掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
Python統計可視化之Altair探索分析實踐指 版權信息
- ISBN：9787121425974
- 條形碼：9787121425974 ; 978-7-121-42597-4
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
Python統計可視化之Altair探索分析實踐指 本書特色
適讀人群 ：適合大數據相關行業的人士參考，也適合大數據相關專業的高校師生教學和自學使用。本書以Altair為核心工具，通過認識數據、理解數據和探索數據全方位地探索分析數據集的統計可視化形式。 深入理解不同應用領域和實踐場景的數據集的統計可視化模型 以實踐和練習的方式學習和鞏固核心知識。
Python統計可視化之Altair探索分析實踐指 內容簡介
本書以Altair為核心工具，通過認識數據、理解數據和探索數據全方位地探索分析數據集的統計可視化形式，以應用數據和案例研究為實踐場景，使用Altair數據加工箱進行數據預處理，在此基礎上，深入理解不同應用領域和實踐場景的數據集的統計可視化模型。本書以實踐和練習的方式學習和鞏固核心知識，學習形式簡單高效，適合大數據相關行業的人士參考，也適合大數據相關專業的高校師生教學和自學使用。 本書在很多章節均有動手實踐和練習，其中，"動手實踐”采用以練代講的方式學習和延展核心知識或技能，"練習”采用舉一反三的方式復習和鞏固核心知識或技能。
Python統計可視化之Altair探索分析實踐指 目錄
第1 篇 入門
第1 章 Altair 的環境配置 ． 4
1．1 Altair 的安裝 ． 4
1．2 前端渲染工具的安裝和啟動方法 ． 5
1．2．1 Jupyter Notebook 的安裝和啟動方法 5
1．2．2 JupyterLab 的安裝和啟動方法 5
1．3 vega_datasets 的使用 6
1．4 JSON 簡介 ． 9
1．4．1 JSON 語法規則． 9
1．4．2 在Altair 中使用JSON ． 10
1．5 Pandas 的數據框（DataFrame）對象的使用方法 ．12
1．5．1 使用字典創建DataFrame 的方法 12
1．5．2 DataFrame 的操作方法 13
1．5．3 缺失值的操作方法 ． 15
1．5．4 條件查詢的操作方法 ． 22
1．6 數據加工器 ． 27
第2 章 Altair 的圖形語法 ． 30
2．1 圖形語法簡介 ． 30
2．1．1 圖形語法的原理 ． 31
2．1．2 圖形的視覺對象的組合原則 ． 33
2．1．3 Altair 圖形系統的組成模塊 ． 40
2．2 聲明式統計可視化的意義和優勢 ． 43
2．3 Altair 的語法規則 ． 46
2．3．1 Altair 的數據結構 ． 46
2．3．2 Altair 的基本對象 ． 48
2．3．3 Altair 的展示方法 ． 56
2．3．4 Altair 的存儲方法 ． 59
第2 篇 進階
第3 章 認識數據 65
3．1 名義型變量和數量型變量組合的經典圖形 66
3．1．1 柱形圖 ． 66
3．1．2 條形圖 ． 67
3．1．3 條形碼圖 ． 67
3．2 時間型變量和數量型變量組合的經典圖形 68
3．2．1 折線圖 ． 68
3．2．2 動手實踐：調整折線圖的刻度標簽 ． 70
3．2．3 次序型變量（時間變量離散化）和數量型變量組合：柱形圖 72
3．2．4 動手實踐：面積圖 ． 74
3．2．5 動手實踐：階梯圖 ． 76
3．2．6 練習：比較不同年份7 月的日降雨量 ． 78
3．2．7 動手實踐：分類匯總天氣類型的頻數分布 ． 78
3．2．8 練習：總結分類匯總天氣類型頻數分布的實現方法 81
3．2．9 斜率圖 ． 81
3．2．10 數據集類型的數據結構形式 ． 82
3．3 時間型變量和名義型變量的組合：甘特圖 85
3．4 數量型變量和數量型變量組合的經典圖形 87
3．4．1 散點圖 ． 87
3．4．2 動手實踐：氣泡圖 ． 89
3．4．3 動手實踐：缺失值的可視化識別方法 ． 90
3．4．4 直方圖 ． 91
3．4．5 熱力圖 ． 94
3．4．6 變量類型對顏色標尺的作用 ． 96
3．4．7 動手實踐：展示不同時間的*高氣溫的分布情況 96
3．4．8 動手實踐：展示文本注釋與顏色的映射關系 ． 99
第4 章 理解數據 105
4．1 使用子區通道分區理解數據 105
4．1．1 比較不同地區的汽車馬力分布情況 ． 106
4．1．2 動手實踐：分區展示不同年份的每月平均降雨量 108
4．1．3 練習：繪制不同月份的年平均降雨量時間序列圖 109
4．2 使用分層圖形綜合理解數據 110
4．2．1 使用描述統計量刻畫變量取值的分布偏斜方向和程度 111
4．2．2 練習：繪制風速的均值、*大值和*小值的趨勢變化曲線 ． 115
4．3 通過連接圖形全面理解數據 115
4．3．1 散點圖連接直方圖了解更多的變量信息 116
4．3．2 練習：散點圖連接水平直方圖和垂直直方圖，分別刻畫降雨量和
風速的頻數分布 118
4．4 使用變量矩陣分區理解數據 119
第5 章 探索數據 123
5．1 讓鼠標光標停留在標記上出現變量取值提示 123
5．1．1 實現方法 ． 123
5．1．2 練習：時間序列圖的時間型變量和數量型變量的提示文本 125
5．2 點擊鼠標和拖曳鼠標實現圖形區域選擇 127
5．2．1 實現方法 ． 127
5．2．2 動手實踐：動態選定時間區間的時間序列面積圖 132
5．3 點擊鼠標實現標記選擇 ． 137
5．3．1 實現方法 ． 137
5．3．2 動手實踐：滑動鼠標實現標記選擇 ． 139
5．4 點擊鼠標實現圖形區域選擇 140
5．4．1 實現方法 ． 140
5．4．2 動手實踐：滑動鼠標實現圖形區域的選擇 ． 142
5．4．3 練習：鼠標光標懸停在注釋文本上交互顯示標記 143
5．4．4 動手實踐：缺失值的可視化識別方法2 144
5．5 元素交互實現圖形區域選擇 147
5．5．1 點選下拉列表實現圖形區域的選擇 ． 148
5．5．2 練習：使用條件查詢過濾數據記錄，實現圖形區域的選擇 150
5．5．3 使用單選按鈕實現圖形區域的選擇 ． 151
5．5．4 動手實踐：使用連接圖形以圖形聯動方式實現圖形區域的選擇 ． 152
5．5．5 練習：點選圖例的標記符號實現圖形區域的選擇 155
5．5．6 拖動滑塊實現圖形區域的選擇 ． 155
第3 篇 實踐
第6 章 應用數據 161
6．1 滑珠圖 ．161
6．1．1 比較不同國家人群的預期壽命的變化情況 ． 161
6．1．2 動手實踐：使用網格線表示滑竿的滑珠圖 ． 163
6．1．3 練習：描繪數量波動的總體趨勢――棒棒糖圖 166
6．2 連線散點圖 ．168
6．2．1 探索不同年份的數量變化 ． 168
6．2．2 動手實踐：使用文本注釋使連線散點圖成為時間故事線 ． 172
6．3 箱線圖 ． 173
6．3．1 探索不同天氣類型的風速分布特征和分布形態 174
6．3．2 動手實踐：垂直連接分區直方圖補充箱線圖的分布特征 176
6．3．3 水平連接分區直方圖補充箱線圖的分布特征 ． 178
6．3．4 核密度估計加工器 ． 179
6．3．5 動手實踐：通過比較均值和眾數的大小分析概率密度曲線的
偏斜方向和程度 ． 181
6．3．6 數據離散加工器 ． 181
6．3．7 數據匯總連接加工器 ． 185
6．3．8 動手實踐：計算小雨天氣的出現天數 ． 188
6．3．9 練習：按照月份統計不同降雨量類型出現的天數 190
6．4 探索數據的累積匯總和秩的排序及滯后變換――窗口變換加工器 ．191
6．4．1 窗口變換加工器的應用 ． 191
6．4．2 動手實踐：累積求和的柱形圖 ． 193
6．4．3 指數圖 ． 195
6．4．4 動手實踐：秩的排序 ． 198
6．4．5 凹凸圖 ． 201
6．4．6 動手實踐：滯后等值和領先等值 ． 206
6．4．7 瀑布圖 ． 209
6．4．8 練習：銷售量的相對變化量 ． 214
6．5 分散型堆積條形圖系列 ． 215
6．5．1 分散型堆積條形圖 ． 215
6．5．2 漏斗圖 ． 217
6．5．3 動手實踐：離散化的顏色標尺 ． 221
6．5．4 旋風圖 ． 224
6．5．4 動手實踐：堆積條形圖的分層圖形――子彈頭圖 227
6．5．5 練習：將堆積條形圖變成分層條形圖――溫度計圖 230
6．6 堆積柱形圖系列 231
6．6．1 堆積柱形圖 ． 231
6．6．2 堆積百分比柱形圖 ． 235
6．7 面積圖系列 ． 236
6．7．1 堆積百分比面積圖 ． 236
6．7．2 量化波形圖 ． 237
6．8 置信區間的應用 239
6．8．1 置信區間 ． 239
6．8．2 誤差棒圖 ． 241
6．8．3 動手實踐：樣本容量對樣本標準差和樣本均值的標準誤的影響 ． 245
第7 章 案例研究 248
7．1 不同數量級和單位變量關系的探索分析 248
7．1．1 使用平行坐標圖分析數量型變量的相關關系 ． 249
7．1．2 使用矩陣散點圖分析連續型變量的相關關系 ． 251
7．1．3 建立馬力和重量的一元線性回歸模型 ． 252
7．1．4 練習：建立生產年份和重量的置信帶與回歸直線 265
7．1．5 動手實踐：建立關于生產年份的重量分布脊線圖 266
7．1．6 動手實踐：建立馬力和單位里程數的非線性回歸模型 ． 268
7．2 金融時間序列數據的探索分析 ． 270
7．2．1 5 只股票的價格波動探索分析 271
7．2．2 5 只股票的頻數分布探索分析 274
7．2．3 比較不同股票的價格走勢圖 ． 275
7．2．4 股票收益率的迷你折線圖 ． 277
7．2．5 股票波動率的迷你柱形圖 ． 278
7．2．6 繪制股票收盤價的移動平均線 ． 281
7．2．7 繪制股票的K 線圖（蠟燭圖） 283
7．2．8 動手實踐：繪制移動平均線和K 線圖的分層圖形 ． 285
7．2．9 練習：使用柱線圖（棒形圖）代替K 線圖 ． 289
7．3 自然語言處理的可視化模型的構建和應用 ． 289
7．3．1 讀取文本數據 ． 290
7．3．2 存儲單詞和字母的頻數分布 ． 292
7．3．3 使用條形圖分析字母的頻數 ． 293
7．3．4 使用條形圖分析高頻詞 ． 295
7．3．5 使用詞云圖分析段落詞語的運用特點 ． 296
7．4 反映統計數字的象形圖 ． 299
7．5 可視化模型框架的數據流轉過程與模型存儲和渲染方法 303
7．5．1 使用Pandas 的實例方法to_json()和Altair 的函數to_values()
完成數據流轉 ． 304
7．5．2 使用Altair 的函數to_json()和函數to_values()完成數據流轉 305
7．5．3 可視化模型的存儲和渲染方法 ． 305
7．6 調整坐標軸的量尺類型的實現方法和應用場景 ． 306
7．6．1 選擇合適的坐標軸量尺類型 ． 306
7．6．2 使用氣泡圖描繪3 個數量型變量的數量關系 ． 307
7．6．3 動手實踐：按照年份查看人均收入、壽命和人口數量的
動態變化關系 ． 309
7．6．4 使用連續型量尺離散化的方法轉換變量類型 ． 312
7．7 使用波形圖和頻譜圖分析音頻文件 ． 314
7．7．1 使用波形圖分析音頻文件的聲音變化 ． 314
7．7．2 使用頻譜圖分析音頻文件的頻率變化 ． 315
7．7．3 練習：使用儀表盤分析音頻文件的元數據 ． 317
7．8 視覺圖像的大塊數據文件處理和統計可視化 318
第4 篇 拓展
第8 章 探索分析輔助工具 ． 327
8．1 包sviewgui 的使用方法 ． 327
8．1．1 sviewgui 加載數據和讀取數據的方法 328
8．1．2 CSV 文件的GUI 具體功能和使用方法 ． 329
8．1．3 數據框對象的GUI 具體功能和使用方法 331
8．2 數據框對象統計可視化的實現方法 ． 334
8．2．1 折線圖 ． 334
8．2．2 核密度估計圖 ． 336
8．2．3 直方圖 ． 338
8．2．4 散點圖 ． 340
8．2．5 六邊形網格圖 ． 341
8．2．6 箱線圖 ． 341
第9 章 顏色的使用方法和屬性配置的作用域 ． 343
9．1 顏色方案的設置方法 343
9．2 動手實踐：使用顏色方案accent 設置標記屬性通道color 的
配色模式 346
9．3 變量與顏色的映射關系的設置方法 ． 347
9．4 原始顏色編碼數據的設置方法 ． 348
9．5 屬性配置的作用域 ． 349
附錄A 本書練習詳解 ． 352
3．2．6 練習：比較不同年份7 月的日降雨量 ． 352
3．2．8 練習：總結分類匯總天氣類型頻數分布的實現方法 354
4．1．3 練習：繪制不同月份的年平均降雨量時間序列圖 355
4．2．2 練習：繪制風速的均值、*大值和*小值的趨勢變化曲線 356
4．3．2 練習：散點圖連接水平直方圖和垂直直方圖，分別刻畫降雨量和
風速的頻數分布 ． 358
5．1．2 練習：時間序列圖的時間型變量和數量型變量的提示文本 359
5．4．3 練習：鼠標光標懸停在注釋文本上交互顯示標記 360
5．5．2 練習：使用條件查詢過濾數據記錄，實現圖形區域的選擇 362
5．5．5 練習：點選圖例的標記符號實現圖形區域的選擇 364
6．1．3 練習：描繪數量波動的總體趨勢――棒棒糖圖 365
6．3．9 練習：按照月份統計不同降雨量類型出現的天數 367
6．4．8 練習：銷售量的相對變化量 ． 369
6．5．5 練習：將堆積條形圖變成分層條形圖――溫度計圖 370
7．1．4 練習：建立生產年份和重量的置信帶與回歸直線 373
7．2．9 練習：使用柱線圖（棒形圖）代替K 線圖 ． 374
參考文獻 376
第1 章 Altair 的環境配置 ． 4
1．1 Altair 的安裝 ． 4
1．2 前端渲染工具的安裝和啟動方法 ． 5
1．2．1 Jupyter Notebook 的安裝和啟動方法 5
1．2．2 JupyterLab 的安裝和啟動方法 5
1．3 vega_datasets 的使用 6
1．4 JSON 簡介 ． 9
1．4．1 JSON 語法規則． 9
1．4．2 在Altair 中使用JSON ． 10
1．5 Pandas 的數據框（DataFrame）對象的使用方法 ．12
1．5．1 使用字典創建DataFrame 的方法 12
1．5．2 DataFrame 的操作方法 13
1．5．3 缺失值的操作方法 ． 15
1．5．4 條件查詢的操作方法 ． 22
1．6 數據加工器 ． 27
第2 章 Altair 的圖形語法 ． 30
2．1 圖形語法簡介 ． 30
2．1．1 圖形語法的原理 ． 31
2．1．2 圖形的視覺對象的組合原則 ． 33
2．1．3 Altair 圖形系統的組成模塊 ． 40
2．2 聲明式統計可視化的意義和優勢 ． 43
2．3 Altair 的語法規則 ． 46
2．3．1 Altair 的數據結構 ． 46
2．3．2 Altair 的基本對象 ． 48
2．3．3 Altair 的展示方法 ． 56
2．3．4 Altair 的存儲方法 ． 59
第2 篇 進階
第3 章 認識數據 65
3．1 名義型變量和數量型變量組合的經典圖形 66
3．1．1 柱形圖 ． 66
3．1．2 條形圖 ． 67
3．1．3 條形碼圖 ． 67
3．2 時間型變量和數量型變量組合的經典圖形 68
3．2．1 折線圖 ． 68
3．2．2 動手實踐：調整折線圖的刻度標簽 ． 70
3．2．3 次序型變量（時間變量離散化）和數量型變量組合：柱形圖 72
3．2．4 動手實踐：面積圖 ． 74
3．2．5 動手實踐：階梯圖 ． 76
3．2．6 練習：比較不同年份7 月的日降雨量 ． 78
3．2．7 動手實踐：分類匯總天氣類型的頻數分布 ． 78
3．2．8 練習：總結分類匯總天氣類型頻數分布的實現方法 81
3．2．9 斜率圖 ． 81
3．2．10 數據集類型的數據結構形式 ． 82
3．3 時間型變量和名義型變量的組合：甘特圖 85
3．4 數量型變量和數量型變量組合的經典圖形 87
3．4．1 散點圖 ． 87
3．4．2 動手實踐：氣泡圖 ． 89
3．4．3 動手實踐：缺失值的可視化識別方法 ． 90
3．4．4 直方圖 ． 91
3．4．5 熱力圖 ． 94
3．4．6 變量類型對顏色標尺的作用 ． 96
3．4．7 動手實踐：展示不同時間的*高氣溫的分布情況 96
3．4．8 動手實踐：展示文本注釋與顏色的映射關系 ． 99
第4 章 理解數據 105
4．1 使用子區通道分區理解數據 105
4．1．1 比較不同地區的汽車馬力分布情況 ． 106
4．1．2 動手實踐：分區展示不同年份的每月平均降雨量 108
4．1．3 練習：繪制不同月份的年平均降雨量時間序列圖 109
4．2 使用分層圖形綜合理解數據 110
4．2．1 使用描述統計量刻畫變量取值的分布偏斜方向和程度 111
4．2．2 練習：繪制風速的均值、*大值和*小值的趨勢變化曲線 ． 115
4．3 通過連接圖形全面理解數據 115
4．3．1 散點圖連接直方圖了解更多的變量信息 116
4．3．2 練習：散點圖連接水平直方圖和垂直直方圖，分別刻畫降雨量和
風速的頻數分布 118
4．4 使用變量矩陣分區理解數據 119
第5 章 探索數據 123
5．1 讓鼠標光標停留在標記上出現變量取值提示 123
5．1．1 實現方法 ． 123
5．1．2 練習：時間序列圖的時間型變量和數量型變量的提示文本 125
5．2 點擊鼠標和拖曳鼠標實現圖形區域選擇 127
5．2．1 實現方法 ． 127
5．2．2 動手實踐：動態選定時間區間的時間序列面積圖 132
5．3 點擊鼠標實現標記選擇 ． 137
5．3．1 實現方法 ． 137
5．3．2 動手實踐：滑動鼠標實現標記選擇 ． 139
5．4 點擊鼠標實現圖形區域選擇 140
5．4．1 實現方法 ． 140
5．4．2 動手實踐：滑動鼠標實現圖形區域的選擇 ． 142
5．4．3 練習：鼠標光標懸停在注釋文本上交互顯示標記 143
5．4．4 動手實踐：缺失值的可視化識別方法2 144
5．5 元素交互實現圖形區域選擇 147
5．5．1 點選下拉列表實現圖形區域的選擇 ． 148
5．5．2 練習：使用條件查詢過濾數據記錄，實現圖形區域的選擇 150
5．5．3 使用單選按鈕實現圖形區域的選擇 ． 151
5．5．4 動手實踐：使用連接圖形以圖形聯動方式實現圖形區域的選擇 ． 152
5．5．5 練習：點選圖例的標記符號實現圖形區域的選擇 155
5．5．6 拖動滑塊實現圖形區域的選擇 ． 155
第3 篇 實踐
第6 章 應用數據 161
6．1 滑珠圖 ．161
6．1．1 比較不同國家人群的預期壽命的變化情況 ． 161
6．1．2 動手實踐：使用網格線表示滑竿的滑珠圖 ． 163
6．1．3 練習：描繪數量波動的總體趨勢――棒棒糖圖 166
6．2 連線散點圖 ．168
6．2．1 探索不同年份的數量變化 ． 168
6．2．2 動手實踐：使用文本注釋使連線散點圖成為時間故事線 ． 172
6．3 箱線圖 ． 173
6．3．1 探索不同天氣類型的風速分布特征和分布形態 174
6．3．2 動手實踐：垂直連接分區直方圖補充箱線圖的分布特征 176
6．3．3 水平連接分區直方圖補充箱線圖的分布特征 ． 178
6．3．4 核密度估計加工器 ． 179
6．3．5 動手實踐：通過比較均值和眾數的大小分析概率密度曲線的
偏斜方向和程度 ． 181
6．3．6 數據離散加工器 ． 181
6．3．7 數據匯總連接加工器 ． 185
6．3．8 動手實踐：計算小雨天氣的出現天數 ． 188
6．3．9 練習：按照月份統計不同降雨量類型出現的天數 190
6．4 探索數據的累積匯總和秩的排序及滯后變換――窗口變換加工器 ．191
6．4．1 窗口變換加工器的應用 ． 191
6．4．2 動手實踐：累積求和的柱形圖 ． 193
6．4．3 指數圖 ． 195
6．4．4 動手實踐：秩的排序 ． 198
6．4．5 凹凸圖 ． 201
6．4．6 動手實踐：滯后等值和領先等值 ． 206
6．4．7 瀑布圖 ． 209
6．4．8 練習：銷售量的相對變化量 ． 214
6．5 分散型堆積條形圖系列 ． 215
6．5．1 分散型堆積條形圖 ． 215
6．5．2 漏斗圖 ． 217
6．5．3 動手實踐：離散化的顏色標尺 ． 221
6．5．4 旋風圖 ． 224
6．5．4 動手實踐：堆積條形圖的分層圖形――子彈頭圖 227
6．5．5 練習：將堆積條形圖變成分層條形圖――溫度計圖 230
6．6 堆積柱形圖系列 231
6．6．1 堆積柱形圖 ． 231
6．6．2 堆積百分比柱形圖 ． 235
6．7 面積圖系列 ． 236
6．7．1 堆積百分比面積圖 ． 236
6．7．2 量化波形圖 ． 237
6．8 置信區間的應用 239
6．8．1 置信區間 ． 239
6．8．2 誤差棒圖 ． 241
6．8．3 動手實踐：樣本容量對樣本標準差和樣本均值的標準誤的影響 ． 245
第7 章 案例研究 248
7．1 不同數量級和單位變量關系的探索分析 248
7．1．1 使用平行坐標圖分析數量型變量的相關關系 ． 249
7．1．2 使用矩陣散點圖分析連續型變量的相關關系 ． 251
7．1．3 建立馬力和重量的一元線性回歸模型 ． 252
7．1．4 練習：建立生產年份和重量的置信帶與回歸直線 265
7．1．5 動手實踐：建立關于生產年份的重量分布脊線圖 266
7．1．6 動手實踐：建立馬力和單位里程數的非線性回歸模型 ． 268
7．2 金融時間序列數據的探索分析 ． 270
7．2．1 5 只股票的價格波動探索分析 271
7．2．2 5 只股票的頻數分布探索分析 274
7．2．3 比較不同股票的價格走勢圖 ． 275
7．2．4 股票收益率的迷你折線圖 ． 277
7．2．5 股票波動率的迷你柱形圖 ． 278
7．2．6 繪制股票收盤價的移動平均線 ． 281
7．2．7 繪制股票的K 線圖（蠟燭圖） 283
7．2．8 動手實踐：繪制移動平均線和K 線圖的分層圖形 ． 285
7．2．9 練習：使用柱線圖（棒形圖）代替K 線圖 ． 289
7．3 自然語言處理的可視化模型的構建和應用 ． 289
7．3．1 讀取文本數據 ． 290
7．3．2 存儲單詞和字母的頻數分布 ． 292
7．3．3 使用條形圖分析字母的頻數 ． 293
7．3．4 使用條形圖分析高頻詞 ． 295
7．3．5 使用詞云圖分析段落詞語的運用特點 ． 296
7．4 反映統計數字的象形圖 ． 299
7．5 可視化模型框架的數據流轉過程與模型存儲和渲染方法 303
7．5．1 使用Pandas 的實例方法to_json()和Altair 的函數to_values()
完成數據流轉 ． 304
7．5．2 使用Altair 的函數to_json()和函數to_values()完成數據流轉 305
7．5．3 可視化模型的存儲和渲染方法 ． 305
7．6 調整坐標軸的量尺類型的實現方法和應用場景 ． 306
7．6．1 選擇合適的坐標軸量尺類型 ． 306
7．6．2 使用氣泡圖描繪3 個數量型變量的數量關系 ． 307
7．6．3 動手實踐：按照年份查看人均收入、壽命和人口數量的
動態變化關系 ． 309
7．6．4 使用連續型量尺離散化的方法轉換變量類型 ． 312
7．7 使用波形圖和頻譜圖分析音頻文件 ． 314
7．7．1 使用波形圖分析音頻文件的聲音變化 ． 314
7．7．2 使用頻譜圖分析音頻文件的頻率變化 ． 315
7．7．3 練習：使用儀表盤分析音頻文件的元數據 ． 317
7．8 視覺圖像的大塊數據文件處理和統計可視化 318
第4 篇 拓展
第8 章 探索分析輔助工具 ． 327
8．1 包sviewgui 的使用方法 ． 327
8．1．1 sviewgui 加載數據和讀取數據的方法 328
8．1．2 CSV 文件的GUI 具體功能和使用方法 ． 329
8．1．3 數據框對象的GUI 具體功能和使用方法 331
8．2 數據框對象統計可視化的實現方法 ． 334
8．2．1 折線圖 ． 334
8．2．2 核密度估計圖 ． 336
8．2．3 直方圖 ． 338
8．2．4 散點圖 ． 340
8．2．5 六邊形網格圖 ． 341
8．2．6 箱線圖 ． 341
第9 章 顏色的使用方法和屬性配置的作用域 ． 343
9．1 顏色方案的設置方法 343
9．2 動手實踐：使用顏色方案accent 設置標記屬性通道color 的
配色模式 346
9．3 變量與顏色的映射關系的設置方法 ． 347
9．4 原始顏色編碼數據的設置方法 ． 348
9．5 屬性配置的作用域 ． 349
附錄A 本書練習詳解 ． 352
3．2．6 練習：比較不同年份7 月的日降雨量 ． 352
3．2．8 練習：總結分類匯總天氣類型頻數分布的實現方法 354
4．1．3 練習：繪制不同月份的年平均降雨量時間序列圖 355
4．2．2 練習：繪制風速的均值、*大值和*小值的趨勢變化曲線 356
4．3．2 練習：散點圖連接水平直方圖和垂直直方圖，分別刻畫降雨量和
風速的頻數分布 ． 358
5．1．2 練習：時間序列圖的時間型變量和數量型變量的提示文本 359
5．4．3 練習：鼠標光標懸停在注釋文本上交互顯示標記 360
5．5．2 練習：使用條件查詢過濾數據記錄，實現圖形區域的選擇 362
5．5．5 練習：點選圖例的標記符號實現圖形區域的選擇 364
6．1．3 練習：描繪數量波動的總體趨勢――棒棒糖圖 365
6．3．9 練習：按照月份統計不同降雨量類型出現的天數 367
6．4．8 練習：銷售量的相對變化量 ． 369
6．5．5 練習：將堆積條形圖變成分層條形圖――溫度計圖 370
7．1．4 練習：建立生產年份和重量的置信帶與回歸直線 373
7．2．9 練習：使用柱線圖（棒形圖）代替K 線圖 ． 374
參考文獻 376
展開全部
Python統計可視化之Altair探索分析實踐指 節選
Altair 是基于Vega 和Vega-Lite 的聲明式統計可視化Python 庫。借助Altair，我們可以將更多的精力和時間放在理解數據本身及數據意義上，從復雜的數據可視化過程中解脫出來。這也是為什么本書提出統計可視化（statistical visualization）而不是數據可視化（data visualization）的原因之一。 統計既是一個數據處理過程，也是一種數據分析思維，Altair 之所以被稱為統計可視化庫，就是因為它可以通過分類匯總（aggregation）、數據變換（datatransformation）、數據交互、圖形復合等方式全面地認識數據、理解數據和分析數據。這些過程都可以幫助我們增加對數據本身和數據意義的理解維度，培養直觀的數據分析思維。對比來看，數據可視化庫則是更多地將關注點放在可視化細節上，也就是定制化地實現可視化，很多時候錯過了數據的潛在價值。 說明：Altair是一種可視化語法，也是一種創建、保存和分享交互式可視化設計的聲明式語言，可以使用JSON 格式描述可視化的外觀和交互過程，產生基于網絡的圖像。 Vega-Lite 是在Vega 基礎上的一種高水平的交互式圖形語法，它可以提供一種簡潔、聲明式的JSON 語法，使用JSON 語法可以創造各種表達豐富的用于數據分析和呈現的可視化作品。Vega-Lite 語法規則將可視化描述為從數據到圖形標記（例如，圓圈、矩形或折線）的屬性（例如，顏色、大小、形狀或透明度）的編碼映射過程，Vega-Lite 編譯器自動生成可視化組件，包括坐標軸、圖例及度量。 Altair 以聲明的方式提供一種Python 語言的API 用以構建統計可視化。更重要的是，Altair 的API 不包含實際的可視化渲染代碼，而是按照Vega-Lite 規則生成JSON 數據結構（語法）。相應地，這種基于Vega-Lite 的JSON 數據結構可以由一些UI（user-interface）渲染，實現統計可視化。這些UI 包括Jupyter Notebook、JupyterLab 和nteract。 Altair 的API 建立在強大的Vega-Lite 可視化語法（JSON 語法規則）基礎之上，具有簡單、友好和一致的特點。因此，Altair 這種優雅的簡潔意味著使用*少的代碼量就可以繪制精美高效的可視化作品。繼承自Vega-Lite 的Altair 有一個與眾不同的地方，就是它的聲明式語法不僅可以實現統計可視化，而且可以完成交互式的任務，這種聲明式語法也被稱為圖形語法。 總的來看，Altair 的特點有以下幾個方面。 l 基于圖形語法的聲明式Python API。 l 基于Vega-Lite 的JSON 語法規則生成Altair 的Python 代碼。 l 在啟動的Jupyter Notebook、JupyterLab 和nteract 中展示統計可視化過程。 l 可以將可視化作品導出為PNG/SVG 格式的圖片、獨立運行的HTML 格式的網頁，或者在線上Vega-Lite 編輯器中查看運行效果。
Python統計可視化之Altair探索分析實踐指 作者簡介
高級機器學習工程師、資深數據分析師、數據產品工程師。具有金融、教育、測評、咨詢等行業的豐富實踐經驗；完成多個機器學習項目、數據分析項目；開發多個數據產品。出版專著《Python數據可視化之matplotlib實踐》和《Python數據可視化之matplotlib精進》。研究興趣主要有數據可視化、數據挖掘和數據產品。
書友推薦
- >
煙與鏡
- >
史學評論
- >
我從未如此眷戀人間
- >
朝聞道
- >
小考拉的故事-套裝共3冊
- >
苦雨齋序跋文-周作人自編集
- >
羅曼·羅蘭讀書隨筆-精裝
- >
羅庸西南聯大授課錄
本類暢銷
