Python 數據可視化 (Mastering Python Data Visualization)
科斯·拉曼 (Kirthi Raman)
- 出版商: 機械工業
- 出版日期: 2017-03-01
- 定價: $414
- 售價: 8.5 折 $352
- 語言: 簡體中文
- 頁數: 276
- 裝訂: 平裝
- ISBN: 7111560906
- ISBN-13: 9787111560906
-
相關分類:
Python、程式語言、Data-visualization
已絕版
買這商品的人也買了...
-
黑帽 Python | 給駭客與滲透測試者的 Python 開發指南 (Black Hat Python: Python Programming for Hackers and Pentesters)$400$316 -
OpenGL Data Visualization Cookbook (Paperback)$2,180$2,071 -
Python 絕技：運用 Python 成為頂級駭客 (Violent Python : A Cookbook for Hacker, Forensic Analysis, Penetration Testers and Security Engineers)$474$450 -
網站擷取｜使用 Python (Web Scraping with Python: Collecting Data from the Modern Web)$580$458 -
$403機器學習導論 (An Introduction to Machine Learning) -
今天不學機器學習，明天就被機器取代：從 Python 入手+演算法$590$502 -
高效率資料分析｜使用 Python (Foundations for Analytics with Python)$580$458 -
$293Python 網絡爬蟲實戰 -
$352Python大戰機器學習：數據科學家的第一個小目標 -
一次搞定：所有 Python Web 框架開發百科全書（最完整Python Web框架，包括Django、Flask、Tornado、Twisted等）$590$502 -
資料視覺化｜使用 Python 與 JavaScript (Data Visualization with Python and JavaScript: Scrape, Clean, Explore & Transform Your Data)$680$537 -
謝謝你遲到了：一個樂觀主義者在加速時代的繁榮指引 (Thank You for Being Late An Optimist’s Guide to Thriving in the Age of Accelerations)$600$510 -
實用機器學習 (Practical Machine Learning)$374$356 -
$352精通 Python 網絡爬蟲:核心技術、框架與項目實戰 -
$301Web 接口開發與自動化測試 — 基於 Python 語言 -
$352面向機器智能的 TensorFlow 實踐 -
$301零起點 Python 機器學習快速入門 -
$505零起點 Python 足彩大數據與機器學習實盤分析 -
MySQL 與 MariaDB 學習手冊 (Learning MySQL and MariaDB: Heading in the Right Direction with MySQL and MariaDB)$680$537 -
TensorFlow + Keras 深度學習人工智慧實務應用$590$460 -
白話大數據與機器學習$480$379 -
最符合人腦的解讀方式：用 d3.js 完成網頁視覺化$540$459 -
Python 初學特訓班 (增訂版) (附250分鐘影音教學/範例程式)$480$379 -
$403Python 爬蟲開發與項目實戰 -
演算法圖鑑：26種演算法 + 7種資料結構，人工智慧、數據分析、邏輯思考的原理和應用 step by step 全圖解$450$356
相關主題
商品描述
本書介紹了利用Python實現數據可視化。並介紹了數據、信息與知識之間的關系。書中涉及的可視化過程應用了大量流行的Python庫，你會學到採用Numpy、Scipy、IPython、MatPotLib、Pandas、Patsy和Scikit-Learn等生成可視化結果的不同方法。
目錄大綱
譯者序
前言
第1章 數據可視化概念框架1
1.1數據、信息、知識和觀點2
1.1.1數據2
1.1.2信息2
1.1.3知識3
1.1.4數據分析和觀點3
1.2數據轉換4
1.2.1數據轉換為信息4
1.2.2信息轉換為知識7
1.2.3知識轉換為觀點7
1.3數據可視化歷史8
1.4可視化如何幫助決策10
1.4.1可視化適用於哪裡11
1.4.2如今的數據可視化12
1.5可視化圖像15
1.5.1條形圖和餅圖19
1.5.2箱線圖22
1.5.3散點圖和氣泡圖23
1.5.4核密度估計圖26
1.6總結29
第2章 數據分析與可視化30
2.1為什麼可視化需要規劃31
2.2 Ebola案例31
2.3體育案例37
2.4用數據編寫有趣的故事47
2.4.1為什麼故事如此重要47
2.4.2以讀者驅動為導向的故事47
2.4.3以作者驅動為導向的故事53
2.5感知與表達方法55
2.6一些*好的可視化實踐57
2.6.1比較和排名57
2.6.2相關性58
2.6.3分佈59
2.6.4位置定位或地理數據61
2.6.5局部到整體的關係61
2.6.6隨時間的變化趨勢62
2.7 Python中的可視化工具62
2.8交互式可視化64
2.8.1事件監聽器64
2.8.2佈局設計65
2.9總結67
第3章 開始使用Python IDE69
3.1 Python中的IDE工具70
3.1.1 Python 3.x和Python 2.770
3.1.2交互式工具類型70
3.1.3 Python IDE類型72
3.2 Anaconda可視化繪圖83
3.2.1表面三維圖83
3.2.2方形圖85
3.3交互式可視化軟件包89
3.3.1 Bokeh 89
3.3.2 VisPy90
3.4總結91
第4章 數值計算和交互式繪圖92
4.1 NumPy、SciPy和MKL函數93
4.1.1 NumPy93
4.1.2 SciPy99
4.1.3 MKL函數105
4.1.4 Python的性能106
4.2標量選擇106
4.3切片107
4.4數組索引108
4.4.1數值索引108
4.4.2邏輯索引109
4.5其他數據結構110
4.5.1棧110
4.5.2元組111
4.5.3集合112
4.5.4隊列113
4.5.5字典114
4.5.6字典的矩陣表示115
4.5.7 Trie樹120
4.6利用matplotlib進行可視化121
4.6.1詞云122
4.6.2安裝詞云122
4.6.3詞云的輸入124
4.6.4繪製股票價格圖129
4.7體育運動中的可視化 案例136
4.8總結140
第5章 金融和統計模型141
5.1確定性模型142
5.2隨機性模型150
5.2.1蒙特卡洛模擬150
5.2.2投資組合估值168
5.2.3模擬模型170
5.2.4幾何布朗運動模擬170
5.2.5基於擴散模擬173
5.3閾值模型175
5.4統計與機器學習綜述179
5.4.1 k-最近鄰算法179
5.4.2廣義線性模型181
5.5創建動畫和交互圖184
5.6總結188
第6章 統計與機器學習189
6.1分類方法190
6.1.1理解線性回歸191
6.1.2線性回歸193
6.1.3決策樹196
6.1.4貝葉斯理論199
6.1.5樸素貝葉斯分類器200
6.1.6用TextBlob構建樸素貝葉斯分類器202
6.1.7用詞云觀察積極情緒206
6.2 k-最近鄰208
6.3邏輯斯諦回歸211
6.4支持向量機214
6.5主成分分析216
6.6 k-均值聚類220
6.7總結223
第7章 生物信息學、遺傳學和網絡模型224
7.1有向圖和多重圖225
7.1.1存儲圖表數據225
7.1.2圖表展示227
7.2圖的聚集係數235
7.3社交網絡分析238
7.4平面圖測試240
7.5 有向無環圖測試242
7.6最大流量和最小切割244
7.7遺傳編程示例245
7.8隨機區組模型247
7.9總結250
第8章 高級可視化252
8.1計算機模擬253
8.1.1 Python的random包253
8.1.2 SciPy的random函數254
8.1.3模擬示例255
8.1.4信號處理258
8.1.5動畫製作261
8.1.6利用HTML5進行可視化263
8.1.7 Julia和Python有什麼區別267
8.1.8用D3.js進行可視化267
8.1.9儀錶盤268
8.2總結269
附錄繼續探索可視化270
