Python数据可视化 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

[印度] 科斯·拉曼（Kirthi Raman） 著，程豪 译

图书标签:

• Python
• 数据可视化
• Matplotlib
• Seaborn
• Plotly
• 数据分析
• 图表
• 可视化工具
• 编程
• 数据科学

出版社： 机械工业出版社

ISBN：9787111560906

版次：1

商品编码：12062567

品牌：机工出版

包装：平装

丛书名： 数据分析与决策技术丛书

开本：16开

出版时间：2017-04-01

用纸：胶版纸

页数：276

内容简介

　　《Python数据可视化》介绍了利用Python实现数据可视化。并介绍了数据、信息与知识之间的关系。书中涉及的可视化过程应用了大量流行的Python库，你会学到采用Numpy、Scipy、IPython、MatPotLib、Pandas、Patsy和Scikit-Learn等生成可视化结果的不同方法。

目录

译者序
前　言
第1章　数据可视化概念框架1
1.1　数据、信息、知识和观点2
1.1.1　数据2
1.1.2　信息2
1.1.3　知识3
1.1.4　数据分析和观点3
1.2　数据转换4
1.2.1　数据转换为信息4
1.2.2　信息转换为知识7
1.2.3　知识转换为观点7
1.3　数据可视化历史8
1.4　可视化如何帮助决策10
1.4.1　可视化适用于哪里11
1.4.2　如今的数据可视化12
1.5　可视化图像15
1.5.1　条形图和饼图19
1.5.2　箱线图22
1.5.3　散点图和气泡图23
1.5.4　核密度估计图26
1.6　总结29
第2章　数据分析与可视化30
2.1　为什么可视化需要规划31
2.2　Ebola案例31
2.3　体育案例37
2.4　用数据编写有趣的故事47
2.4.1　为什么故事如此重要47
2.4.2　以读者驱动为导向的故事47
2.4.3　以作者驱动为导向的故事53
2.5　感知与表达方法55
2.6　一些最好的可视化实践57
2.6.1　比较和排名57
2.6.2　相关性58
2.6.3　分布59
2.6.4　位置定位或地理数据61
2.6.5　局部到整体的关系61
2.6.6　随时间的变化趋势62
2.7　Python中的可视化工具62
2.8　交互式可视化64
2.8.1　事件监听器64
2.8.2　布局设计65
2.9　总结67
第3章　开始使用Python IDE69
3.1　Python中的IDE工具70
3.1.1　Python 3.x和Python 2.770
3.1.2　交互式工具类型70
3.1.3　Python IDE类型72
3.2　Anaconda可视化绘图83
3.2.1　表面三维图83
3.2.2　方形图85
3.3　交互式可视化软件包89
3.3.1　Bokeh 89
3.3.2　VisPy90
3.4　总结91
第4章　数值计算和交互式绘图92
4.1　NumPy、SciPy和MKL函数93
4.1.1　NumPy93
4.1.2　SciPy99
4.1.3　MKL函数105
4.1.4　Python的性能106
4.2　标量选择106
4.3　切片107
4.4　数组索引108
4.4.1　数值索引108
4.4.2　逻辑索引109
4.5　其他数据结构110
4.5.1　栈110
4.5.2　元组111
4.5.3　集合112
4.5.4　队列113
4.5.5　字典114
4.5.6　字典的矩阵表示115
4.5.7　Trie树120
4.6　利用matplotlib进行可视化121
4.6.1　词云122
4.6.2　安装词云122
4.6.3　词云的输入 124
4.6.4　绘制股票价格图129
4.7　体育运动中的可视化案例136
4.8　总结140
第5章　金融和统计模型141
5.1　确定性模型142
5.2　随机性模型150
5.2.1　蒙特卡洛模拟150
5.2.2　投资组合估值168
5.2.3　模拟模型 170
5.2.4　几何布朗运动模拟170
5.2.5　基于扩散模拟173
5.3　阈值模型175
5.4　统计与机器学习综述179
5.4.1　k-最近邻算法179
5.4.2　广义线性模型181
5.5　创建动画和交互图184
5.6　总结188
第6章　统计与机器学习189
6.1　分类方法190
6.1.1　理解线性回归191
6.1.2　线性回归193
6.1.3　决策树196
6.1.4　贝叶斯理论199
6.1.5　朴素贝叶斯分类器200
6.1.6　用TextBlob构建朴素贝叶斯分类器202
6.1.7　用词云观察积极情绪206
6.2　k-最近邻208
6.3　逻辑斯谛回归211
6.4　支持向量机214
6.5　主成分分析216
6.6　 k-均值聚类220
6.7　总结223
第7章　生物信息学、遗传学和网络模型224
7.1　有向图和多重图225
7.1.1　存储图表数据225
7.1.2　图表展示227
7.2　图的聚集系数235
7.3　社交网络分析238
7.4　平面图测试 240
7.5　有向无环图测试 242
7.6　最大流量和最小切割244
7.7　遗传编程示例245
7.8　随机区组模型247
7.9　总结250
第8章　高级可视化252
8.1　计算机模拟253
8.1.1　Python的random包253
8.1.2　SciPy的random函数254
8.1.3　模拟示例255
8.1.4　信号处理258
8.1.5　动画制作261
8.1.6　利用HTML5进行可视化263
8.1.7　Julia和Python有什么区别267
8.1.8　用D3.js进行可视化267
8.1.9　仪表盘268
8.2　总结269
附录　继续探索可视化270

前言/序言

　　前　　言　Preface　　数据可视化旨在清楚明了地提供信息，帮助读者定性理解这些信息。俗话说，一图胜千字（百闻不如一见）。这里，可以换个说法，“一幅图讲述了一个故事，如同万语千言。”因此，可视化是一个宝贵的工具，有助于读者快速理解相应的概念。然而，与其说数据可视化是一种技能，还不如说它是一门艺术。这是因为，如过度使用数据可视化会适得其反。 　　当前，有太多数据需要处理。这些数据包含着许多见解，这些见解是成功的关键。能够发现数据、清洗数据，并使用正确的工具实现可视化至关重要。本书讲解了用Python软件包实现数据可视化的不同方法，并给出很多不同领域的案例，比如，数值计算、金融模型、统计和机器学习，以及遗传学与网络。 　　本书提供在Mac OS X 10.10.5系统上运行的案例程序，具体用到Python 2.7、IPython 0.13.2、matplotlib 1.4.3、NumPy 1.9.2、SciPy 0.16.0和conda构建1.14.1版本。 　　本书主要内容第1章阐述了数据可视化确实应该被称为“用于知识推断的数据可视化”。本章包含框架，讲解数据/信息如何转换为知识，以及有意义的呈现方式（通过取对数、颜色映射、散点图、相关性以及其他）如何能够帮助我们更容易地掌握知识。 　　第2章讲述可视化的重要性，展示可视化过程中的一些步骤，包括可选择的几种工具选项。可视化方法由来已久，很早之前我们就接触过这些方法；比如，连年幼的小孩都能解释条形图。交互式可视化有很多优点，本章将举例说明。 　　第3章解释了从Continuum Analytics使用Anaconda时，不必安装每个Python库的原因。Anaconda有简化的打包和部署方法，这些方法使得IPython notebook与其他库的并行运算变得更加容易。 　　第4章包括交互式绘图方法及在计算物理和应用数学中的实践案例。一些著名的案例包括用SciPy实现插值方法、近似、聚类、抽样、相关关系和凸优化。 　　第5章探索金融工程，该领域有很多数值计算和图表绘制的方法，是探索Python的一个有趣的案例。本章通过举例讲述股票报价、回归分析、蒙特卡洛算法和模拟方法。 　　第6章包含了用NumPy、SciPy、matplotlib和scikit-learn等工具进行处理的统计方法，比如，线性、非线性回归、聚类和分类。 　　第7章包含了有趣的案例，比如社交网络以及现实生活中的有向图举例，适用于这些问题的数据结构，以及网络分析。本章会用到一些具体的库，比如graph-tool、NetworkX、matplotlib、scipy和numpy。 　　第8章包含模拟方法和信号处理案例，用以展示一些可视化方法。这里，我们也给出了其他高级工具的对比，比如Julia和D3.js。 　　附录给出了conda概述，并列出多种Python库。 　　学习本书的准备工作本书要求用户在操作系统上安装2.7.6或以上版本的Python。对于书中的案例，可以使用Mac OS X 10.10.5的Python默认版本（2.7.6）来实现。其他会用到的软件包是IPython—一个交互式Python环境。新版的IPython叫Jupyter，该版本现在有50种不同语言的内核函数。 　　安装提前打包好的用于科学计算的Python发行版，如果可能的话，可以从Continuum安装Anaconda，或安装Enthought Python Distribution。Anaconda一般自带300多个Python软件包。你可以用pip或conda安装不在自带软件包列表中的Python软件包。有一些案例可见附录。 　　本书适用对象目前已有很多Python和数据可视化方面的书。然而，对于有一定Python知识储备的人来说，几乎很少有把两者内容结合在一起的书值得推荐。有关简化代码、重复使用的小生境（niche）技术的讨论更是少之又少。对于有强烈学习兴趣的Python开发人员，本书将提供一系列获得分析结果和产生惊人可视化效果的方法。 　　本书提供了解决实际问题的一系列分析方法。虽然本书并不是面向初学者的，但是如果有需要，你可以搜索书中推荐阅读的文献资料。如果这是你初次体验Python编程或数据可视化，提前阅读一些入门教材会有很大帮助。我最喜欢的书有John Guttag教授的《Introduction to Computer Science and Programming》（可从MIT OpenCourseWare上免费下载）和来自UCLA的Nathan Yau的《Visualize This》。 　　The Translator's Words　译　者　序海量信息的不断增长，不断刺激着读者对数据可视化的渴望与诉求。作为一种功能强大的开源编程语言，Python包含了丰富的软件包和绘图技术，从而帮助用户完成数据分析、构建统计模型并展现研究结果。 　　本书尤其关注Python在众多应用领域中的可视化功能，全面覆盖Python的各种绘图选项，配合丰富的实际案例，为Python初学者和资深人士提供了一本实用指南。对于Python，我不敢自称有丰富的实战经验，但却有过自学和运用的经历。在承担本书翻译工作的同时，我自己也重温了一次Python可视化之旅，收益颇多。故劝荐诸位，不妨深读此书，系统体验Python在数据可视化方面的贡献。与音乐一样，知识的传播没有国界。因此，翻译不仅是知识表达语言的转换，更是一次学习和交流的机会。与原作者对话，高山仰止，受益匪浅；与读者对话，高山流水，闻过则喜。 　　在此，感谢我的朋友钟琰在整个翻译过程中提供的帮助。感谢我的至爱刘钰洁在译稿校对阶段给出的建议。我要感谢我的博士生导师—中国人民大学的易丹辉教授。感谢我在美国联合培养期间的导师—美国哥伦比亚大学的韦颖副教授。特别感谢我父母和家人，是他们给予我前行的动力和勇气。最后，非常感谢机械工业出版社华章公司的编辑让我接触到这本书，并给予中肯建议。感谢身边所有的良师益友。 　　鉴于个人时间与水平有限，如有纰漏，还望各位读者予以反馈，不吝赐教！ 　　程豪2016年12月15日

Python数据可视化：洞悉数据之美 在信息爆炸的时代，数据已成为我们理解世界、驱动决策的核心。然而，海量原始数据往往杂乱无章，如同未经雕琢的璞玉，其内在的价值与规律难以被轻易洞察。如何有效地从这些数据中提取有意义的信息，将其转化为直观、易懂的洞察，从而指导我们的行动？这正是数据可视化所致力于解决的关键问题。 本书《Python数据可视化：洞悉数据之美》并非一本探讨Python语言本身如何实现的教程，也不是一本泛泛而谈的数据分析理论书籍。相反，它将目光聚焦于数据可视化这一具体而强大的应用领域，深入剖析如何运用Python这一通用且强大的编程工具，将抽象的数据转化为生动、富有表现力的视觉图景。我们相信，一个优秀的图表，远胜千言万语，它能够跨越语言的障碍，以最直接、最有效的方式揭示数据的内在联系、趋势变化以及异常情况。 本书的目标读者是那些对数据分析感兴趣，希望掌握一套行之有效的方法来探索和呈现数据，并希望能够运用Python实现这一目标的技术人员、研究人员、学生，乃至任何渴望通过数据获得更深层次理解的个体。无论你是一名刚刚接触数据领域的新手，还是已经具备一定分析基础的实践者，本书都将为你提供一套系统性的学习路径和丰富的实战指导。 为什么选择Python进行数据可视化？ Python之所以成为数据科学领域的首选语言，其强大的生态系统功不可没。在数据可视化方面，Python拥有众多成熟、功能强大的库，它们为开发者提供了从基础绘图到复杂交互式可视化的全方位支持。本书将重点介绍并深入讲解这些库的强大功能与使用技巧。 Matplotlib：构建基础视觉的基石 作为Python数据可视化领域的“元老级”库，Matplotlib为我们提供了构建几乎所有类型二维图表的基础能力。从简单的折线图、散点图、柱状图，到更为复杂的箱线图、误差图、等高线图，Matplotlib都能一一实现。本书将详细讲解Matplotlib的核心概念，包括Figure、Axes、Artist等，帮助读者理解图表的构成要素，并掌握如何精细地控制图表的各个细节，如标题、轴标签、刻度、图例、颜色、线型、标记等。我们将通过丰富的示例，展示如何使用Matplotlib创建静态、高质量的图表，满足学术报告、论文插图等各类专业需求。 Seaborn：让统计图表触手可及 在Matplotlib的基础上，Seaborn库以其简洁的API和对统计图形的深度优化，极大地简化了复杂统计图表的创建过程。Seaborn特别擅长于绘制各种分布图、关系图、分类图和回归图，能够有效地展现变量之间的统计关系和数据分布特征。本书将深入探讨Seaborn的强大功能，包括如何利用它快速生成美观的统计摘要图，如直方图、密度图、核密度估计图、散点图矩阵，以及如何通过分类变量对数据进行分组，从而揭示不同群体间的差异。我们将重点介绍Seaborn在处理多变量数据时的优势，以及如何通过其内置的主题和颜色板来增强图表的可读性和美观性。 Plotly：迈向交互式可视化的新纪元 在当今强调用户体验和动态交互的时代，静态图表已不足以满足所有需求。Plotly库以其对交互式图形的卓越支持，引领着数据可视化走向新的高度。Plotly能够生成可以在Web浏览器中直接运行的、支持缩放、平移、悬停提示等交互功能的图表。本书将带领读者探索Plotly的强大能力，包括如何使用其核心库Plotly Express快速创建丰富的交互式图表，如散点图、线图、条形图、饼图，以及地理信息图。更重要的是，我们将学习如何利用Plotly.js这一底层的JavaScript库，实现高度定制化的交互行为和复杂的可视化效果，构建动态仪表盘和Web应用。 Bokeh：构建复杂交互式应用的利器 与Plotly类似，Bokeh也是一个专注于构建交互式Web可视化应用的库。Bokeh提供了比Plotly更低的抽象层，允许开发者在更细粒度上控制图表的交互行为和布局。本书将介绍Bokeh在创建仪表盘、实时数据流可视化以及构建复杂交互式应用的场景下的应用。我们将学习如何使用Bokeh的Layouts和Widgets来组织和控制多个图表和交互元素，如何集成Python后端数据处理逻辑，以及如何将Bokeh图表嵌入到Web页面中。 数据之美的哲学与实践 除了介绍各种Python可视化库的具体用法，本书更注重于传达数据可视化的核心理念和设计原则。我们相信，优秀的数据可视化不仅仅是技术的堆砌，更是对数据本质的深刻理解和对信息传达的艺术追求。 明确目标： 在开始任何可视化之前，首先需要清晰地定义想要通过图表传达的核心信息或回答的关键问题。不同的目标决定了最适合的图表类型和展示方式。 了解受众： 你的图表是给谁看的？他们的背景知识、专业程度以及关注点是什么？针对不同的受众，可视化策略需要进行相应的调整，以确保信息的有效传递。 选择合适的图表类型： 不同的数据类型和分析目的需要选择最能准确、直观地展现其特征的图表。本书将系统性地梳理各种常用图表的适用场景，帮助读者做出明智的选择。 简洁为王： 避免不必要的视觉元素，如过多的颜色、三维效果、装饰性线条等，它们往往会分散观众的注意力，干扰信息的传递。专注于数据本身，让图表“说话”。 强调关键信息： 通过颜色、大小、位置等视觉属性，突出图表中最重要的部分，引导观众的视线，使其能够快速抓住核心洞察。 讲好故事： 数据可视化最终是为了讲一个关于数据的故事。本书将引导读者思考如何通过一系列的图表，构建一个连贯、有逻辑的叙事，带领观众一步步深入理解数据。 本书的学习路径与特色 本书结构清晰，循序渐进，力求让每一位读者都能有所收获。 1. 基础构建： 从Matplotlib的基础概念和常用图表入手，为读者打下坚实的理论和实践基础。 2. 统计洞察： 深入Seaborn，学习如何快速生成专业的统计图表，揭示数据分布和变量间的关系。 3. 交互体验： 探索Plotly和Bokeh，掌握构建动态、交互式可视化图表的方法，提升数据探索和展示的维度。 4. 实战案例： 全书穿插丰富的真实世界数据案例，涵盖从金融、科学研究到市场分析等多个领域，帮助读者在实践中巩固所学知识。 5. 设计原则： 不仅关注“如何做”，更注重“为何这样做”，通过对数据可视化设计原则的讲解，提升读者的审美和信息传达能力。 6. 进阶探索： 在掌握基础库的应用后，本书还将涉及一些更高级的主题，如地图可视化、时间序列分析可视化、以及如何将可视化集成到Web应用中。 《Python数据可视化：洞悉数据之美》不仅仅是一本工具书，更是一扇通往数据洞察世界的大门。通过本书的学习，你将能够熟练运用Python这一强大的工具，将冰冷的数据转化为充满智慧和故事的视觉语言，从而在你的工作和研究中，更准确、更高效地发现趋势、揭示规律、并做出更明智的决策。让我们一起踏上这段探索数据之美的旅程吧！

评分☆☆☆☆☆

这本《Python数据可视化》简直是为我量身打造的！作为一个数据分析领域的初学者，我一直苦于如何将枯燥的数据转化为直观易懂的图表，以便更好地理解和呈现我的发现。在翻阅了市面上不少同类书籍后，这本书的出现彻底点亮了我前行的道路。它的叙述逻辑非常清晰，从基础的图表类型（如折线图、柱状图、散点图）的原理讲解，到如何在Python中利用Matplotlib、Seaborn等库实现，都循序渐进，丝毫不会让人感到突兀。更让我惊喜的是，作者并没有停留在理论层面，而是提供了大量贴近实际应用场景的案例。比如，书中关于如何绘制交互式地图以展示地理空间数据的部分，就让我受益匪浅，我立即尝试着用它来分析我们公司不同区域的销售数据，效果出奇的好，领导们都赞不绝口。此外，书中对于图表美化和定制化的讲解也非常到位，各种颜色、字体、标签的设置技巧，让我的可视化作品瞬间提升了一个档次，不再是那种“能看懂”的图，而是“能打动人”的图。这本书不仅教会了我“怎么做”，更让我明白了“为什么这么做”，真正培养了我对数据可视化独到的见解。

评分☆☆☆☆☆

我是一名正在攻读统计学硕士的学生，在学习《Python数据可视化》的过程中，我深切体会到了理论与实践结合的重要性。这本书的编写非常严谨，它不仅仅停留在“如何使用某个库”的层面，而是深入剖析了每种可视化方法背后的统计学原理和设计理念。例如，在讲解如何绘制箱线图（boxplot）时，书中详细阐述了四分位数、异常值等概念，并说明了为何箱线图能够有效地展示数据的分布和离散程度，这对于理解统计学中的一些核心概念至关重要。此外，书中关于信息可视化伦理和避免数据误导性呈现的讨论，也给了我很大的触动。在学术研究中，我们不仅要保证数据的准确性，更要确保呈现方式的客观和公正。这本书让我认识到，好的数据可视化不仅仅是技术的运用，更是一种负责任的信息传播方式。书中提供的各种图表优化建议，例如如何选择合适的颜色方案以避免色盲人士的阅读障碍，如何清晰地标注数据来源，都为我的毕业论文可视化工作提供了宝贵的指导。

评分☆☆☆☆☆

这本书《Python数据可视化》的出现，对我来说，无异于一次“解放”！我之前的工作主要围绕着文本分析和自然语言处理，对于数据的可视化一直是个短板。每次在汇报项目成果时，都只能用枯燥的文字描述，很难让听众直观地理解我的模型效果和分析洞察。读完这本书后，我感觉自己一下子拥有了“点石成金”的能力。书中对如何利用Python生成各种类型图表（从基础的到复杂的，比如词云图、热力图、网络图）的讲解，实在是太细致了，而且配有大量可直接运行的代码示例。我立即将书中学习到的词云图制作技巧应用到我的文本分析报告中，将高频词汇以直观的图形展示出来，效果立刻提升了几个量级。读者们能够迅速抓住文本数据的核心信息，大大增强了报告的吸引力和传播力。更重要的是，书中关于如何根据不同的分析目标（是强调趋势、比较、分布还是关系）来选择合适的图表类型的指导，帮助我建立了一个清晰的思路框架，不再是盲目地尝试。这本书让我看到了数据可视化在提升沟通效率和信息传达深度上的巨大价值。

评分☆☆☆☆☆

作为一名对科技和创新充满好奇心的业余爱好者，我对《Python数据可视化》这本书的喜爱，更多地源于它所带来的那种“发现新世界”的惊喜感。我原本对编程和数据分析知之甚少，但这本书的语言风格非常友善，一点也没有技术书籍的生硬感。我被书中那些色彩斑斓、形态各异的图表深深吸引，它们就像一个个故事，讲述着数据背后的秘密。我从书中学习到了如何用Python绘制出能够让我的业余项目（比如分析我喜欢的电影票房数据、或者追踪某个社交媒体话题的热度）变得生动有趣。一开始，我只会画一些最简单的图，但随着学习的深入，我学会了如何添加图例、调整坐标轴、甚至给图表添加动画效果，让我的数据呈现更加吸引人。尤其让我印象深刻的是，书中关于如何根据数据特性选择最恰当的可视化图表类型的指导，这让我避免了很多“画出好看但意义不明”的误区。这本书让我觉得，原来数据分析并不是只有科学家才能做的事情，通过学习这本书，我也能用一种更有趣、更直观的方式来理解和探索我身边的世界。

评分☆☆☆☆☆

我是一名资深的数据科学家，每天与海量数据打交道，数据可视化自然是我工作中不可或缺的一部分。在接触了《Python数据可视化》这本书后，我不得不说，它在一些非常细微和高级的主题上，给我带来了不少启发，甚至改变了我以往的一些实践习惯。书中关于多变量数据可视化策略的探讨，特别是如何利用降维技术（如PCA、t-SNE）结合可视化来探索高维数据集的结构，这一点非常宝贵。很多时候，我们会被数据的维度所困扰，而这本书提供了一种系统性的解决方案，并且详细解释了不同降维算法的适用场景和优缺点，这对于我从事复杂模型评估和异常检测的工作非常有帮助。另外，关于绘制动态图表和仪表盘（dashboard）的部分，作者引入了Plotly和Dash等库，这让我有机会接触到构建更具交互性和动态性的数据展示平台。我尝试着将书中关于构建实时数据仪表盘的技巧应用到我们部门的KPI监控系统中，显著提升了信息传递的效率和实时性，大大节省了团队成员的时间。这本书对于有一定基础的读者来说，绝对是一本值得深入研读的宝藏，它能帮助你突破瓶颈，迈向更专业、更前沿的数据可视化领域。

评分☆☆☆☆☆

还没有开始看呐，拿到书的时候，订书时候的需求已经有变化了，先把基础学通，以后再看啦。

评分☆☆☆☆☆

看看先

评分☆☆☆☆☆

写的非常好，通俗易懂！

评分☆☆☆☆☆

厚，料足，好书

评分☆☆☆☆☆

让我的数据分析结果更好看

评分☆☆☆☆☆

很好很好很实用性价比很高，买买买

评分☆☆☆☆☆

内容很丰富，翻译尚可。

评分☆☆☆☆☆

日常生活用品，信赖京东，货真价实，便捷！

评分☆☆☆☆☆

到货了，还可以吧，准备翻开开始看。到货了，还可以吧，准备翻开开始看。