導論?

第1章｜設置開發環境?



Part I 基本工具?

第2章｜Python與JavaScript程式語言銜接橋樑?

第3章｜Python讀寫資料?

第4章｜網站開發入門?



Part II 取得資料?

第5章｜使用Python從網站取得資料?

第6章｜Scrapy和重量級爬取作業?



Part III 使用Pandas清理與探索資料?

第7章｜NumPy入門?

第8章｜Pandas初步介紹?

第9章｜Pandas清理資料?

第10章｜Matplotlib視覺化資料?

第11章｜Pandas探索資料?



Part IV 提供資料?

第12章｜提供資料?

第13章｜Flask與RESTful API?



Part V D3與資料視覺化

第14章｜想像諾貝爾獎資料的視覺化呈現介面?

第15章｜建構視覺化介面骨架?

第16章｜D3入門—用直條圖說故事?

第17章｜個別得獎視覺化?

第18章｜D3與地圖?

第19章｜個別得主資料視覺化?

第20章｜選單列?

第21章｜結語?



附錄A 從開發走向產品

序



　　本書主要是介紹資料視覺化（data visualization，簡寫dataviz）工具鏈，在網際網路的時代，已經開始佔據主流地位；這套工具鏈的導引原則在於：你從手上資料挖掘出來的珍聞軼事，不論是何種有洞見的資訊，都值得在網路上擁有一個網站，供其他瀏覽器存取，既然能夠放在網站上，也就代表著你可以自由選擇如何散佈成果，可能只供少數幾人存取（使用認證機制或限定為區域網路），或是開放給全世界觀看，這是網際網路現身後，最為關鍵的要點，更是目前資料視覺化領域快速擁抱且支援的能力；這麼說來，資料視覺化領域的未來，一定會有JavaScript參與其中，因為JavaScript是網站瀏覽器上頭唯一的頭等程式語言；但是JavaScript尚未具備足夠的資料處理軟體疊層，無法精鍊原始資料，意思是說，想要從事資料視覺化工作的話，免不了要學會多種語言。我相信，資料視覺化工作在瀏覽器端雖以JavaScript為主，但仍需要另一支輔助語言，而自然而然地會讓人想到Python，也非Python莫屬，我希望本書能提供足夠的武器彈藥，幫各位讀者做好準備，應付各種資料視覺化專案。?



　　本書將逐一介紹資料在每一道轉換關卡會碰到的難題，所有的資料視覺化，本質上就是一連串的轉換過程，從原始資料（例如HTML表格與清單），歷經無數旅程，最終呈現既現代化、又具有互動性的介面，讓使用者能參與其中，而且因為本書會把成果放在瀏覽器上頭，這應該是個好方式，能夠適當地介紹資料視覺化的關鍵概念與各項工具。我為本書所設下挑戰難題，是要把維基百科網站上面的諾貝爾獎得主資料，經過轉換與精鍊，變成能互動操作的視覺化網頁介面，即便資料相同，但卻會以更易於存取、更吸引人、更加具有參與感的形式呈現。但是，雖然以諾貝爾獎資料作為貫穿本書的範例，的確構成堅實的骨幹，但卻會有多處重複，舉例而言，雖然書中會使用Flask與以MongoDB為基礎的Python-Eve API來把諾貝爾獎得主資料提供給瀏覽器，但我也會示範如何運用Flask-RESTless來存取SQL資料庫，若你從事資料視覺化領域的工作，無可避免，必定得學會如何存取SQL與NoSQL兩大類型的資料庫，而本書站在中立角度，兩者都會介紹。本書所介紹的程式庫，並非都是轉換諾貝爾獎資料所需要的工具，而是我個人認為最為有用、最棒的程式庫，而且我想你也會表達贊同之意。?



　　總結而言，本書要介紹形成鏈狀的各種工具集合，以諾貝爾獎資料視覺化專案為貫穿全書的範例，作為主要敘事的導引；當你覺得有需要時，可隨時深入研讀相關章節，本書不同篇章皆自給自足，所以有此必要，可任意跳到你想要的部份，快速翻閱複習。?