Penso che il lavoro di William Cleveland sarà più vicino a quello che vuoi che quello di Tufte. Cleveland ha scritto due libri:

1. Visualizzazione dei dati (1993)
2. The Elements of Graphing Data (1985)

Il primo libro, in particolare, potrebbe essere quello che vuoi. Ecco la descrizione di un editore:

La visualizzazione dei dati riguarda strumenti di visualizzazione che forniscono informazioni approfondite comprensione della struttura dei dati. Sono disponibili strumenti grafici come coplot, dot plot a più vie e algoritmo di conteggio uguale. Ci sono strumenti di adattamento come loess e bisquare che si adattano alle equazioni, curve non parametriche e superfici non parametriche ai dati. Ma il libro è molto più di un semplice compendio di strumenti utili. Trasmette a strategia per l'analisi dei dati che sottolinea l'uso della visualizzazione per studiare a fondo la struttura dei dati e verificarne la validità modelli statistici adattati ai dati. Il risultato degli strumenti e del la strategia è un enorme aumento di ciò che puoi imparare dai tuoi dati. Il book lo dimostra rianalizzando molti set di dati dal letteratura scientifica, rivelando effetti mancati e inappropriati modelli adattati ai dati.

Un libro ancora più teorico è The Grammar of Graphics di Leland Wilkinson. La descrizione:

Questo libro è stato scritto per statistici, informatici, geografi, ricercatori e altri interessati alla visualizzazione dei dati. Presenta una base unica per la produzione di quasi tutti grafico quantitativo trovato in riviste scientifiche, giornali, pacchetti statistici e sistemi di visualizzazione dei dati. Mentre il risultati tangibili di questo lavoro sono stati diversi software di visualizzazione biblioteche, questo libro si concentra sulle strutture profonde coinvolte in produrre grafici quantitativi dai dati. Quali sono le regole che alla base della produzione di grafici a torta, grafici a barre, grafici a dispersione, grafici di funzioni, mappe, mosaici e carte radar? Quelli meno interessati nelle basi teoriche e matematiche può ancora avere un senso della ricchezza e della struttura del sistema esaminando i numerosi e spesso una grafica a colori unica che può produrre.La seconda edizione è quasi il doppio dell'originale, con sei nuovi capitoli e revisione sostanziale.Gran parte del materiale aggiunto fa questo libro adatto per corsi di rilievo in visualizzazione e grafica statistica.

Questo libro è molto teorico.

Guarda la serie di libri scritti da Ed Tufte.Sono discussi da wikipedia nell'articolo https://en.wikipedia.org/wiki/Edward_Tufte.

1. The Visual Display of Quantitative Information. 1983;Seconda edizione 2001. Cheshire, CT: Graphics Press

2. Envisioning information. 1990. Cheshire, CT: Graphics Press

3. Spiegazioni visive: immagini e quantità, prove e stampa grafica narrativa. 1997. Cheshire, CT: Graphics Press

4. Beautiful Evidence. 2006. Cheshire, CT: Graphics Press

A rischio di essere crocifisso, sconsiglierei Tufte, Wilkinson, Cleveland ecc. e tutti gli altri classici se hai appena iniziato.

Il motivo è il seguente obiettivo da te stabilito (enfasi aggiunta):

Sto cercando alcuni riferimenti su creating efficaci grafici / visualizzazioni di dati.

Quindi, anche se non vuoi esplicitamente libri / tutorial che dipendono dalla lingua, vuoi che le tue conoscenze vengano applicate piuttosto che un esercizio teorico astratto davanti al caffè. Iniziare con quelli che chiamo i classici è come leggere Shakespeare perché vuoi che la tua lingua sia più eloquente. Le discussioni nei libri sono eccellenti per gettare le basi per comprendere un'efficace visualizzazione dei dati; ma considerando i progressi tecnologici fino ad oggi - i libri non sono di grande aiuto nello sviluppo della mentalità applicata (Grammar of Graphics - Wilkinson è la leggera eccezione a causa della rilevanza di ggplot2 ma in tal caso consiglierei di leggere i lavori di Hadley Wickham, l'autore del pacchetto).

Alcune buone risorse che potresti consultare sono FlowingData (Nathan Yau), Perceptual Edge (Stephen Few) e Storytelling with Data (Cole Knaflic) e i libri degli autori del blog. Il motivo è il seguente:

1. Questi lavori comprendono già la ricerca dai classici
2. La lingua è meno accademica e più facile da capire
3. I blog aggiornati regolarmente fungono da materiale supplementare ai libri

È un peccato che Aaron Koblin non abbia pubblicato alcun libro sulla sua interpretazione unica delle visualizzazioni di dati di grandi dimensioni.

Non escludo quanto sia utile il lavoro di Tufte, Cleveland e Wilkinson, ma dopo aver lavorato duramente su alcuni di essi ed essere ancora solo marginalmente migliore con i moderni strumenti di visualizzazione dei dati, "Show me the Numbers" di Stephen Few è stato come un interruttore della luce continuò.

Dipende fortemente dalla lingua che preferisci. Dato che non uso spesso Python per la visualizzazione dei dati, posso solo consigliarti libri relativi alla visualizzazione dei dati in R. Dopo aver scritto questo post ho riletto la tua domanda e Nr. 1, nr. 2 e forse Nr. 4 potrebbe essere il più teorico. Sebbene Nr. 6 spiega anche gli aspetti teorici, è specializzato nella visualizzazione di tecniche di apprendimento automatico senza supervisione.

1. R Graphics di Paul Murrell

L'autore Paul Murrell ha un ruolo significativo nello sviluppo della grafica del linguaggio R. Ha sviluppato il concetto di "Grammatica della grafica" che è il concetto alla base della libreria ggplot2. Il libro è piuttosto avanzato sebbene non sia necessaria molta conoscenza preliminare e piuttosto teorica. È il miglior libro per le persone che vogliono veramente comprendere i concetti di visualizzazione dei dati in R, ma non lo consiglio ai principianti.

2. Widget HTML

È un must per la visualizzazione interattiva dei dati. Varie librerie JavaScript vengono tradotte e adattate a R. Puoi includere la maggior parte dei widget in RShiny, Markdown (reso come HTML) o nella console). I miei widget HTML preferiti sono

• Plotly (una libreria sulla visualizzazione interattiva dei dati che è disponibile anche per vari altri linguaggi come Python e Matlab)
• Leaflet (visualizzazioni interattive con Maps)
• dygraph (che offre un'ampia varietà di visualizzazioni interattive di serie temporali)

• datatable (scritto da Yuhui Xe di RStudio che ha anche scritto knitR e il pacchetto bookdown. Prolifico per la visualizzazione delle tabelle))

  3. Guida per creare splendidi grafici in R

Questo libro è piuttosto adatto ai principianti. I suoi esempi sono mostrati principalmente in ggplot2. Quando ho iniziato ad apprendere le tecniche avanzate di visualizzazione dei dati in R, ho utilizzato principalmente questa e il sito Web ufficiale di ggplot2.

4. Il sito web ufficiale di ggplot2

È il miglior punto di partenza per imparare ggplot2, ma può apparire in modo schiacciante se non sei disposto ad essere appassionato e se non hai molto tempo. ggplot2 è fantastico, ma può avere una curva di apprendimento ripida, ad es. non è possibile scrivere il "+" all'inizio della riga. Vengono inoltre spiegati tutti i concetti teorici.

5. Galleria ufficiale di Shiny

Shiny è la libreria R più utilizzata per creare app con R. Può essere sostituita da strumenti di BI come Tableau o Qlickview. shinyjs è un'ottima estensione di shiny che combina lucido con javascript, ma puoi anche includere HTML, CSS e JavaScript da solo.

6. Cluster Analysis in R

Questo libro proviene dagli stessi autori di Guide alla bellissima grafica (nr.3) . È un libro specializzato per la visualizzazione di tecniche di apprendimento automatico senza supervisione e in particolare di clustering.

7. Tutorial semplice

Nel caso in cui inizi a visualizzare e ti ho sopraffatto un po '.

1. R for Data Science di Garret Grolemund e Hadley Wickham

2. Prime 50 visualizzazioni ggplot2

3. La R Graph Gallery

4. r4stats.com