Python数据可视化（微课版）-图书-人邮教育社区

内容摘要

全书共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.

第1篇　可视化基础篇
第1章数据可视化概述　002
1.1　数据可视化基础　002
1.1.1　数据及其获取途径　002
1.1.2　数据预处理　003
1.1.3　数据可视化及其挑战　004
1.2　数据可视化实施　005
1.2.1　数据可视化的基本流程和阶段　005
1.2.2　数据可视化的设计原则　006
1.2.3　数据可视化的交互技术　008
1.3　数据可视化图表　008
1.3.1　对比型图表及案例　008
1.3.2　趋势型图表及案例　010
1.3.3　比例型图表及案例　012
1.3.4　分布型图表及案例　013
1.3.5　其他类型图表及案例　014
1.4　实践训练　016
第2章 Python数据可视化库　018
2.1　Matplotlib　018
2.1.1　Matplotlib简介　018
2.1.2　Matplotlib参数配置　018
2.2　Pyecharts　027
2.2.1　Pyecharts简介　027
2.2.2　Pyecharts基本配置　029
2.3　Seaborn　033
2.3.1　Seaborn简介　033
2.3.2　Seaborn绘图风格设置　033
2.4　Bokeh　037
2.4.1　Bokeh简介　037
2.4.2　Bokeh基本配置　038
2.5　HoloViews　045
2.5.1　HoloViews简介　045
2.5.2　HoloViews参数配置　047
2.6　Plotly　051
2.6.1　Plotly简介　051
2.6.2　Plotly主要图形　051
2.7　NetworkX　057
2.7.1　NetworkX简介　057
2.7.2　NetworkX参数配置　057
2.8　实践训练　058
第2篇　时空数据篇
第3章时序数据的可视化　061
3.1　时序数据概述　061
3.1.1　时序数据简介　061
3.1.2　时序数据可视化概述　063
3.2　折线图法　065
3.2.1　折线图及其应用场景　065
3.2.2　Python案例实战　066
3.3　散点图法　068
3.3.1　散点图及其应用场景　068
3.3.2　Python案例实战　069
3.4　日历图法　071
3.4.1　日历图及其应用场景　071
3.4.2　Python案例实战　072
3.5　动态图法　073
3.5.1　动态图及其应用场景　073
3.5.2　Python案例实战　074
3.6　主题河流图法　075
3.6.1　主题河流图及其应用场景　075
3.6.2　Python案例实战　076
3.7　平行坐标系法　078
3.7.1　平行坐标系及其应用场景　078
3.7.2　Python案例实战　079
3.8　甘特图法　081
3.8.1　甘特图及其应用场景　081
3.8.2　Python案例实战　081
3.9　自相关图法　083
3.9.1　自相关图及其应用场景　083
3.9.2　Python案例实战　084
3.10　脊线图法　085
3.10.1　脊线图及其应用场景　085
3.10.2　Python案例实战　085
3.11　实践训练　087
第4章金融数据的可视化　089
4.1　金融数据概述　089
4.1.1　金融数据简介　089
4.1.2　金融数据可视化概述　089
4.2　K线图法　090
4.2.1　K线图及其应用场景　090
4.2.2　Python案例实战　091
4.3　OHLC图法　093
4.3.1　OHLC图及其应用场景　093
4.3.2　Python案例实战　093
4.4　Renko图法　094
4.4.1　Renko图及其应用场景　094
4.4.2　Python案例实战　095
4.5　MACD图法　096
4.5.1　MACD图及其应用场景　096
4.5.2　Python案例实战　096
4.6　BOLL图法　099
4.6.1　BOLL图及其应用场景　099
4.6.2　Python案例实战　100
4.7　RSI图法　101
4.7.1　RSI图及其应用场景　101
4.7.2　Python案例实战　102
4.8　实践训练　104
第5章空间数据的可视化　106
5.1　空间数据概述　106
5.1.1　空间数据简介　106
5.1.2　空间数据可视化概述　106
5.2　三维条形图法　107
5.2.1　三维条形图及其应用场景　107
5.2.2　Python案例实战　107
5.3　三维曲面图法　109
5.3.1　三维曲面图及其应用场景　109
5.3.2　Python案例实战　110
5.4　三维散点图法　111
5.4.1　三维散点图及其应用场景　111
5.4.2　Python案例实战　111
5.5　三维等高线法　113
5.5.1　三维等高线及其应用场景　113
5.5.2　Python案例实战　113
5.6　实践训练　114
第6章地理数据的可视化　115
6.1　地理数据概述　115
6.1.1　地理数据简介　115
6.1.2　地理数据可视化概述　115
6.2　热力地图法　116
6.2.1　热力地图及其应用场景　116
6.2.2　Python案例实战　116
6.3　着色地图法　117
6.3.1　着色地图及其应用场景　117
6.3.2　Python案例实战　117
6.4　三维地图法　118
6.4.1　三维地图及其应用场景　118
6.4.2　Python案例实战　118
6.5　动态地图法　120
6.5.1　动态地图及其应用场景　120
6.5.2　Python案例实战　121
6.6　轨迹地图法　122
6.6.1　轨迹地图及其应用场景　122
6.6.2　Python案例实战　122
6.7　实践训练　126
第3篇　非时空数据篇
第7章层次数据的可视化　128
7.1　层次数据概述　128
7.1.1　层次数据简介　128
7.1.2　层次数据可视化概述　128
7.2　树状图法　129
7.2.1　树状图及其应用场景　129
7.2.2　Python案例实战　129
7.3　旭日图法　131
7.3.1　旭日图及其应用场景　131
7.3.2　Python案例实战　132
7.4　和弦图法　133
7.4.1　和弦图及其应用场景　133
7.4.2　Python案例实战　134
7.5　实践训练　135
第8章网络数据的可视化　137
8.1　网络数据概述　137
8.1.1　网络数据简介　137
8.1.2　网络数据可视化概述　137
8.2　无向图法　138
8.2.1　无向图及其应用场景　138
8.2.2　Python案例实战　138
8.3　有向图法　139
8.3.1　有向图及其应用场景　139
8.3.2　Python案例实战　139
8.4　社交网络图法　141
8.4.1　社交网络图及其应用场景　141
8.4.2　Python案例实战　141
8.5　实践训练　142
第9章多元数据的可视化　144
9.1　多元数据概述　144
9.1.1　多元数据简介　144
9.1.2　多元数据可视化概述　144
9.2　散点图矩阵法　145
9.2.1　散点图矩阵及其应用场景　145
9.2.2　Python案例实战　146
9.3　雷达图法　147
9.3.1　雷达图及其应用场景　147
9.3.2　Python案例实战　147
9.4　平行坐标系法　148
9.4.1　平行坐标系及其应用场景　148
9.4.2　Python案例实战　149
9.5　变量降维法　150
9.5.1　变量降维及其应用场景　150
9.5.2　Python案例实战　151
9.6　实践训练　153
第10章文本数据的可视化　154
10.1　文本数据概述　154
10.1.1　文本数据简介　154
10.1.2　文本数据可视化概述　155
10.2　标签云法　155
10.2.1　标签云及其应用场景　155
10.2.2　Python案例实战　156
10.3　文档散法　157
10.3.1 文档散及应用场景　157
10.3.2　Python案例实战　158
10.4　词云法　160
10.4.1　词云及其应用场景　160
10.4.2　Python案例实战　160
10.5　主题河流图法　162
10.5.1　主题河流图及其应用场景　162
10.5.2　Python案例实战　162
10.6　实践训练　164
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　166
11.1　数据采集及整理　166
11.1.1　人口数据的来源与采集　166
11.1.2　人口数据的清洗与整理　166
11.2　人口总数及结构分析　167
11.2.1　人口总数趋势分析　167
11.2.2　人口男女性别比分析　168
11.2.3　人口年龄结构分析　170
11.3　人口增长率数据分析　172
11.3.1　人口增长率趋势分析　172
11.3.2　人口增长率相关分析　173
11.3.3　人口增长率回归分析　175
11.4　人口抚养比数据分析　176
11.4.1　人口抚养比趋势分析　176
11.4.2　人口抚养比相关分析　178
11.4.3　人口抚养比回归分析　179
11.5　实践训练　181
第12章社交电商营销分析与可视化　183
12.1　社交电商及其发展趋势分析　183
12.1.1　社交电商现状分析　183
12.1.2　社交电商营销分析　183
12.2　商品属性分析　184
12.2.1　商品功能描述的标签云　184
12.2.2　商品名称的关键词词云　186
12.2.3　不同类型商品订单量的主题河流图　187
12.3　客户社交分析　189
12.3.1　商品分享的有向图　189
12.3.2　成功分享商品的和弦图　191
12.3.3　客户商品分享的社交网络图　192
12.4　营销效果分析　193
12.4.1　商品销售额年增长率分析　193
12.4.2　商品销售额的着色地图　195
12.4.3　商品客户评价的词云　196
12.5　实践训练　197
附录A Python 3.9.0具体安装步骤　199
附录B Python常用第三方工具包简介　202
参考文献　206

读者评论

赶紧抢沙发哦！

我要评论

出版信息

书　　名：Python数据可视化（微课版）
执行编辑：本书的内容有任何问题，请联系许金霞
出版日期：2022-01-01
书　　号：978-7-115-56220-3
作　　者： 王国平
定　　价：69.80 元
页　　数：206
印刷方式：彩色印刷
开　　本：小16开
出版状态：上市销售

作者介绍

十余年金融、电力等行业从业经历，擅长数据分析、数据可视化、机器学习等，精通Python、SPSS、Tableau、MS Power BI等数据分析工具，熟悉MySQL、SQL Server等数据库，熟悉Hadoop、Hive、Zeppelin、Spark等大数据分析及可视化工具。现已出版十余本专著，其中《Tableau数据可视化从入门到精通》和《Microsoft Power BI数据可视化与数据分析》等已销售过万，此外还有《Python数据可视化之Matplotlib与Pyecharts》等Python方面的专著。