《Excel数据之美》主要介绍基于Excel 2016的科学专业图表和商业图表的绘制方法，首次引入R ggplot2, Python Seaborn, Tableau, D3.js, Matlab 2015, Origin等绘图软件的图表风格与配色方案，在无需编程的情况下，就能实现这些软件的图表风格；同时对比并总结了《华尔街日报》、《商业周刊》、《经济学人》等商业经典杂志的图表风格。在详细地介绍散点图、柱形图、面积图、雷达图等基本图表的基础上，同时增加介绍了Excel 2016新增的图表、Excel 加载项Map Power (地图绘制功能)和E2D3等的使用方法。特别需要说明的是，作者独立开发了一款与本书配套使用的Excel 插件EasyCharts，可以实现颜色拾取、数据拾取、图像截取、图表风格美化、新型图表绘制、数据分析与可视化等功能。 书籍配套Excel源文件Github:
https://github.com/Easy-Shu/Excel-Chart-Plugin-EasyCharts
《Python数据可视化之美》主要介绍如何使用python中的matplotlib、seaborn、plotnine、basemap等包绘制专业图表。本书先介绍了python语言编程基础知识，以及使用numpy和pandas两个包的数据操作方法；再对比了matplotlib、seaborn和plotnine三个包的图形语法。本书系统性地介绍了使用matplotlib、seaborn和plotnine绘制类别对比型、数据关系型、时间序列型、整体局部型、地理空间型等常见的二维和三维图表的绘制方法。另外，本书也介绍了商业图表与学术图表的规范与差异，以及如何使用matplotlib包绘制HTML交互页面动画。书籍配套代码Github：https://github.com/Easy-Shu/Beautiful-Visualization-with-python
本书所用python版本为：3.7.1；图表绘制包matplotlib、seaborn、plotnine、geoplot和geopandas的版本分别为：3.0.2、0.9.0、0.5.1、0.3.2和0.4.1；数据处理包numpy和pandas的版本分别为：1.15.4和0.23.4。
python作为免费的开源软件，数据分析与可视化的包更新迭代很快，这是它的优势。但是有时候有些代码运行可能会由于python及其包版本的更新，而出现函数弃用（deprecated）的情况。此时，需要自己更新代码，使用新的函数替代原有的函数。
《R语言数据可视化之美》主要介绍使用R中的ggplot2包及其拓展包绘制专业图表的方法。本书先介绍了R语言编程基础知识，以及使用dplyr、tidyr、reshape2等包的数据操作方法；再对比了base、lattice和ggplot2包的图形语法。本书首次系统性地介绍了使用ggplot2包及其拓展包绘制类别对比型、数据关系型、时间序列型、整体局部型等常见的二维图表的方法，以及使用plot3D包绘制三维图表（包括三维散点图、柱形图和曲面图等）的方法。另外，本书也首次介绍了论文中学术图表的图表配色、规范格式等相关技能与知识。书籍配套代码Github：
https://github.com/Easy-Shu/Beautiful-Visualization-with-R
本书所用R版本为：3.3.3。R作为开源免费的软件，数据分析与可视化的包更新迭代很快，这是它的优势。但是有时候有些代码运行可能会由于R或者R包版本的更新，而出现函数弃用（deprecated）的情况。此时，需要自己更新代码，使用新的函数替代原有的函数等。
若有收获，就点个赞吧
0 人点赞
