我正在寻找一种学习处理大型数据集的方法。我是一名大学生，所以我所做的所有事情都是“不错”的规模和复杂性。本学期与教授合作进行研究项目时，我需要可视化一个相当大（在我的经验中）的数据集之间的关系。它是一个15 MB的CSV文件。
我大部分的数据整理都是用Python编写的，并使用GNUPlot进行可视化。
是否有任何易于理解的书籍或网站可以帮助我学习？使用Python加分，使用比依赖gnuplot更基础的可视化系统则更加加分，例如Cairo等。
我想要的是一些从数据挖掘到处理再到可视化的教程。
编辑：我更希望能够学习“大思想”。我自己可以编写代码，但是我正在寻找人们处理大型数据集使用的技术。我的15 MB足够小，以至于我可以将我需要的所有内容都放入内存并开始计算。但是，人们如何可视化5 GB的数据集呢？
为了创建自己发明的可视化，只使用一台机器，我认为基础内容应该足以帮助您入门：Python、Numpy、Scipy、Matplotlib和一个您有经验的良好图形库，例如PIL或Pycairo。通过这些工具，您可以计算数据，将其绘制在图表上，并通过定制的绘图例程美化它们。
当您想要创建动态、交互式的可视化时，像基于 Java 的Processing库就能轻松实现。甚至还有一些方法可以通过 Jython 用 Python 编写 Processing sketches ，以防您不想编写 Java。
如果您需要更多工具，则有许多其他工具可供选择，例如OpenCV（计算机视觉、机器学习）、Orange（数据挖掘、分析、可视化）和NLTK（自然语言、文本分析）等。
像Edward Tufte这样的领域专家所著的书籍和Information Graphics等参考资料可以帮助您全面了解创建可视化和有效呈现它们的方法。
像Flowing Data、Infosthetics、Visual Complexity和Information is Beautiful这样的网站展示了来自网络上最新、有趣的可视化。您还可以浏览互联网上的many compiled lists的visualization sites。从这些开始，开始浏览，我相信您会发现许多有用的网站和启发性的例子。
（原本是要写评论的，但变得太长了）
如果您更关注可视化而不是数据挖掘和分析，Edward Tufte的《量化信息的视觉显示》被认为是该领域最好的书之一。
我喜欢Janert所著的书籍《使用开源工具进行数据分析》。这是一本涵盖了广泛的数据分析方法的概述，重点在于如何理解产生数据的系统，而不是复杂的统计方法。但需要注意的是：虽然使用的数学并不特别高级，但我认为你需要对数学论证感到舒适，才能从这本书中获得更多收获。
