《Python数据可视化》源码

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。

封面图

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
• 2.2Ebola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
• 2.7Python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 IDE 69
• 3.1Python中的IDE工具 70
• 3.1.1Python 3.x和Python 2.7 70
• 3.1.2交互式工具类型 70
• 3.1.3Python IDE类型 72
• 3.2Anaconda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
• 3.3.1Bokeh 89
• 3.3.2VisPy 90
• 3.4总结 91
• 第4章数值计算和交互式绘图 92
• 4.1NumPy、SciPy和MKL函数 93
• 4.1.1NumPy 93
• 4.1.2SciPy 99
• 4.1.3MKL函数 105
• 4.1.4Python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
• 4.5.7Trie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
• 5.4.1k-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
• 6.2k-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
• 8.1.1Python的random包 253
• 8.1.2SciPy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
• 8.1.7Julia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