Python数据可视化PDF电子书下载

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 IDE 69

3.1 Python中的IDE工具 70

3.1.1 Python 3.x和Python 2.7 70

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 VisPy 90

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 NumPy 93

4.1.2 SciPy 99

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