本书采用单元式结构，每个单元中包含有多项任务，每个任务都是一项具体的应用案例。通过各单元中的任务驱动案例和拓展训练，从任务描述知识储备任务实施等环节出发，深入浅出地介绍Python数据可视化的方法和程序设计思路。本书单元1～单元3介绍数据可视化的基本概念；单元4～单元6分别介绍Matplotlib、Seabom和pyecharts库数据可视化的基本方法；单元7是pyecharts综合项目案例。本书
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。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
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Python3.9为编程环境，从Python编程基础到扩展库，再到数据分析，逐步展开Python数据分析与可视化教学。本书首先简要介绍数据分析与可视化的相关概念，并介绍Python基础知识；然后按照数据分析的主要步骤，重点介绍与数据获取、数据处理、数据分析、数据可视化以及机器学习建模过程相关的扩展库，包括NumPy、Pandas、BeautifulSoup、sklearn、Matplotli
电子书
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，主要内容包括：Python语法基础、网络爬虫、NumPy、pandas、正则表达式与格式化输出、数据处理与数据分析、Matplotlib、pyecharts、Altair动态可视化、NetworkX、航班数据分析、豆瓣网络数据分
电子书
数据挖掘旨在发现蕴含在数据中的有价值的数据模式、知识或规律，是目前非常热门的研究领域。理解数据挖掘模型的原理、方法并熟练掌握其实现技术是数据挖掘从业者必备的能力。本书从理论模型和技术实战两个角度，全面讲述数据挖掘的基本流程、模型方法、实现技术及案例应用，帮助读者系统地掌握数据挖掘的核心技术，培养读者从事数据挖掘工作的基本能力。全书共12章，主要内容包括数据探索、数据预处理、特征选择、基础分类模型及
电子书
本书以JupyterNotebook为主要开发工具，全面地介绍数据预处理的相关知识。全书共分8章，内容分别为初识Python数据预处理、数据获取与存储、数据清洗、数据集成、数据变换、数据规约、综合实战：家用热水器用户行为分析以及两个综合实战项目。每个章节均配置了丰富的示例或案例，通过本书的学习，读者可以充分理解常用数据预处理方法的精髓、掌握具体技术细节，并在实践中提升实际开发能力，为数据分析和机器
电子书
本书的设计和编写目标是培养读者的数据思维能力和数据预处理能力，内容具有典型性和实用性，系统介绍基于Python的数据预处理的流程和技术。全书共8个单元，单元1介绍数据预处理的基础知识，单元2介绍Python数据预处理的库pandas的用法及主要数据对象的用法，单元3～单元7依次介绍数据预处理流程中数据获取、数据合并、数据清洗、数据变换和数据描述等相关知识和技术。为突出培养读者的动手能力，本书单元2
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，内容丰富，知识点完整，结构层次分明，通过大量插图来讲解算法实现过程，有利于读者理解并巩固数据结构的相关算法思想。
