伏羲八卦次序图入门数据可视化的小伙伴往往都会问这样一个问题：我应该从哪里开始学起，有什么书推荐吗？

　　这个问题之所以普遍，是因为数据可视化是一个相当交叉的学科，既涉及数据分析，也涉及设计和编程。而这三大方向之中，每一个又可以延伸出许多子领域（例如设计里面又可以分出静态图表设计、交互图表设计、图表动画设计）。这样一来，可能的学习路径就非常多样。然而，目前市面上的可视化书籍各有侧重、缺乏归类，导致读者很难高效挑选到最吻合自己学习目标的读物。再者，在中文世界里，高质量的数据可视化读物还不多，因此，如果想要深入了解这门学科，就绕不开要阅读一些英文著作。

　　基于以上这些原因，倭瓜在回答“我该读什么书”的时候，总觉得十分棘手。不过幸运的是，最近读到了一篇文献综述，对可视化领域的图书做了一次系统性梳理。这篇综述由英国Swansea University的两位研究人员撰写，在选书这个问题上给出了很好的指导。我们会首先介绍原版的英文图书，之后给出相应的中文译本。

　　两位研究者总共搜集到了86本与数据可视化强相关的书籍。这86本书，涵盖了可视化基础理论、信息设计原理、可视分析、工具教程等多个方面。

　　其中，最早的可视化书籍发布于1967年，是来自Jacques Bertin的《图形符号学》（Semiology of Graphics）。此后十几年，都未有新的可视化书籍发表。

　　此后，90年代，又陆续有几本新书出现。直到2000年，尤其是2010年以后，可视化相关书籍才迎来井喷。

　　Bertin是一名来自法国的制图师，也是第一个系统地总结如何设计可视化的人。

　　比如，在这张图里，Bertin总结了各种各样的视觉符号，包括：尺寸、饱和度、纹理、颜色、方向、形状。同时，他指出了数据本身有不同类型，包括关系类数据、顺序类数据等等。通过将视觉符号与数据类型匹配，Bertin总结出了一系列可能的设计方案。

　　这本书提出的一系列理念，可以说奠定了可视化领域的设计准则。从“派系”而言，Tufte的观点偏实用主义和极简主义，他强调用理性、客观的方法，判断一张图表是否能够最高效地传达数据信息。比如，他提出了数据墨水（Data-Ink Ratio）和图表垃圾（Chartjunk）的概念，强调应该减少与数据无关的墨水。

　　第一本书比较偏向用可视化进行数据分析，即如何用图表绘制复杂的数据类型，包括单变量，双变量，三变量等等。作者提出的这些图表画法，在今天的很多统计软件里已经能常常见到：

　　Cleveland的第二本书则主要关注图表元素的正确使用，比如图例、数据标签、坐标轴等是否清晰。

　　遗憾的是，这六本书目前都还没有中文译本。这里推荐一些中文文章供阅读：Jacques Bertin与图形符号系统，。

　　通俗读物一般是向大众引介可视化概念、用法，并提供一些图表案例供翻阅。由于是写给大众看的入门类书籍，因此不要求读者有任何专业背景。

　　影响比较大的有资深图表设计师、数据新闻记者Alberto Cairo的三本书：

　　其中两本已经被翻译为中文。通过阅读这些书籍，你可以了解到可视化是如何在真实数据上应用的，以及在设计可视化时，应该避免哪些误区或滥用。

　　还有一个更加“古早”的项目，Visual Complexity。这个项目从2005年起就开始搜集各种各样的可视化设计，十几年中已经搜集了上千个作品，并出版了一部书籍，中文叫“视觉繁美”。

　　不过，倭瓜最近一次登陆这个网站的时候，项目似乎已经缺乏维护。看着十几年前的设计，不禁感叹技术在进步，而美还是一如往常。

　　与此同时，市面上还有许多“图册”类的书籍，主要以印刷可视化作品为主。这类书的好处在于文字很少，因此看英文原版也不会有太大负担。同时，丰富的精选案例，也可以帮助你打开设计思路、激发可视化的想象力。

　　第三类书是学术教材。这类书一般会系统性、分章节的讲解领域知识，受众为学习该专业的学生。

　　比如，下面这本书从 What, Why, How三个层面讲解了什么是可视化、为什么需要可视化、以及如何可视化。

　　书中总结的视觉通道，比早期Bertin的总结要更全面一些，还包括斜度、弯曲度、体积、动画等等。这些通道都可以用来映射数据：

　　书中也对可视化设计的合理性进行了讨论。例如，人眼对哪些视觉通道的感知更加准确：

　　研究显示，位置类（Position）的视觉通道在感知上是最准确的，面积类（Area）则最不准确

　　如果你还想更加深入地了解可视化背后的心理学原理，那么下面这本教材是一个不错的选择。这本书基本上逐一介绍了人类对各种视觉元素的感知机制，包括亮度、色彩、空间感等等。

　　中文教材方面，目前有浙大陈为老师等编写的《数据可视化》。这本书梳理了可视化领域的学科分类和研究内容，对于想要学习可视化专业的同学来说是一本必读入门教材。

　　还有一些书笔者称之为“应用型教材”，主要关注如何实现可视化。例如Nathan Yau的两本书，中文分别译为“鲜活的数据”和“数据之美”。这两本书偏系统性的实操教材，包括如何处理数据、分析数据、如何使用工具画图等。

　　这一类的书籍一般是业界人士的现身说法，结合业务和实操经验进行分享。它的目标读者一般是特定行业的从业者或专业人士。

　　例如，《用数据讲故事》。这本书由谷歌的前人力分析团队经理撰写，主要讲解在了公司业务场景里应该怎样绘制数据图表，下图右边是它的中文版。

　　整本书不涉及任何复杂理论和技术，但是许多小知识、小技巧能切实提高画图的水准。比如，作者总结了一些商务汇报中常用的可视化类型：

　　抑或是提出一些改进办法，使得原本简陋的excel图表更加美观得体。下面这张图其实无形之中实践了Tufte的数据墨水理论，减少了许多不必要的元素，使图表整体更清晰、美观。

　　总体而言，倭瓜认为这本书很适合有日常作图需求的办公室人群，几乎不需要专业知识背景，会比学术教材更加通俗易懂。当然，有的时候，所谓的“业界”、“学界”并不是那么泾渭分明的。学术研究，往往也需要吸纳很多业界的需求，而学术产生的成果也常常会应用于实践中。

　　以下面这本书为例，这本书的主题也是“用数据讲故事”，但作者们都是资深的可视化研究人员。不过，尽管仍保留着学术的严谨性，书籍的整体风格并不晦涩，里面的文章也都不是严格意义上的论文，而是夹杂了许多观点、评论和案例。笔者认为这是一个跨越固有边界、促进思维碰撞的有益尝试。

　　专项知识类图书一般解决一个具体的领域问题，一般是偏技术类的问题，例如如何针对安全类数据进行可视化、如何对多维度数据进行降维展示、如何对城市规划数据进行可视分析等等。

　　这些书往往是众多学术研究成果的集成品，因而相对专业艰深，适合领域专家研读。目前这一类的图书的中文译本还很少，因此不做过多介绍了。

　　这一类图书主要讲解某个工具的具体用法和操作步骤。而工具的种类也非常繁多，且以编程语言和软件为主（如Python, D3.js, Processing）。这类图书中文译本不少，且中国本土也有很多人撰写此类书籍。

　　然而，这类书也存在一些潜在问题，比如，教学的质量不高、光是看书难以学会实操，以及工具本身更新换代速度快等等。尤其是中文的技术类图书，灌水的比例更大。因此笔者认为，在学技术时，读书可能会帮助理解技术的构建方式和底层逻辑。但要熟练掌握这门技术，还是要依靠不断的上手练习和项目实战。

　　最后打个总结。如下图所示，总体而言，早期的书籍以经典理论（蓝色）为主，而近年来则出现了越来越多工具教程（紫色）以及面向大众用户的通俗读物（绿色）。同时，也出现了一些内容更综合的书籍，例如在分享案例的同时，提供工具教程（蓝黑色）。当然，当我们书架上的选择越来越丰富的时候，辨别好书也就越来也重要。

　　下面这张图显示了所有可视化书籍的学术引用量（展现其学术影响力，y轴表示）和亚马逊销量（展现其普遍的热门程度，x轴表示）分布。

　　所有书中销量最好的是业界实战书《用数据讲故事》。Edward Tufte和Bertin的经典著作分别位于销量的第2、第3、第4、第7位。同样高销量还有通俗读物如The Functional Art（《不只是美》），以及业界经验书如Information Dashboard Design。

　　可以发现，在国外，经典理论著作无论是在引用量上，还是销量上，都处于优势地位。而在销量上同样表现突出的，则主要是业界经验和通俗读物。

　　出于好奇，笔者也去查了查京东上卖得最火的可视化图书。结果显示，在中国最为畅销的基本上都是技术类教程，着重于工程实操。相反，基础理论和行业经验类的书籍则数量较少，且大多译自英文，鲜有来自本土的作者。可见，国内的可视化理念普及还需时日，同时，我们也希望看到更多优质的本土作品出现。

　　当然，引用量和销量并不是评价一本书的唯一标准。一方面，一本书是否被大多数人熟知存在一定的偶然性，并不是所有的好书都是热门的；另一方面，读书是人和书交互的过程，能够解答你疑惑、启发你思路的书往往才是最“对胃口”的书。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。