转载

编辑们在读什么书？

数据新闻日新月异，自我学习是最重要的能力之一，读两本和行业有关的书，是少不了的修行。数据新闻网的编辑们也免不了加入练级大军。这里和大家分享的，是这一两年间小编们读过的、认为值得推荐的好书（和好文）的一部分，覆盖设计、编程、统计和历史研究。其中有些可能一天可以读完，有些需要反复回顾，中英文书籍都有。

如果你对其中某本有感想，请一定给我们留言，又如果你特别想推荐某本这里没有列出的书，欢迎致信 info [at] djchina.org

Raw Data: Infographics Designers‘ Sketchbooks

编辑们在读什么书？

数据可视化｜英文｜美国亚马逊有售链接

这本2014年底出版的又厚又沉的铜版纸硬抄书，收录了大部分业界优秀的信息图实践者（个人或团体）的简单访谈和案例分析，侧重信息图从草稿变为成品的过程。这个过程毫不意外地因人而异。有设计师喜欢从纸笔开始打草稿，有程序员喜欢直接写代码画草稿，书中不吝空间地对比草稿和成品，程序的差异形成个人风格和最终呈现上的差异，由此反思自己绘制信息图的构思执行过程，略有收获。

Building Shanghai: The Story of China’s Gateway （又名：《建筑上海：中国门户的故事》）

编辑们在读什么书？

历史建筑｜英文｜上海韬奋书店有购

这算是一本与数据新闻不太相关、有点不务正业的书：从上海的由来、始建，到开埠、扩张，再到建国后的发展、浦东开发等，这本书记录了上海发展的全历史。上海这个城市，杂糅了不同时期的规划痕迹、建筑风格，呈现出独特的海派风貌。这本书里收集的老地图、历史图片、规划图纸，为这个城市的发展轨迹提供的丰富注解，比较适合对地图、建筑和历史感兴趣的朋友。

Discovering Statistics Using R

编辑们在读什么书？

统计｜英文｜可下载Kindle版链接

在所有介绍统计学的书，和所有介绍R语言的书中，这本书都是数一数二的，被多位数据新闻红人推荐，非常适合统计学或R语言的初学者。概念和方程都配有数据演示，可以从网上下载，例子深入浅出但是口味偏重。唯一称得上是缺点的地方大概是作者苦口婆心地试图保持读者的兴趣，过于话唠。

What’s code

编辑们在读什么书？

编程｜英文｜彭博网上可阅读链接

这篇3.8万字、占满一整期 Bloomberg Businessweek 的长文恐怕是2015年程序员界最轰动的文章。本是写给门外汉的科普文章，却在程序员中大受欢迎—— 没办法，作者Paul Ford对于代码发展历史、程序员生态和科技公司文化把握得过于精准，令人叫绝。文中妙语连珠，例如：

“编程其实就是调试程序（debug），就是明知程序跑不出来。但是一般人不告诉你——谁第一次约会就把自己的疾病史告诉人家啊。”

“ C是用来建造系统的语言。C语言之于代码如同拉丁语之于文艺复兴学界。”

“ 你们公司的程序员三天两头出去开会，对着台下紧盯手机不看讲台的观众拍张照片，然后发推说：‘多么棒的观众！’”

3.8万字虽然的确有点长，但绝对是巨大的享受，如果在网上阅读还可以一边欣赏神经病的网页设计，一边玩Bloomberg为读者设计的编程游戏。读完还会得到Bloomberg颁发的证书一枚。

歐文字體１：基礎知識與活用方法

编辑们在读什么书？

字体设计｜中文｜国内可买到链接

深入浅出的介绍，从什么是字体到标点符号具体用法，从西方历史对字体演变的影响到现代不同国家、文化及场景下使用字体的考量，作者兼具亚洲的视角（日本人）与国际的工作经验与认可，将基础概念、字体风格、业界规则、搭配禁区、选用方法有系统的介绍一番，又并没有通常工具书的枯燥，既适合设计行业的新手完善知识结构，也方便对设计有一些兴趣、希望进一步了解字体学问的读者。书后的参考文献值得关注，不仅是一个目录，也一一列举了推荐和引用原因，可作为进阶读物的索引。

Visualize This （中译本：《鲜活的数据：数据可视化指南》）

编辑们在读什么书？

数据可视化｜英文｜有中文译版美版链接

Nathan Yau在2011年出版了《Visualize This》，这是一本比较实用的入门手册，里面有不少实际的代码案例，读者可以下载把玩，但是案例主要以R语言为主，侧重统计学的一些概念，适合于分析中小型规模的数据文件，制作一些静态图，没有非常深入的数据科学知识或者交互设计指导，挺好的入门指南，但是因为是五年前的旧作，所以一些案例、分析、还有工具都有些过时。

Data Points（中译本：《数据之美》）

编辑们在读什么书？

数据可视化｜英文｜有中译本美版链接

2013年作者出版了他的第二本的《Data Points》，和第一本书不同的是，这本书中并没有很多具体的编程指导，更多的是作者在数据可视化领域几年探索之后的一些总结和反思，罗列了不少优秀的业界案例，涉及面广然深度不足。作者在这本书中以自己的实际经验告诉读者，不要过分神话数据的客观性，很多时候错误的假设、模型、分析会导致错误的解读。这本书不着眼于指导读者如何制作数据可视化，更多的是告诉大家如何正确地对待数据、准确而清晰地传达数据中包含的信息。

原文 http://djchina.org/2016/06/25/reading-list1/

正文到此结束