☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《Python數據可視化》介紹瞭利用Python實現數據可視化。並介紹瞭數據、信息與知識之間的關係。書中涉及的可視化過程應用瞭大量流行的Python庫，你會學到采用Numpy、Scipy、IPython、MatPotLib、Pandas、Patsy和Scikit-Learn等生成可視化結果的不同方法。

目錄

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　數據可視化曆史8
1.4　可視化如何幫助決策10
1.4.1　可視化適用於哪裏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　箱綫圖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　以讀者驅動為導嚮的故事47
2.4.3　以作者驅動為導嚮的故事53
2.5　感知與錶達方法55
2.6　一些最好的可視化實踐57
2.6.1　比較和排名57
2.6.2　相關性58
2.6.3　分布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　布局設計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　錶麵三維圖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　集閤112
4.5.4　隊列113
4.5.5　字典114
4.5.6　字典的矩陣錶示115
4.5.7　Trie樹120
4.6　利用matplotlib進行可視化121
4.6.1　詞雲122
4.6.2　安裝詞雲122
4.6.3　詞雲的輸入 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　濛特卡洛模擬150
5.2.2　投資組閤估值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　廣義綫性模型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　理解綫性迴歸191
6.1.2　綫性迴歸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　用詞雲觀察積極情緒206
6.2　k-最近鄰208
6.3　邏輯斯諦迴歸211
6.4　支持嚮量機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　有嚮圖和多重圖225
7.1.1　存儲圖錶數據225
7.1.2　圖錶展示227
7.2　圖的聚集係數235
7.3　社交網絡分析238
7.4　平麵圖測試 240
7.5　有嚮無環圖測試 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有什麼區彆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

前言/序言

　　前　　言　Preface　　數據可視化旨在清楚明瞭地提供信息，幫助讀者定性理解這些信息。俗話說，一圖勝韆字（百聞不如一見）。這裏，可以換個說法，“一幅圖講述瞭一個故事，如同萬語韆言。”因此，可視化是一個寶貴的工具，有助於讀者快速理解相應的概念。然而，與其說數據可視化是一種技能，還不如說它是一門藝術。這是因為，如過度使用數據可視化會適得其反。 　　當前，有太多數據需要處理。這些數據包含著許多見解，這些見解是成功的關鍵。能夠發現數據、清洗數據，並使用正確的工具實現可視化至關重要。本書講解瞭用Python軟件包實現數據可視化的不同方法，並給齣很多不同領域的案例，比如，數值計算、金融模型、統計和機器學習，以及遺傳學與網絡。 　　本書提供在Mac OS X 10.10.5係統上運行的案例程序，具體用到Python 2.7、IPython 0.13.2、matplotlib 1.4.3、NumPy 1.9.2、SciPy 0.16.0和conda構建1.14.1版本。 　　本書主要內容第1章闡述瞭數據可視化確實應該被稱為“用於知識推斷的數據可視化”。本章包含框架，講解數據/信息如何轉換為知識，以及有意義的呈現方式（通過取對數、顔色映射、散點圖、相關性以及其他）如何能夠幫助我們更容易地掌握知識。 　　第2章講述可視化的重要性，展示可視化過程中的一些步驟，包括可選擇的幾種工具選項。可視化方法由來已久，很早之前我們就接觸過這些方法；比如，連年幼的小孩都能解釋條形圖。交互式可視化有很多優點，本章將舉例說明。 　　第3章解釋瞭從Continuum Analytics使用Anaconda時，不必安裝每個Python庫的原因。Anaconda有簡化的打包和部署方法，這些方法使得IPython notebook與其他庫的並行運算變得更加容易。 　　第4章包括交互式繪圖方法及在計算物理和應用數學中的實踐案例。一些著名的案例包括用SciPy實現插值方法、近似、聚類、抽樣、相關關係和凸優化。 　　第5章探索金融工程，該領域有很多數值計算和圖錶繪製的方法，是探索Python的一個有趣的案例。本章通過舉例講述股票報價、迴歸分析、濛特卡洛算法和模擬方法。 　　第6章包含瞭用NumPy、SciPy、matplotlib和scikit-learn等工具進行處理的統計方法，比如，綫性、非綫性迴歸、聚類和分類。 　　第7章包含瞭有趣的案例，比如社交網絡以及現實生活中的有嚮圖舉例，適用於這些問題的數據結構，以及網絡分析。本章會用到一些具體的庫，比如graph-tool、NetworkX、matplotlib、scipy和numpy。 　　第8章包含模擬方法和信號處理案例，用以展示一些可視化方法。這裏，我們也給齣瞭其他高級工具的對比，比如Julia和D3.js。 　　附錄給齣瞭conda概述，並列齣多種Python庫。 　　學習本書的準備工作本書要求用戶在操作係統上安裝2.7.6或以上版本的Python。對於書中的案例，可以使用Mac OS X 10.10.5的Python默認版本（2.7.6）來實現。其他會用到的軟件包是IPython—一個交互式Python環境。新版的IPython叫Jupyter，該版本現在有50種不同語言的內核函數。 　　安裝提前打包好的用於科學計算的Python發行版，如果可能的話，可以從Continuum安裝Anaconda，或安裝Enthought Python Distribution。Anaconda一般自帶300多個Python軟件包。你可以用pip或conda安裝不在自帶軟件包列錶中的Python軟件包。有一些案例可見附錄。 　　本書適用對象目前已有很多Python和數據可視化方麵的書。然而，對於有一定Python知識儲備的人來說，幾乎很少有把兩者內容結閤在一起的書值得推薦。有關簡化代碼、重復使用的小生境（niche）技術的討論更是少之又少。對於有強烈學習興趣的Python開發人員，本書將提供一係列獲得分析結果和産生驚人可視化效果的方法。 　　本書提供瞭解決實際問題的一係列分析方法。雖然本書並不是麵嚮初學者的，但是如果有需要，你可以搜索書中推薦閱讀的文獻資料。如果這是你初次體驗Python編程或數據可視化，提前閱讀一些入門教材會有很大幫助。我最喜歡的書有John Guttag教授的《Introduction to Computer Science and Programming》（可從MIT OpenCourseWare上免費下載）和來自UCLA的Nathan Yau的《Visualize This》。 　　The Translator's Words　譯　者　序海量信息的不斷增長，不斷刺激著讀者對數據可視化的渴望與訴求。作為一種功能強大的開源編程語言，Python包含瞭豐富的軟件包和繪圖技術，從而幫助用戶完成數據分析、構建統計模型並展現研究結果。 　　本書尤其關注Python在眾多應用領域中的可視化功能，全麵覆蓋Python的各種繪圖選項，配閤豐富的實際案例，為Python初學者和資深人士提供瞭一本實用指南。對於Python，我不敢自稱有豐富的實戰經驗，但卻有過自學和運用的經曆。在承擔本書翻譯工作的同時，我自己也重溫瞭一次Python可視化之旅，收益頗多。故勸薦諸位，不妨深讀此書，係統體驗Python在數據可視化方麵的貢獻。與音樂一樣，知識的傳播沒有國界。因此，翻譯不僅是知識錶達語言的轉換，更是一次學習和交流的機會。與原作者對話，高山仰止，受益匪淺；與讀者對話，高山流水，聞過則喜。 　　在此，感謝我的朋友鍾琰在整個翻譯過程中提供的幫助。感謝我的至愛劉鈺潔在譯稿校對階段給齣的建議。我要感謝我的博士生導師—中國人民大學的易丹輝教授。感謝我在美國聯閤培養期間的導師—美國哥倫比亞大學的韋穎副教授。特彆感謝我父母和傢人，是他們給予我前行的動力和勇氣。最後，非常感謝機械工業齣版社華章公司的編輯讓我接觸到這本書，並給予中肯建議。感謝身邊所有的良師益友。 　　鑒於個人時間與水平有限，如有紕漏，還望各位讀者予以反饋，不吝賜教！ 　　程豪2016年12月15日
Python數據可視化 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

還行吧，不錯，應該是正版，用券更抵。就是不喜歡京東搶券的營銷模式。

評分☆☆☆☆☆

可視化還是很有用的，不過不知道和R比起來效果差彆

評分☆☆☆☆☆

彩色圖片被印成黑白的瞭，這怎麼看啊？！

評分☆☆☆☆☆

隨意看看。。。。。。。。。。。。。。。

評分☆☆☆☆☆

還可以感覺,不錯,值得學習

評分☆☆☆☆☆

這本書翻譯地奇差，準確性很值得懷疑。舉個栗子給pythoner們參考，第111頁“元組是一個異質的數據結構，這這意味著它們的元素可以具有不同的含義，而列錶是一個同質的元素列。元組具有結構，而數列有順序。”

評分☆☆☆☆☆

618又屯瞭好多書，超級劃算。

評分☆☆☆☆☆

還沒有開始看呐，拿到書的時候，訂書時候的需求已經有變化瞭，先把基礎學通，以後再看啦。

評分☆☆☆☆☆

不錯不錯不錯不錯不錯

類似圖書 點擊查看全場最低價

查看全網最低價