Python數據可視化之Matplotlib與Pyecharts實戰

目    錄

第 1 篇  Python數據可視化基礎

 

第 1 章  搭建Python開發環境 3

1.1  集成開發工具Anaconda 3

1.1.1  什麽是Anaconda 3

1.1.2  安裝Anaconda 4

1.2  常用代碼開發工具 6

1.2.1  簡單易用的Spyder 7

1.2.2  功能強大的JupyterLab 9

1.2.3  高效流行的PyCharm 10

1.3  認識Python程序 13

1.3.1  一個簡單的Python程序 14

1.3.2  Python的常量和變量 15

1.3.3  編寫Python程序的註意事項 15

1.4  包管理工具pip 16

1.5  本章小結 18

第 2 章  Python編程基礎 19

2.1  Python數據類型 19

2.1.1  數字 19

2.1.2  字符串 20

2.1.3  列表 21

2.1.4  元組 23

2.1.5  集合 24

2.1.6  字典 26

2.2  Python運算符和優先級 28

2.2.1  Python運算符 28

2.2.2  運算符的優先級 33

2.3  Python語法基礎 35

2.3.1  條件語句：if及if嵌套 35

2.3.2  循環語句：while與for 36

2.3.3  格式化：format與% 38

2.4  Python的函數 39

2.4.1  函數的概念及使用 40

2.4.2  數據分析中的常用函數 41

2.5  本章小結 44

第 3 章  Pandas數據整理與清洗 45

3.1  Pandas的概念與數據結構 45

3.1.1  初識Pandas 45

3.1.2  Pandas的數據結構 46

3.2  數據的讀取 48

3.2.1  讀取本地離線數據 49

3.2.2  讀取Web在線數據 50

3.2.3  讀取常用數據庫的數據 51

3.2.4  讀取Hadoop集群數據 53

3.3  數據的索引 54

3.3.1  set_index()函數：創建索引 54

3.3.2  unstack()函數：層次化索引 56

3.3.3  swaplevel()函數：調整索引 57

3.4  數據的切片 57

3.4.1  提取一列或多列數據 57

3.4.2  提取一行或多行數據 58

3.4.3  提取指定區域的數據 59

3.5  數據的刪除 60

3.5.1  刪除一行或多行數據 60

3.5.2  刪除一列或多列數據 61

3.5.3  刪除指定的列表對象 62

3.6  數據的排序 62

3.6.1  按行索引排序數據 62

3.6.2  按列索引排序數據 63

3.6.3  按一列或多列排序數據 64

3.6.4  按一行或多行排序數據 65

3.7  數據的聚合 65

3.7.1  level參數：指定列聚合數據 65

3.7.2  groupby()函數：分組聚合 66

3.7.3  agg()函數：更多聚合指標 67

3.8  數據透視 68

3.8.1  pivot_table()函數：數據透視 68

3.8.2  crosstab()函數：數據交叉 71

3.9  數據合並 71

3.9.1  merge()函數：橫向合並 72

3.9.2  concat()函數：縱向合並 74

3.10  本章小結 75

第 4 章  Python數據可視化庫 76

4.1  Matplotlib 76

4.1.1  Matplotlib庫簡介 76

4.1.2  Matplotlib可視化案例 76

4.2  Pyecharts 78

4.2.1  Pyecharts庫簡介 78

4.2.2  Pyecharts可視化案例 78

4.3  Seaborn 79

4.3.1  Seaborn庫簡介 79

4.3.2  Seaborn可視化案例 79

4.4  Bokeh 81

4.4.1  Bokeh庫簡介 81

4.4.2  Bokeh可視化案例 81

4.5  HoloViews 83

4.5.1  HoloViews簡介 83

4.5.2  HoloViews可視化案例 83

4.6  Plotly 84

4.6.1  Plotly庫簡介 84

4.6.2  Plotly可視化案例 85

4.7  NetworkX 86

4.7.1  NetworkX簡介 86

4.7.2  NetworkX可視化案例 87

4.8  其他可視化庫 88

4.8.1  Altair 88

4.8.2  Pygal 89

4.9  動手練習 90

第 2 篇  Matplotlib數據可視化

第 5 章  Matplotlib圖形參數設置 95

5.1  Matplotlib主要參數配置 95

5.1.1  線條設置 95

5.1.2  坐標軸設置 98

5.1.3  圖例的設置 99

5.2  繪圖參數文件及主要函數 101

5.2.1  修改繪圖參數文件 101

5.2.2  繪圖主要函數簡介 103

5.3  Matplotlib參數配置案例 104

5.4  動手練習 105

第 6 章  Matplotlib基礎繪圖 106

6.1  繪制直方圖 106

6.1.1  直方圖的參數 106

6.1.2  案例：每日利潤額的數值分佈 107

6.2  繪制折線圖 109

6.2.1  折線圖的參數 109

6.2.2  案例：每周商品銷售業績分析 109

6.3  繪制條形圖 111

6.3.1  條形圖的參數 111

6.3.2  案例：不同省份利潤額的比較 112

6.4  繪制餅圖 113

6.4.1  餅圖的參數 114

6.4.2  案例：不同類型商品銷售額比較 115

6.5  繪制散點圖 116

6.5.1  散點圖的參數 116

6.5.2  案例：銷售額與利潤額的關系 117

6.6  繪制箱形圖 118

6.6.1  箱形圖的參數 118

6.6.2  案例：區域銷售業績比較分析 120

6.7  動手練習 122

第 7 章  Matplotlib高級繪圖 123

7.1  樹形圖及應用案例 123

7.1.1  樹形圖的適用場景 123

7.1.2  案例：不同省份銷售額的比較分析 124

7.2  誤差條形圖及應用案例 125

7.2.1  誤差條形圖的適用場景 125

7.2.2  案例：門店業績考核達標情況分析 125

7.3  火柴桿圖及應用案例 127

7.3.1  火柴桿圖的函數及其應用場景 127

7.3.2  案例：不同省份送貨準時性分析 127

7.4  甘特圖及應用案例 128

7.4.1  甘特圖及其應用場景 129

7.4.2  案例：企業信息化項目進度管理 129

7.5  自相關圖及應用案例 132

7.5.1  自相關圖及其應用場景 132

7.5.2  案例：股票價格的自相關分析 133

7.6  圖形整合及應用案例 135

7.6.1  圖形整合函數 135

7.6.2  案例：區域銷售額與利潤額分析 137

7.7  動手練習 139

第 3 篇  Pyecharts數據可視化

第 8 章  Pyecharts圖形參數配置 143

8.1  全局配置項 143

8.1.1  基本元素配置項 143

8.1.2  坐標軸配置項 151

8.1.3  原生圖形配置項 154

8.2  系列配置項 159

8.2.1  樣式類配置項 159

8.2.2  標記類配置項 161

8.2.3  其他類配置項 165

8.3  多樣化的視圖呈現 166

8.3.1  生成HTML文件 166

8.3.2  生成圖片 167

8.3.3  在Jupyter Notebook環境下運行 168

8.3.4  在JupyterLab環境中運行 168

8.4  動手練習 169

第 9 章  Pyecharts基礎繪圖 170

9.1  繪制折線圖 170

9.1.1  折線圖及其參數配置 170

9.1.2  案例：各門店銷售業績比較分析 171

9.2  繪制條形圖 173

9.2.1  條形圖及其參數配置 173

9.2.2  案例：各省市商品訂單數量分析 175

9.3  繪制箱形圖 177

9.3.1  箱形圖及其參數配置 177

9.3.2  案例：不同類型商品的收益分析 178

9.4  漣漪散點圖 179

9.4.1  漣漪散點圖的參數配置 179

9.4.2  案例：不同收入等級客戶價值分析 180

9.5  K線圖 182

9.5.1  K線圖的參數配置 182

9.5.2  案例：企業股票價格趨勢分析 183

9.6  雙坐標軸圖 185

9.6.1  雙坐標軸圖的介紹 185

9.6.2  案例：區域銷售業績及數量分析 185

9.7  動手練習 187

第 10 章  Pyecharts高級繪圖 189

10.1  日歷圖 189

10.1.1  日歷圖的參數 189

10.1.2  案例：企業股票每日交易量分析 190

10.2  漏鬥圖 192

10.2.1  漏鬥圖的參數 192

10.2.2  案例：華東地區各省市利潤額分析 192

10.3  儀表盤 194

10.3.1  儀表盤的參數 194

10.3.2  案例：企業2022年銷售業績完成率 195

10.4  環形圖 196

10.4.1  環形圖的參數 196

10.4.2  案例：不同教育群體的購買力分析 197

10.5  雷達圖 198

10.5.1  雷達圖的參數 198

10.5.2  案例：不同區域銷售業績的比較 199

10.6  旭日圖 202

10.6.1  旭日圖的屬性 202

10.6.2  案例：繪制我的家庭樹旭日圖 203

10.7  主題河流圖 205

10.7.1  主題河流圖的屬性 205

10.7.2  案例：不同類型商品銷售情況分析 205

10.8  詞雲 207

10.8.1  詞雲的屬性 207

10.8.2  案例：商品類型關鍵詞詞雲 207

10.9  玫瑰圖 209

10.9.1  玫瑰圖的屬性設置 209

10.9.2  案例：不同職業群體的購買力分析 209

10.10  平行坐標系 211

10.10.1  平行坐標系的屬性設置 211

10.10.2  案例：地區利潤增長率比較分析 211

10.11  動手練習 213

第 4 篇  數據可視化案例

 

第 11 章  案例1：空氣質量狀況分析 217

11.1  案例背景及數據爬取 217

11.1.1  案例背景介紹 217

11.1.2  案例數據爬取 218

11.2  歷年數據總體分析 220

11.2.1  歷年AQI總體比較分析 220

11.2.2  歷年季度AQI趨勢分析 223

11.2.3  歷年空氣污染物分析 224

11.3  2022年空氣質量分析 226

11.3.1  空氣質量等級分析 226

11.3.2  每月AQI數據分析 228

11.3.3  每周AQI數據分析 230

11.3.4  每日AQI數據分析 231

11.4  污染物數據高級分析 233

11.4.1  6種污染物相關分析 233

11.4.2  PM2.5與PM10回歸分析 234

11.4.3  PM2.5與PM10殘差分析 235

11.5  案例小結 236

第 12 章  案例2：人口現狀及趨勢分析 237

12.1  人口總數及結構分析 237

12.1.1  人口總數趨勢分析 237

12.1.2  人口男女性別分析 239

12.1.3  人口年齡結構分析 241

12.2  人口增長率數據分析 244

12.2.1  人口增長率趨勢分析 244

12.2.2  人口增長率相關分析 246

12.2.3  人口增長率回歸分析 247

12.3  人口撫養比數據分析 249

12.3.1  人口撫養比趨勢分析 249

12.3.2  人口撫養比相關分析 252

12.3.3  人口撫養比回歸分析 253

12.4  案例小結 255

第 13 章  案例3：網絡平臺商品評論可視化分析 256

13.1  項目案例背景 256

13.2  商品評論總體分析 257

13.2.1  月度商品評論數及得分分析 257

13.2.2  不同尺寸的商品評論數及得分分析 259

13.2.3  不同顏色的商品評論數及得分分析 261

13.3  商品評論文本分析 263

13.3.1  中文Jieba分詞概述 263

13.3.2  商品評論關鍵詞分析 263

13.3.3  商品評論關鍵詞詞雲 266

13.4  案例小結 268

附錄A  搭建大數據開發環境 269

A.1  集群的安裝及網絡配置 269

A.1.1  集群軟件及其版本 269

A.1.2  集群網絡環境配置 271

A.2  集群案例數據集簡介 273

A.2.1  數據字段說明 273

A.2.2  數據導入說明 274

A.2.3  運行環境說明 275

A.3  集群節點參數配置 276

A.3.1  Hadoop的參數配置 276

A.3.2  Hive的參數配置 278

A.3.3  Spark的參數配置 280

A.3.4  集群的啟動與關閉 281