Python数据可视化之Matplotlib与Pyecharts实战

图书标准信息

• 作者 王国平
• 出版社 清华大学出版社
• 出版时间 2023-10
• 版次 1
• ISBN 9787302646259
• 定价 89.00元
• 装帧 其他
• 开本 其他
• 纸张 胶版纸
• 页数 292页
• 字数 493千字

【内容简介】

《Python数据可视化之Matplotlib与Pyecharts实战》以某上市电商企业的客户数据、订单数据、股价数据为基础，循序渐进地介绍Python可视化技术，重点介绍Pandas数据预处理与Matplotlib和Pyecharts在数据可视化应用中的基本功能和使用技巧。全书共分4篇，第1篇（第1～4章）主要介绍Python基础与Pandas数据预处理技术，帮助准备可视化数据；第2篇（第5～7章）介绍可视化工具Matplotlib的功能与绘图技巧；第3篇（第8～10章）介绍可视化工具Pyecharts的功能与绘图技巧；第4篇（第11～13章）介绍3个项目案例，旨在使读者学以致用，提升数据分析的整体能力。 《Python数据可视化之Matplotlib与Pyecharts实战》还提供了案例数据源文件、源代码和教学视频，供读者上机演练时参考。 《Python数据可视化之Matplotlib与Pyecharts实战》案例丰富，通俗易懂，适合想学习Python可视化的初学者和从业者使用，还可以作为管理、经济、社会人文等领域的人员学习Python软件进行大数据可视化分析的参考书，也可以作为大中专院校相关专业的教学用书。

【作者简介】

王国，于上海海洋大学，硕士，从业10余年，主要从事数 据可视化、数据挖掘和大数据分析与研究等工作，对于包括 python等多种工具以及行业软件tableau、pytorch、power bl等 都有丰富的实践经验。出版著作：动手学excel数据分析与可视 化、pytorch深度学建模与应用等。

【目录】

篇 python数据可视化基础

章 搭建python开发环境 3

1.1 集成开发工具anaconda 3

1.1.1 什么是anaconda 3

1.1.2 安装anaconda 4

1.2 常用代码开发工具 6

1.2.1 简单易用的spyder 7

1.2.2 功能强大的jupyterlab 9

1.2.3 高效流行的pycharm 10

1.3 认识python程序 13

1.3.1 一个简单的python程序 14

1.3.2 python的常量和变量 15

1.3.3 编写python程序的注意事项 15

1.4 包管理工具pip 16

1.5 本章小结 18

第2章 python编程基础 19

2.1 python数据类型 19

2.1.1 数字 19

2.1.2 字符串 20

2.1.3 列表 21

2.1.4 元组 23

2.1.5 集合 24

2.1.6 字典 26

2.2 python运算符和优先级 28

2.2.1 python运算符 28

2.2.2 运算符的优先级 33

2.3 python语法基础 35

2.3.1 条件语句：if及if嵌套 35

2.3.2 循环语句：while与for 36

2.3.3 格式化：format与% 38

2.4 python的函数 39

2.4.1 函数的概念及使用 40

2.4.2 数据分析中的常用函数 41

2.5 本章小结 44

第3章 pandas数据整理与清洗 45

3.1 pandas的概念与数据结构 45

3.1.1 初识pandas 45

3.1.2 pandas的数据结构 46

3.2 数据的读取 48

3.2.1 读取本地离线数据 49

3.2.2 读取web在线数据 50

3.2.3 读取常用数据库的数据 51

3.2.4 读取hadoop集群数据 53

3.3 数据的索引 54

3.3.1 set_index()函数：创建索引 54

3.3.2 unstack()函数：层次化索引 56

3.3.3 swaplevel()函数：调整索引 57

3.4 数据的切片 57

3.4.1 提取一列或多列数据 57

3.4.2 提取一行或多行数据 58

3.4.3 提取指定区域的数据 59

3.5 数据的删除 60

3.5.1 删除一行或多行数据 60

3.5.2 删除一列或多列数据 61

3.5.3 删除指定的列表对象 62

3.6 数据的排序 62

3.6.1 按行索引排序数据 62

3.6.2 按列索引排序数据 63

3.6.3 按一列或多列排序数据 64

3.6.4 按一行或多行排序数据 65

3.7 数据的聚合 65

3.7.1 level参数：指定列聚合数据 65

3.7.2 groupby()函数：分组聚合 66

3.7.3 agg()函数：更多聚合指标 67

3.8 数据透视 68

3.8.1 pivot_table()函数：数据透视 68

3.8.2 crosstab()函数：数据交 71

3.9 数据合并 71

3.9.1 merge()函数：横向合并 72

3.9.2 concat()函数：纵向合并 74

3.10 本章小结 75

第4章 python数据可视化库 76

4.1 matplotlib 76

4.1.1 matplotlib库简介 76

4.1.2 matplotlib可视化案例 76

4.2 pyecharts 78

4.2.1 pyecharts库简介 78

4.2.2 pyecharts可视化案例 78

4.3 seaborn 79

4.3.1 seaborn库简介 79

4.3.2 seaborn可视化案例 79

4.4 bokeh 81

4.4.1 bokeh库简介 81

4.4.2 bokeh可视化案例 81

4.5 holoviews 83

4.5.1 holoviews简介 83

4.5.2 holoviews可视化案例 83

4.6 plotly 84

4.6.1 plotly库简介 84

4.6.2 plotly可视化案例 85

4.7 workx 86

4.7.1 workx简介 86

4.7.2 workx可视化案例 87

4.8 其他可视化库 88

4.8.1 altair 88

4.8.2 pygal 89

4.9 动手练 90

第2篇 matplotlib数据可视化

第5章 matplotlib图形参数设置 95

5.1 matplotlib主要参数配置 95

5.1.1 线条设置 95

5.1.2 坐标轴设置 98

5.1.3 图例的设置 99

5.2 绘图参数文件及主要函数 101

5.2.1 修改绘图参数文件 101

5.2.2 绘图主要函数简介 103

5.3 matplotlib参数配置案例 104

5.4 动手练 105

第6章 matplotlib基础绘图 106

6.1 绘制直方图 106

6.1.1 直方图的参数 106

6.1.2 案例：每利润额的数值分布 107

6.2 绘制折线图 109

6.2.1 折线图的参数 109

6.2.2 案例：每周商品销售业绩分析 109

6.3 绘制条形图 111

6.3.1 条形图的参数 111

6.3.2 案例：不同省份利润额的比较 112

6.4 绘制饼图 113

6.4.1 饼图的参数 114

6.4.2 案例：不同类型商品销售额比较 115

6.5 绘制散点图 116

6.5.1 散点图的参数 116

6.5.2 案例：销售额与利润额的关系 117

6.6 绘制箱形图 118

6.6.1 箱形图的参数 118

6.6.2 案例：区域销售业绩比较分析 120

6.7 动手练 122

第7章 matplotlib绘图 123

7.1 树形图及应用案例 123

7.1.1 树形图的适用场景 123

7.1.2 案例：不同省份销售额的比较分析 124

7.2 误差条形图及应用案例 125

7.2.1 误差条形图的适用场景 125

7.2.2 案例：门店业绩核达标情况分析 125

7.3 火柴杆图及应用案例 127

7.3.1 火柴杆图的函数及其应用场景 127

7.3.2 案例：不同省份送货准时分析 127

7.4 甘特图及应用案例 128

7.4.1 甘特图及其应用场景 129

7.4.2 案例：企业信息化项目进度管理 129

7.5 自相关图及应用案例 132

7.5.1 自相关图及其应用场景 132

7.5.2 案例：股票价格的自相关分析 133

7.6 图形整合及应用案例 135

7.6.1 图形整合函数 135

7.6.2 案例：区域销售额与利润额分析 137

7.7 动手练 139

……