本文主要对ggplot2的可视化理念及开发套路做一个总体介绍，具体绘图方法(如折线图，柱状图，箱线图等)将在后面的文章中分别进行讲解。
随着大数据火热，人们审美的提升，本该内涵丰富的数据可视化变成了争奇斗艳的选美竞技场，似乎已经忘了数据本身的含义了。
数据可视化是艺术和科学的一部分。
用户怎样才能把重点放在用户体验上呢？
作者将数据分析师分成初级、高级、数据挖掘工程师三个层次来阐述，大家正好可以对号入座。
几周前，R语言社区经历了一场关于画图工具的讨论。对于我们这种外人来说，具体的细节并不重要，但是我们可以将一些有用的观点运用到 Python 中。
如果你还没开始使用Power BI，现在就开始吧，给自己制定一个可实现的小目标
在数据分析过程中，聪明的数据分析师也会常犯些错误
大数据实际上有三个主要的理解：大数据确实带来了大的机会；大数据也引来了大风险；大数据本身非常像大忽悠。
如何成为一名数据可视化工程师？
你是怎么被他掏空的？
“不要让听众感觉你在展示一张图表，而要回顾人的行为，描述曲线变化背后的事件。不是‘来看我们的三季度财报’，而是‘来看我们为什么没完成目标’。”
当我开始接触到 R，到现在我基本不怎么使用 Excel 了。
相信大家被《感觉身体被掏空》刷屏和洗脑了。
聊聊数据地图的那些事吧！
