Python數(shù)據(jù)可視化

第1章 數(shù)據(jù)可視化和數(shù)據(jù)探索的重要性
1．1 簡介
1．1．1 數(shù)據(jù)可視化簡介
1．1．2 數(shù)據(jù)可視化的重要性
1．1．3 數(shù)據(jù)整理
1．1．4 可視化工具和庫
1．2 統(tǒng)計學概述
1．2．1 集中趨勢的度量
1．2．2 離散度測量
1．2．3 相關(guān)性
1．2．4 數(shù)據(jù)類型
1．2．5 摘要統(tǒng)計信息
1．3 NumPy
1．3．1 練習1：加載示例數(shù)據(jù)集并計算平均值
1．3．2 操作1：使用NumPy計算平均值、中位數(shù)、方差和標準偏差
1．3．3 基本的NumPy 操作
1．3．4 操作2：索引、切片、分割和迭代
1．3．5 高級NumPy 操作
1．3．6 操作3：過濾、排序、組合和重構(gòu)
1．4 pandas
1．4．1 pandas的優(yōu)點
1．4．2 pandas的缺點
1．4．3 練習2：加載示例數(shù)據(jù)集并計算平均值
1．4．4 操作4：使用pandas計算平均值、中位數(shù)和給定數(shù)字的方差
1．4．5 基本的pandas 操作
1．4．6 Series
1．4．7 操作5：基于pandas的索引、切片和迭代
1．4．8 pandas高級 操作
1．4．9 操作6：過濾、排序和重構(gòu)
1．5 本章小結(jié)
第2章 繪圖知識
2．1 簡介
2．2 比較圖
2．2．1 線形圖
2．2．2 柱狀圖
2．2．3 雷達圖
2．2．4 操作7：員工技能比較
2．3 關(guān)系圖
2．3．1 散點圖
2．3．2 氣泡圖
2．3．3 相關(guān)圖
2．3．4 熱圖
2．3．5 操作8：20年內(nèi)道路交通事故統(tǒng)計
2．4 合成圖
2．4．1 餅圖
2．4．2 堆疊式柱狀圖
2．4．3 堆疊式面積圖
2．4．4 操作9：智能手機銷售額
2．4．5 維恩圖
2．5 分布圖
2．5．1 直方圖
2．5．2 密度圖
2．5．3 箱形圖
2．5．4 小提琴圖
2．5．5 操作10：不同時間區(qū)間內(nèi)列車的頻率
2．6 地理圖
2．6．1 點圖
2．6．2 等值區(qū)域圖
2．6．3 連接圖
2．7 良好的設(shè)計規(guī)則
2．7．1 一般的設(shè)計實踐
2．7．2 操作11：確定理想的可視化 操作
2．8 本章小結(jié)
第3章 Matplotlib
3．1 簡介
3．2 Matplotlib中的圖表
3．3 pyplot基本知識
3．3．1 創(chuàng)建Figure
3．3．2 關(guān)閉Figure
3．3．3 格式化字符串
3．3．4 繪制機制
3．3．5 利用pandas DataFrame繪制
3．3．6 顯示Figure
3．3．7 保存Figure
3．3．8 創(chuàng)建簡單的可視化內(nèi)容
3．4 基本的文本和圖例功能
3．4．1 標記
3．4．2 標題
3．4．3 文本
3．4．4 標注
3．4．5 圖例
3．4．6 操作12：利用線形圖可視化股票的走勢
3．5 基本圖表
3．5．1 柱狀圖
3．5．2 操作13：比較影片評分的柱狀圖
3．5．3 餅圖
3．5．4 創(chuàng)建耗水量餅圖
3．5．5 堆疊式柱狀圖
3．5．6 操作14：餐廳業(yè)績的可視化結(jié)果
3．5．7 堆疊式面積圖
3．5．8 操作15：利用堆疊式面積圖比較智能手機的銷售狀態(tài)
3．5．9 直方圖
3．5．1 0 箱形圖
3．5．1 1操作16：智商的直方圖和箱形圖
3．5．1 2 散點圖
3．5．1 3操作17：利用散點圖可視化動物間的相關(guān)性
3．5．1 4 氣泡圖
3．6 布局
3．6．1 子圖
3．6．2 緊湊型子圖
3．6．3 雷達圖
3．6．4 與雷達圖協(xié)同工作
3．6．5 GridSpec
3．6．6 操作18：基于邊緣直方圖創(chuàng)建散點圖
3．7 圖像
3．7．1 基本的圖像 操作
3．7．2 操作19：在網(wǎng)格中繪制多幅圖像
3．8 編寫數(shù)學表達式
3．9 本章小結(jié)
第4章 利用Seaborn簡化可視化 操作
4．1 簡介
4．2 控制Figure觀感
4．2．1 圖形樣式
4．2．2 移除軸向
4．2．3 上下文
4．2．4 操作20：利用箱形圖比較不同測試分組中的IQ值
4．3 調(diào)色板
4．3．1 分類調(diào)色板
4．3．2 連續(xù)調(diào)色板
4．3．3 離散調(diào)色板
4．3．4 操作21：利用熱圖發(fā)現(xiàn)航班數(shù)據(jù)中的模式
4．4 Seaborn中的圖表
4．4．1 柱狀圖
4．4．2 操作22：電影評分比較
4．4．3 核密度估算
4．4．4 相互關(guān)系的可視化
4．4．5 小提琴圖
4．4．6 操作23：利用小提琴圖比較不同測試組中的IQ值
4．5 Seaborn中的多圖表
4．5．1 FacetGrid
4．5．2 操作24：前30個YouTube頻道
4．6 回歸圖
4．7 Squarify庫
4．8 本章小結(jié)
第5章 繪制地理空間數(shù)據(jù)
5．1 簡介
5．1．1 Geoplotlib的設(shè)計原理
5．1．2 地理空間可視化
5．1．3 簡單地理空間數(shù)據(jù)的可視化
5．1．4 操作27：繪制地圖上的地理空間數(shù)據(jù)
5．1．5 采用GeoJSON數(shù)據(jù)的等值線圖
5．2 圖塊提供商
5．3 自定義層
5．4 本章小結(jié)
第6章 基于Bokeh的交互式 操作
6．1 簡介
6．1．1 Bokeh的基本概念
6．1．2 Bokeh中的接口
6．1．3 輸出
6．1．4 Bokeh服務(wù)器
6．1．5 演示
6．1．6 集成
6．1．7 利用Bokeh進行繪制
6．1．8 比較plotting和models接口
6．2 添加微件
6．2．1 基本的交互式微件
6．2．2 操作29：利用微件擴展圖表
6．3 本章小結(jié)
第7章 知識整合
7．1 簡介
7．1．1 操作30：實現(xiàn)Matplotlib和Seaborn 操作
7．1．2 操作31：利用Bokeh可視化股票價格
7．1．3 geoplotlib
7．1．4 操作32：利用geoplotlib分析Airbnb數(shù)據(jù)
7．2 本章小結(jié)
附錄
第1章 數(shù)據(jù)可視化和數(shù)據(jù)探索的重要性
操作1：使用NumPy計算平均值、中位數(shù)、方差和標準偏差
操作2：索引、切片、分割和迭代
操作3：過濾、排序、組合和重構(gòu)
操作4：使用pandas計算平均值、中位數(shù)和給定數(shù)字的方差
操作5：基于pandas的索引、切片和迭代
操作6：過濾、排序和重構(gòu)
第2章 繪圖知識
操作7：員工技能比較
操作8：20年內(nèi)道路交通事故統(tǒng)計
操作9：智能手機銷售額
操作10：不同時間區(qū)間內(nèi)列車的頻率
操作11：確定理想的可視化 操作
第3章 Matplotlib
操作12：利用線形圖可視化股票的走勢
操作13：比較影片評分的柱狀圖
操作14：餐廳業(yè)績的可視化結(jié)果
操作15：利用堆疊式面積圖比較智能手機的銷售狀態(tài)
操作16：智商的直方圖和箱形圖
操作17：利用散點圖可視化動物間的相關(guān)性
操作18：基于邊緣直方圖創(chuàng)建散點圖
操作19：在網(wǎng)格中繪制多幅圖像
第4章 利用Seaborn簡化可視化 操作
操作20：利用箱形圖比較不同測試分組中的IQ值
操作21：利用熱圖發(fā)現(xiàn)航班數(shù)據(jù)中的模式
操作22：電影評分比較
操作23：利用小提琴圖比較不同測試組中的IQ值
操作24：前30個YouTube頻道
操作25：線性回歸
操作26：耗水量
第5章 繪制地理空間數(shù)據(jù)
操作27：繪制地圖上的地理空間數(shù)據(jù)
操作28：與自定義層協(xié)同工作
第6章 基于Bokeh的交互式 操作
操作29：利用微件擴展圖表
第7章 知識整合
操作30：實現(xiàn)Matplotlib和Seaborn 操作
操作31：利用Bokeh可視化股票價格
操作32：利用geoplotlib分析Airbnb數(shù)據(jù)