知识地图
把 10 章、51 个知识点、16 周的进度对齐到一条主线上：每章先学什么、学完能做什么、下一步去哪。
章依赖关系
| 章 | 标题 | 周次 | 学时 | 前置 | 学完能做什么 |
|---|---|---|---|---|---|
| 第1章 | 数据可视化概述 | 第1周 | 3 | — | 能说清可视化解决什么问题、一张图从数据到成品要经过哪几步 |
| 第2章 | 数据与视觉编码 | 第2周 | 3 | 第1章 | 能针对一种数据关系选出最合适的视觉通道，并给出配色方案 |
| 第3章 | 图表类型与选择 | 第3–4周 | 6 | 第2章 | 拿到一份需求能立刻说出该用什么图，并说明理由 |
| 第4章 | 数据准备与清洗 | 第5周 | 3 | 第3章 | 能把一份"脏数据"整理成可直接画图的规整表 |
| 第5章 | 图表设计原则与常见陷阱 | 第6周 | 3 | 第4章 | 能对一张图做"减法和校对"，做到信息密度高且不误导 |
| 第6章 | Excel / WPS 快速可视化 | 第7–8周 | 6 | 第5章 | 能用透视表 + 图表 + 条件格式做出业务周报级图表 |
| 第7章 | Tableau / Power BI 商业智能 | 第9–10周 | 6 | 第6章 | 能用 BI 工具把一份业务数据做成可交互的仪表板 |
| 第8章 | Python 可视化 | 第11–13周 | 9 | 第7章 | 能用 Python 画出可交付的静态图与交互图，并处理中文/样式问题 |
| 第9章 | Web 前端可视化（ECharts） | 第14–15周 | 6 | 第8章 | 能把一份数据用 ECharts 画进网页，并加提示、图例与自适应 |
| 第10章 | 数据看板与综合实战 | 第16周 | 3 | 第1–9章 | 能独立完成一块"能回答业务问题"的数据看板 |
章节 × 知识点全景
第1章 数据可视化概述
- 1.1 什么是数据可视化：1.1.1 定义与价值、1.1.2 可视化的三个层次
- 1.2 可视化的流程：1.2.1 五步流程
- 1.3 好的可视化与坏的可视化：1.3.1 三个维度与典型反例
第2章 数据与视觉编码
- 2.1 数据类型的划分
- 2.2 视觉通道与精度：2.2.1 通道精度排序与选用、2.2.2 五类需求 × 通道选择
- 2.3 色彩的使用：2.3.1 三套基本配色方案
第3章 图表类型与选择
- 3.1 常用图表族：3.1.1 比较与构成：柱状图 / 条形图 / 饼图、3.1.2 趋势与分布：折线图 / 直方图 / 箱线图、3.1.3 关系与空间：散点图 / 热力图 / 地图
- 3.2 选择矩阵
- 3.3 常见图表误用
第4章 数据准备与清洗
- 4.1 常见数据问题
- 4.2 清洗与转换：4.2.1 缺失与异常处理、4.2.2 聚合、分箱与归一化、4.2.3 宽表与长表
第5章 图表设计原则与常见陷阱
- 5.1 做减法：数据墨水比
- 5.2 坐标轴、标签与图例
- 5.3 视觉误导与修正
第6章 Excel / WPS 快速可视化
- 6.1 透视表：先把数据聚起来：6.1.1 透视表基本操作
- 6.2 图表类型与格式设置：6.2.1 常用图表与组合图、6.2.2 条件格式与迷你图
- 6.3 做成能汇报的一页
第7章 Tableau / Power BI 商业智能
- 7.1 维度与度量：BI 的两种字段
- 7.2 从数据到仪表板：7.2.1 五步流程、7.2.2 交互与下钻
- 7.3 选型建议
第8章 Python 可视化
- 8.1 环境与中文显示
- 8.2 matplotlib 基础：8.2.1 四类基础图、8.2.2 常用美化与多子图
- 8.3 seaborn：统计图更快
- 8.4 pyecharts：输出可交互图表
第9章 Web 前端可视化（ECharts）
- 9.1 最小可用示例：9.1.1 四步初始化
- 9.2 option 的五大块
- 9.3 常见图形与交互
第10章 数据看板与综合实战
- 10.1 指标体系：先想清楚看什么
- 10.2 看板版式与交互
- 10.3 综合实战：教育数据看板