发不仅涉及研究领域还用于商业领域。他创建的解决方案范围很广，从用于移动设备中丰富的交互式可视化，到用于商业应用的多点触控、多屏幕装置以及基于Web的可视化分析，涉及的应用领域也很广，如贸易、职业体育和广播电视等，每天都有成千上万的人使用。
David Jonker是Uncharted（原来的Oculus Info Inc）公司的联合创始人和高级合伙人。他是一名设计师和开发人员，为基于Web的、分布式的、移动的应用设计可视化分析工具和平台。他在过去20多年做了大量可视化工作，其中包括位于时代广场NASDAQ MarketSite实时广播中心的可视化系统。目前，他是DARPA XDATA项目的带头人。Jonker和Brath是商业合作伙伴，两个人也经常在领先的行业及研究论坛上发表演讲，进行展示。
目录信息
作者简介
第Ⅰ部分概述
第1章为什么使用图2
1.1商业中的可视化3
1.2商业中的图4
1.2.1找出反常现象5
1.2.2管理网络和供应链7
1.2.3辨别风险模式9
1.2.4优化资产组合11
1.2.5绘制社会等级分层图13
1.2.6发现社区15
1.3图的现状16
1.4小结17
第2章图的类型及其适用的问题18
2.1关系18
2.2分层21
2.3社区23
2.4流27
2.5空间网络30
2.6小结32
第Ⅱ部分过程和工具
第3章数据：收集、清洗和连接35
3.1了解目标35
3.2收集：识别数据35
3.2.1潜在的图数据源36
3.2.2潜在的分层数据源41
3.2.3获取数据43
3.3清洗：准备数据44
3.4连接：组织图数据45
3.4.1计算图46
3.4.2图数据的文件格式48
3.5集中回顾54
3.6小结54
第4章统计数据和布局55
4.1基本的图统计数据55
4.1.1大小（节点数和边数）55
4.1.2密度56
4.1.3成分数56
4.1.4度和路径56
4.1.5中心度58
4.1.6病毒式营销示例59
4.2布局60
4.2.1节点–连接布局60
4.2.2其他布局61
4.2.3力导向布局62
4.2.4仅节点布局66
4.2.5时间布局67
4.2.6自顶向下和其他正交分层68
4.2.7辐射状分层71
4.2.8地理布局和地图72
4.2.9弦图74
4.2.10邻接矩阵74
4.2.11树图76
4.2.12分层饼图76
4.2.13平行坐标77
4.3集中回顾79
4.4小结79
第5章视觉特性80
5.1基本视觉特性81
5.2关键的节点特性82
5.2.1节点大小82
5.2.2节点颜色84
5.2.3标签87
5.3关键的边特性91
5.3.1边的权重91
5.3.2边的颜色91
5.3.3边的类型92
5.4组合基本特性93
5.5捆绑、形状、图片及更多94
5.5.1捆绑边94
5.5.2形状95
5.5.3节点图片95
5.5.4节点边框96
5.5.5更多特性97
5.5.6干扰与分隔97
5.6集中回顾101
5.7小结101
第6章探索和解释102
6.1探索、解释和导出102
6.2必要的探索性交互104
6.2.1缩放和摇动（以及比例缩放和旋转）105
6.2.2识别106
6.2.3过滤器107
6.2.4隔离和重做布局109
6.3更多交互式探索110
6.3.1识别邻近节点111
6.3.2路径111
6.3.3删除112
6.3.4分组112
6.3.5迭代分析114
6.4解释114
6.4.1数据故事的顺序115
6.4.2图例116
6.4.3注释116
6.4.4导出数据子集、图和图片118
6.5集中回顾119
6.6小结120
第7章鼠标点击类图工具121
7.1Excel121
7.1.1汇总连接122
7.1.2提取节点122
7.1.3Excel中的邻接矩阵可视化123
7.2NodeXL125
7.2.1NodeXL基础125
7.2.2社交网络功能127
7.3Gephi129
7.3.1Gephi基础129
7.3.2注意事项131
7.4Cytoscape133
7.4.1Cytoscape基础133
7.4.2将数据导入Cytoscape134
7.4.3视觉特性135
7.4.4Apps菜单139
7.5yEd139
7.6小结141
第8章轻量级编程143
8.1Python143
8.1.1上手143
8.1.2清洗数据144
8.1.3从连接数据集中提取节点集合145
8.1.4将电子邮件数据转换为图149
8.1.5图数据库154
8.2JavaScript与图的可视化155
8.2.1D3基础155
8.2.2D3和图160
8.2.3D3弹簧图169
8.3小结174
第Ⅲ部分图的可视化分析
第9章关系176
9.1连接和关系176
9.1.1诈骗索赔中的相似性177
9.1.2网络安全179
9.2电子邮件关系181
空间分隔181
9.3演员与电影184
9.4将连接转换为节点186
9.5小结188
第10章分层189
10.1组织结构图189
10.2树与图191
10.3绘制分层193
10.4决策树198
10.5网站树及有效性200
10.6小结203
第11章社区204
11.1社区的定义特征205
11.2图聚类205
11.2.1社交网络案例分析206
11.2.2使用NodeXL和Gephi分析社交媒体206
11.2.3可聚类的布局208
11.2.4使用颜色描述簇的特征210
11.2.5社区发现211
11.2.6使用颜色来区分簇212
11.2.7社区话题分析214
11.2.8社区情感216
11.3团伙和其他组219
11.3.1社交媒体中的团伙220
11.3.2使用凸包的社区组220
11.4小结223
第12章流224
12.1桑基图225
12.2构造一个桑基图229
12.2.1创建页面结构229
12.2.2处理和建模数据230
12.2.3可视化数据231
12.2.4高亮显示通过节点的流233
12.3使用流的社区布局235
12.4弦图237
12.5构造一个弦图238
12.5.1准备数据238
12.5.2创建页面结构239
12.5.3处理和建模数据240
12.5.4可视化数据243
12.5.5根据需要显示交互细节247
12.6行为因子树248
12.7小结249
第13章空间网络250
13.1示意图布局250
13.2小世界分组255
13.3连接玫瑰汇总255
13.4路线模式263
13.4.1可视化路线段264
13.4.2轨迹聚合267
13.5小结268
第Ⅳ部分高级技术
第14章大数据270
14.1图数据库271
14.1.1产品营销示例271
14.1.2创建和填充一个图数据库273
14.2图查询语言275
14.2.1使用Gremlin进行图查询276
14.2.2使用图查询来提取邻域278
14.3分析邻域281
14.4绘制网络活动287
14.5社区可视化289
14.6小结290
第15章动态图291
15.1图的变化291
15.1.1有机动画292
15.1.2完整时间跨度布局293
15.1.3重影295
15.1.4淡出296
15.1.5社区演化297
15.2交易图298
15.2.1聚类交易分析299
15.2.2空间交易分析304
15.3小结305
第16章设计307
16.1节点307
16.1.1节点的形状308
16.1.2节点大小313
16.1.3节点标签314
16.2连接314
16.3颜色318
16.4小结320
图论术语表322
· · · · · · (收起)
读后感
用户评价
我是一名数据分析师，日常工作中经常需要处理各种来源的数据，并从中提取有价值的业务洞察。《图分析与可视化》这个书名，立刻引起了我的注意，因为我发现很多时候，我们遇到的业务问题本质上都是关于“关系”的问题，比如客户之间的关联、产品之间的搭配、供应链的环节等等。我希望这本书能够提供一套系统性的方法论，指导我如何将这些“关系”数据有效地转化为图模型，并利用图分析技术来解决实际的业务问题。例如，我希望能学习到如何构建不同类型的图，如社交关系图、知识图谱、地理空间图等，并掌握相应的图分析算法，例如中心性分析、社群发现、路径分析等，来识别关键节点、发现潜在的联系、优化资源配置等等。更重要的是，我期望书中在“可视化”方面能够提供一些实用的指导，让我能够将复杂的图分析结果转化为清晰、易于理解的图表，有效地向业务部门沟通我的发现，并支持他们的决策。我希望能通过这本书，将我从一个单纯的数据呈现者，转变为一个能够深入挖掘数据价值，并能够清晰地向他人传达复杂分析结果的数据洞察者。
评分这本书的书名叫做《图分析与可视化》，听起来就非常吸引人。我一直在寻找能够帮助我更好地理解数据之间复杂关系的书籍，而“图”这个概念恰恰是我一直在探索的。我希望这本书能够深入浅出地介绍图论的基础知识，让我明白为什么图这种数据结构如此强大，以及它在现实世界中究竟能解决哪些问题。例如，在社交网络分析中，如何利用图来发现社区、预测用户行为；在生物信息学中，图又如何帮助我们理解基因之间的相互作用；甚至在交通规划、推荐系统等领域，图的应用也是层出不穷。我特别期待书中能够有丰富的案例研究，能够让我看到理论是如何应用于实践的，并且希望这些案例能够涵盖不同行业和领域，拓宽我的视野。同时，关于“可视化”，这是我非常看重的一点。我认为，再复杂的分析，如果不能以直观的方式呈现出来，就很难被理解和接受。所以我希望书中能够讲解各种图的可视化技术，从基础的节点连线图，到更复杂的力导向图、层级图，甚至是交互式可视化方法，能够让我学习如何选择最合适的图示来表达分析结果，让数据“说话”。我希望这本书不仅能让我学到知识，还能激发我对图分析与可视化领域的兴趣，让我想要进一步深入研究。
评分《图分析与可视化》这个书名，让我联想到最近在学习一些关于网络科学的入门知识。我被图这种数据结构的优雅和强大所深深吸引，感觉它能非常直观地描述事物之间的关系，而这种关系在很多复杂的系统中都至关重要。我一直觉得，要真正理解一个系统，仅仅关注孤立的个体是不够的，更重要的是要理解这些个体之间是如何相互连接、相互影响的。我希望这本书能够在这个基础上，提供更深入的理论指导和实践方法。比如，书中是否会介绍各种经典的图算法，像PageRank、最短路径算法、社区发现算法等等，并解释它们背后的数学原理和适用场景？我非常想知道，这些算法是如何在实际应用中帮助我们揭示事物隐藏的规律的。另外，关于“可视化”这部分，我期望它能够不仅仅停留在展示节点和边，而是能够深入探讨如何通过可视化来传达更复杂的信息，比如图的动态演化、多维度的图属性展示，甚至是一些交互式的探索工具，让我能够像玩游戏一样去探索数据。我希望这本书能够让我不仅掌握“做什么”，更能明白“为什么这么做”，从而成为一个真正理解和运用图分析的行家。
评分这本书的题目《图分析与可视化》让我想到了最近工作中遇到的一个棘手问题。我们有一个庞大的用户行为日志，里面记录了用户在各个页面之间的跳转、点击以及停留时间等信息。这些数据量巨大，而且关联性很强，我们很难从传统的表格化数据中挖掘出有价值的洞察。我一直在思考，是否有一种方法能够将这些零散的用户行为串联起来，形成一个可视化的网络，从而更容易地发现用户流失的瓶颈、热门的浏览路径，甚至是一些潜在的营销机会。当我看到这本书的名字时，我立刻就觉得它可能就是我一直在寻找的解决方案。我希望这本书能够系统地介绍如何将这类离散的用户行为数据转化为图结构，并提供一套完整的分析流程。这包括如何定义图的节点（例如用户、页面、产品）和边（例如用户访问、点击、购买），以及如何提取有意义的特征。更重要的是，我希望能学习到如何使用各种算法来分析这个用户行为图，例如寻找关键用户、识别用户画像、预测用户下一步行为等。而且，关于可视化，我希望它能够提供一些实用的技巧和工具，让我能够清晰地展示这些分析结果，比如用户行为路径图、热点页面分析图等等，能够让团队成员一目了然地理解用户行为的模式。
评分最近我对人工智能和机器学习领域产生了浓厚的兴趣，特别是那些能够处理非结构化或半结构化数据的技术。《图分析与可视化》这个书名，恰好触及了我认为在AI领域一个非常重要但又常常被忽视的方面。很多AI模型，比如深度学习，在处理表格数据上表现出色，但在处理具有复杂拓扑结构的数据时，可能就显得力不从心。我非常希望这本书能够填补这方面的知识空白，让我了解图神经网络（GNN）等技术是如何工作的，以及它们如何在各种AI应用中发挥作用，例如在推荐系统、自然语言处理、计算机视觉等方面。我希望书中能够详细讲解如何构建图、如何定义图的特征，以及如何应用各种图学习算法来解决实际问题。特别是我期待的“可视化”部分，我希望它能够指导我如何将这些复杂的图结构和GNN模型的学习过程可视化，比如可视化图的嵌入向量、可视化节点之间的连接强度、可视化模型的注意力机制等等，这样我才能更直观地理解模型是如何学习和做出预测的。这本书的出现，让我觉得能够更好地理解AI的底层逻辑，并为开发更强大的AI应用打下基础。
评分2016年本書剛出版時候因為某種原因在挺大的羞辱下被贈書，至今難忘。本書作可視化入門手冊合適，不能稱之為教材。可視化給我感覺一個是挺燒錢的東西，有錢就能用好軟件做出好效果，另一個是支撐的數據從哪來，怎麽用，其實是個挺值得關註的問題:^)至於工業界我不妄加評論，學生的話搞了可視化別以為自己厲害了，還是要註重基礎學習啊:^)
评分#2019.90# 书很详细介绍了相关基础，简直可以做一款图分析软件出来。但是啊，我好奇书中隐晦提到的商业分析案例啊，怎么用图分析在金融安全等领域做东西啊
评分为在不同场景中如何可视化图谱关系提供了全面详细的指导
评分为在不同场景中如何可视化图谱关系提供了全面详细的指导
评分图倒是挺美的
