本书针对Python零基础的读者，重点讲解利用Python进行数据分析的基础知识，并通过大量的实战案例，使读者掌握数据处理、分析与可视化的方法。全书分为4个部分，共13章，主要...
电子书
内容简介
本书共12章，主要内容包括第1章介绍数据可视化的基础知识，第2章介绍Python数据可视化库及其参数配置，第3章介绍时序数据的可视化，并通过实际案例讲解其可视化方法，第4章介绍金融数据的可视化，并通过实际案例讲解其可视化方法，第5章介绍空间数据的可视化，并通过实际案例讲解其可视化方法，第6章介绍地理数据的可视化，并通过实际案例讲解其可视化方法，第7章介绍层次数据的可视化，并通过实际案例讲解其可视化方法，第8章介绍网络数据的可视化，并通过实际案例讲解其可视化方法，第9章介绍多元数据的可视化，并通过实际案例讲解其可视化方法，第10章介绍文本数据的可视化，并通过实际案例讲解其可视化方法，第11章介绍时空数据的可视化及建模，研究我国人口现状及其趋势，第12章介绍非时空数据的可视化分析，研究社交电商的营销。
章节目录
- 第1 篇 可视化基础篇
- 第1章 数据可视化概述
- 1.1 数据可视化基础
- 1.1.1 数据及其获取途径
- 1.1.2 数据预处理
- 1.1.3 数据可视化及其挑战
- 1.2 数据可视化实施
- 1.2.1 数据可视化的基本流程和阶段
- 1.2.2 数据可视化的设计原则
- 1.2.3 数据可视化的交互技术
- 1.3 数据可视化图表
- 1.3.1 对比型图表及案例
- 1.3.2 趋势型图表及案例
- 1.3.3 比例型图表及案例
- 1.3.4 分布型图表及案例
- 1.3.5 其他类型图表及案例
- 1.4 实践训练
- 第2章 Python 数据可视化库
- 2.1 Matplotlib
- 2.1.1 Matplotlib 简介
- 2.1.2 Matplotlib 参数配置
- 2.2 Pyecharts
- 2.2.1 Pyecharts 简介
- 2.2.2 Pyecharts 基本配置
- 2.3 Seaborn
- 2.3.1 Seaborn 简介
- 2.3.2 Seaborn 绘图风格设置
- 2.4 Bokeh
- 2.4.1 Bokeh 简介
- 2.4.2 Bokeh 基本配置
- 2.5 HoloViews
- 2.5.1 HoloViews 简介
- 2.5.2 HoloViews 参数配置
- 2.6 Plotly
- 2.6.1 Plotly 简介
- 2.6.2 Plotly 主要图形
- 2.7 NetworkX
- 2.7.1 NetworkX 简介
- 2.7.2 NetworkX 参数配置
- 2.8 实践训练
- 第2 篇 时空数据篇
- 第3章时序数据的可视化
- 3.1 时序数据概述
- 3.1.1 时序数据简介
- 3.1.2 时序数据可视化概述
- 3.2 折线图法
- 3.2.1 折线图及其应用场景
- 3.2.2 Python 案例实战
- 3.3 散点图法
- 3.3.1 散点图及其应用场景
- 3.3.2 Python 案例实战
- 3.4 日历图法
- 3.4.1 日历图及其应用场景
- 3.4.2 Python 案例实战
- 3.5 动态图法
- 3.5.1 动态图及其应用场景
- 3.5.2 Python 案例实战
- 3.6 主题河流图法
- 3.6.1 主题河流图及其应用场景
- 3.6.2 Python 案例实战
- 3.7 平行坐标系法
- 3.7.1 平行坐标系及其应用场景
- 3.7.2 Python 案例实战
- 3.8 甘特图法
- 3.8.1 甘特图及其应用场景
- 3.8.2 Python 案例实战
- 3.9 自相关图法
- 3.9.1 自相关图及其应用场景
- 3.9.2 Python 案例实战
- 3.10 脊线图法
- 3.10.1 脊线图及其应用场景
- 3.10.2 Python 案例实战
- 3.11 实践训练
- 第4章 金融数据的可视化
- 4.1 金融数据概述
- 4.1.1 金融数据简介
- 4.1.2 金融数据可视化概述
- 4.2 K 线图法
- 4.2.1 K 线图及其应用场景
- 4.2.2 Python 案例实战
- 4.3 OHLC 图法
- 4.3.1 OHLC 图及其应用场景
- 4.3.2 Python 案例实战
- 4.4 Renko 图法
- 4.4.1 Renko 图及其应用场景
- 4.4.2 Python 案例实战
- 4.5 MACD 图法
- 4.5.1 MACD 图及其应用场景
- 4.5.2 Python 案例实战
- 4.6 BOLL 图法
- 4.6.1 BOLL 图及其应用场景
- 4.6.2 Python 案例实战
- 4.7 RSI 图法
- 4.7.1 RSI 图及其应用场景
- 4.7.2 Python 案例实战
- 4.8 实践训练
- 第5章 空间数据的可视化
- 5.1 空间数据概述
- 5.1.1 空间数据简介
- 5.1.2 空间数据可视化概述
- 5.2 三维条形图法
- 5.2.1 三维条形图及其应用场景
- 5.2.2 Python 案例实战
- 5.2.2 Python 案例实战
- 5.3 三维曲面图法
- 5.3.1 三维曲面图及其应用场景
- 5.3.2 Python 案例实战
- 5.4 三维散点图法
- 5.4.1 三维散点图及其应用场景
- 5.4.2 Python 案例实战
- 5.5 三维等高线法
- 5.5.1 三维等高线及其应用场景
- 5.5.2 Python 案例实战
- 5.6 实践训练
- 第6章 地理数据的可视化
- 6.1 地理数据概述
- 6.1.1 地理数据简介
- 6.1.2 地理数据可视化概述
- 6.2 热力地图法
- 6.2.1 热力地图及其应用场景
- 6.2.2 Python 案例实战
- 6.3 着色地图法
- 6.3.1 着色地图及其应用场景
- 6.3.2 Python 案例实战
- 6.4 三维地图法
- 6.4.1 三维地图及其应用场景
- 6.4.2 Python 案例实战
- 6.5 动态地图法
- 6.5.1 动态地图及其应用场景
- 6.5.2 Python 案例实战
- 6.6 轨迹地图法
- 6.6.1 轨迹地图及其应用场景
- 6.6.2 Python 案例实战
- 6.7 实践训练
- 第3 篇 非时空数据篇
- 第7章 层次数据的可视化
- 7.1 层次数据概述
- 7.1.1 层次数据简介
- 7.1.2 层次数据可视化概述
- 7.2 树状图法
- 7.2.1 树状图及其应用场景
- 7.2.2 Python 案例实战
- 7.3 旭日图法
- 7.3.1 旭日图及其应用场景
- 7.3.2 Python 案例实战
- 7.4 和弦图法
- 7.4.1 和弦图及其应用场景
- 7.4.2 Python 案例实战
- 7.5 实践训练
- 第8章 网络数据的可视化
- 8.1 网络数据概述
- 8.1.1 网络数据简介
- 8.1.2 网络数据可视化概述
- 8.2 无向图法
- 8.2.1 无向图及其应用场景
- 8.2.2 Python 案例实战
- 8.3 有向图法
- 8.3.1 有向图及其应用场景
- 8.3.2 Python 案例实战
- 8.4 社交网络图法
- 8.4.1 社交网络图及其应用场景
- 8.4.2 Python 案例实战
- 8.5 实践训练
- 第9章 多元数据的可视化
- 9.1 多元数据概述
- 9.1.1 多元数据简介
- 9.1.2 多元数据可视化概述
- 9.2 散点图矩阵法
- 9.2.1 散点图矩阵及其应用场景
- 9.2.2 Python 案例实战
- 9.3 雷达图法
- 9.3.1 雷达图及其应用场景
- 9.3.2 Python 案例实战
- 9.4 平行坐标系法
- 9.4.1 平行坐标系及其应用场景
- 9.4.2 Python 案例实战
- 9.5 变量降维法
- 9.5.1 变量降维及其应用场景
- 9.5.2 Python 案例实战
- 9.6 实践训练
- 第10章 文本数据的可视化
- 10.1 文本数据概述
- 10.1.1 文本数据简介
- 10.1.2 文本数据可视化概述
- 10.2 标签云法
- 10.2.1 标签云及其应用场景
- 10.2.2 Python 案例实战
- 10.3 文档散法
- 10.3.1 文档散及应用场景
- 10.3.2 Python 案例实战
- 10.4 词云法
- 10.4.1 词云及其应用场景
- 10.4.2 Python 案例实战
- 10.5 主题河流图法
- 10.5.1 主题河流图及其应用场景
- 10.5.2 Python 案例实战
- 10.6 实践训练
- 第4篇 案例实战篇
- 第11章 我国人口现状及其趋势分析与可视化
- 11.1 数据采集及整理
- 11.1.1 人口数据的来源与采集
- 11.1.2 人口数据的清洗与整理
- 11.2 人口总数及结构分析
- 11.2.1 人口总数趋势分析
- 11.2.2 人口男女性别比分析
- 11.2.3 人口年龄结构分析
- 11.3 人口增长率数据分析
- 11.3.1 人口增长率趋势分析
- 11.3.2 人口增长率相关分析
- 11.3.3 人口增长率回归分析
- 11.4 人口抚养比数据分析
- 11.4.1 人口抚养比趋势分析
- 11.4.2 人口抚养比相关分析
- 11.4.3 人口抚养比回归分析
- 11.5 实践训练
- 第12章 社交电商营销分析与可视化
- 12.1 社交电商及其发展趋势分析
- 12.1.1 社交电商现状分析
- 12.1.2 社交电商营销分析
- 12.2 商品属性分析
- 12.2.1 商品功能描述的标签云
- 12.2.2 商品名称的关键词词云
- 12.2.3 不同类型商品订单量的主题河流图
- 12.3 客户社交分析
- 12.3.1 商品分享的有向图
- 12.3.2 成功分享商品的和弦图
- 12.3.3 客户商品分享的社交网络图
- 12.4 营销效果分析
- 12.4.1 商品销售额年增长率分析
- 12.4.2 商品销售额的着色地图
- 12.5 实践训练
- 附录A Python 3.9.0具体安装步骤
- 附录B Python 常用第三方工具包简介
- 参考文献
展开全部
Python数据可视化（微课版）是2022年由人民邮电出版社出版,作者王国平。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《Python数据可视化（微课版）》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书以实践出发，全面地介绍数据可视化的流程和Python数据可视化的应用，并详细阐述使用Python解决企业实际问题的方法。全书共8章，分为基础模块(第1-5章)和实战模块(第...
电子书
本书是从实践出发，同时结合一线教师的实践教学经验，以示例为主线，把可视化需要的Python基础语法，Numpy和pandas包中数据结构及读取Excel/CSV文件操作、无效数...
电子书
本书共7章，主要介绍数据科学的基础理论、统计学与模型、机器学习与算法、数据可视化、数据加工、大数据技术、数据产品开发及数据科学中的人文与管理等内容。
电子书
本书介绍了常用的数据结构，全书分为10章，依次为绪论、线性表、栈和队列、串、广义表、树和二叉树、常用二叉树、图、排序及查找。书中采用Python语言来描述和实现各种数据结构，内...
电子书
本书采用理论分析和Python编程实战相结合的形式，按照数据分析与可视化的基本步骤，数据分析与可视化的基本理论知识和相应的Python库进行了详细的介绍，让读者能够在了解基本理...