本书是大数据新兴领域“十四五”高等教育教材。全书共10章，包含大数据可视化简介、可视化模型与工具、可视化基础、可视化图表与交互、多变量及高维数据可视化、层次和网络数据可视化、标/矢/张量场可视化、文本数据可视化、叙事可视化、大数据交互式可视分析等内容。各章均配有大量可视化案例，并辅以公式讲解，为读者掌握大数据可视化相关知识提供有力支持。

本书既可作为高等学校大数据和计算机类相关专业本科生、研究生的教材，也可供相关领域的研究人员和技术开发人员参考。

前辅文
第1章 大数据可视化简介
  1.1 大数据可视化与交互式探索分析
   1.1.1 大数据
   1.1.2 大数据可视化
   1.1.3 大数据交互式探索分析
  1.2 数据可视化历史
   1.2.1 早期数据可视化
   1.2.2 数字时代的可视化
   1.2.3 人工智能时代的可视化
  1.3 大数据可视化学科发展
   1.3.1 科学可视化
   1.3.2 信息可视化
   1.3.3 可视分析
  1.4 大数据可视化研究机遇与挑战
   1.4.1 数据规模与复杂性
   1.4.2 智能模型方法
   1.4.3 用户感知与认知
   1.4.4 新型显示设备
   1.4.5 多学科交叉
第2章 可视化模型与工具
  2.1 可视化基础模型
   2.1.1 数据可视化基本流程
   2.1.2 数据可视化主流模型
  2.2 交互式大数据可视化模型
   2.2.1 交互式大数据可视化基本流程
   2.2.2 交互式大数据可视化性能优化
  2.3 可视化模型实践
   2.3.1 交互式大数据可视化工具
   2.3.2 基于Libra的可视化模型实践
第3章 可视化基础
  3.1 可视化中的数据
   3.1.1 数据属性
   3.1.2 结构化与非结构化数据
   3.1.3 定性数据与定量数据
  3.2 视觉编码概述
   3.2.1 视觉编码元素
   3.2.2 视觉编码映射
   3.2.3 视觉编码设计准则
  3.3 图形感知
   3.3.1 前向注意力
   3.3.2 格式塔理论
   3.3.3 变化盲区
  3.4 可视化设计准则
   3.4.1 数据墨水与数据图表设计
   3.4.2 减少无用的图表装饰
   3.4.3 多功能图形元素
   3.4.4 数据图表设计中的美学与技术
  3.5 可视化中的色彩设计
   3.5.1 色彩感知理论及计算模型
   3.5.2 色彩认知及计算模型
   3.5.3 智能色彩设计
  3.6 可视化评估
第4章 可视化图表与交互
  4.1 可视化基础图表
   4.1.1 基础数据绘图
   4.1.2 简单统计值标绘
   4.1.3 多视图协调关联
  4.2 可视化中的交互技术
   4.2.1 可视化中的交互基本概念
   4.2.2 可视化中的交互技术
第5章 多变量及高维数据可视化
  5.1 多变量与高维数据
   5.1.1 1976年之前——萌芽阶段
   5.1.2 1977—1986年——觉醒阶段
   5.1.3 1987—2002年——发现阶段
   5.1.4 2003年至今——扩展阶段
  5.2 多变量数据可视化
   5.2.1 空间映射方法
   5.2.2 图标映射方法
   5.2.3 像素映射方法
   5.2.4 层次映射方法
   5.2.5 多变量数据可视化中的交互
   5.2.6 多变量数据可视化评估
  5.3 高维数据可视化
   5.3.1 数据降维方法
   5.3.2 子空间识别方法
   5.3.3 拓扑分析方法
   5.3.4 高维数据可视化中的交互
   5.3.5 高维数据可视化评估
第6章 层次和网络数据可视化
  6.1 层次数据
   6.1.1 层次数据可视化分类及基础方法
   6.1.2 节点链接法
   6.1.3 空间填充法
   6.1.4 混合方法
  6.2 网络数据
   6.2.1 图可视化方法
   6.2.2 网络数据可视化基本方法
   6.2.3 基于物理模型的图布局方法
   6.2.4 基于非物理模型的图布局方法
   6.2.5 边捆绑方法
   6.2.6 图交互方法
  6.3 层次和网络数据可视化中的评估方法
   6.3.1 层次数据可视化评估
   6.3.2 网络数据可视化评估
第7章 标/矢/张量场可视化
  7.1 标/矢/张量数据
   7.1.1 标/矢/张量数据基本定义
   7.1.2 标/矢/张量数据处理
  7.2 标量场数据可视化
   7.2.1 间接标量数据可视化
   7.2.2 直接标量数据可视化
  7.3 矢量场数据可视化
   7.3.1 几何表示法
   7.3.2 轨迹线
   7.3.3 基于纹理的矢量可视化
  7.4 张量场数据可视化
   7.4.1 标量指数法
   7.4.2 张量符号法
   7.4.3 纤维追踪法
  7.5 标/矢/张量交互
  7.6 标/矢/张量数据可视化评估
第8章 文本数据可视化
  8.1 文本数据基础
   8.1.1 文本数据类型
   8.1.2 文本数据特征
   8.1.3 文本数据主要处理流程
  8.2 文本内容可视化
   8.2.1 基于关键词的文本内容可视化
   8.2.2 时序性文本内容可视化
   8.2.3 文本特征分布模式的可视化
  8.3 文本关系可视化
   8.3.1 文本相似性可视化
   8.3.2 文本关系可视化
   8.3.3 文档信息检索可视化
  8.4 文本情感可视化
   8.4.1 用户评价分析可视化
   8.4.2 情感扩散和变化可视化
   8.4.3 情感差异可视化
  8.5 大模型文本可视化
   8.5.1 大语言模型文本可视化
   8.5.2 文生图模型文本可视化
  8.6 文本数据可视交互
   8.6.1 文本可视化交互场景
   8.6.2 文本可视化交互技术
  8.7 文本数据可视化评估方法
   8.7.1 定性评估
   8.7.2 定量评估
   8.7.3 对比研究
第9章 叙事可视化
  9.1 叙事可视化定义
  9.2 叙事可视化流程
   9.2.1 数据探索
   9.2.2 故事制作
   9.2.3 故事讲述
  9.3 叙事可视化工具
   9.3.1 创作工具
   9.3.2 ML/AI支持工具
   9.3.3 ML/AI生成工具
  9.4 评估
   9.4.1 数据驱动的故事
   9.4.2 叙事可视化工具
第10章 大数据交互式可视分析
  10.1 大数据交互式可视分析任务
   10.1.1 大数据交互式可视分析的理论基础
   10.1.2 任务与目标
  10.2 渐进式可视分析
   10.2.1 渐进式可视分析的基本概念
   10.2.2 渐进式可视分析的关键特征
   10.2.3 渐进式可视分析实例
   10.2.4 渐进式可视分析面临的挑战
  10.3 沉浸式可视分析
   10.3.1 沉浸式可视分析的基本概念
   10.3.2 沉浸式可视分析的关键特征
   10.3.3 沉浸式可视分析实例
   10.3.4 沉浸式可视分析面临的挑战
  10.4 大屏可视分析
   10.4.1 大屏可视分析的基本概念
   10.4.2 大屏可视分析的关键特征
   10.4.3 大屏可视分析实例
   10.4.4 大屏可视分析的挑战
  10.5 协同式可视分析
   10.5.1 协同式可视分析的基本概念
   10.5.2 协同式可视分析的关键特征
   10.5.3 协同式可视分析实例
   10.5.4 协同式可视分析的挑战
参考文献