掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
PYTHON數據分析與可視化實踐 版權信息
- ISBN：9787302673576
- 條形碼：9787302673576 ; 978-7-302-67357-6
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
PYTHON數據分析與可視化實踐 本書特色
用理論結合實際案例，通過配套視頻的操作講解，讓讀者學到的不僅是相應的知識和技能，更是使用函數公式解決問題的基本邏輯原理和邏輯思維，以及解決問題的能力。用函數公式巧妙靈活的解決煩瑣的大數據，讓工作簡單化智能化，高效便捷的提升工作效率
PYTHON數據分析與可視化實踐 內容簡介
Python 數據分析與可視化實踐基于 Python 語言，結合實際的數據集，介紹如何對數據進行可視化分析。Python 數據分析與可視化實踐主要包含 3 個 部分。**部分為 Python 數據可視化基礎篇：主要介紹 Python 基礎內容、Numpy 和 Pandas 數據操作， 以及 Matplotlib 數據可視化內容；第二部分為 Python 數據可視化提高篇：主要介紹 Python 的 Seaborn、 plotnine、Networkx、igraph、plotly、Bokeh、pyecharts 庫中的數據可視化功能；第三部分為 Python 數據 可視化分析實戰篇：通過 4 個完整的數據可視化分析案例，詳細地介紹了 Python 中數據分析、機器學習 與可視化相結合的應用等內容。 本書為讀者提供了 Notebook 形式的源程序和使用的數據集，方便讀者對程序的使用和運行。本書適 合有一定數據分析或統計分析基礎的讀者閱讀，可作為 Python 數據分析、機器學習、數據可視化的入門 及實踐教材，也可供數據分析與可視化相關專業的師生，以及對數據分析與可視化感興趣的 Python 用戶
PYTHON數據分析與可視化實踐 目錄
**部分Python數據可視化基礎篇
第1章Python快速入門2
11 安裝Python 2
111 安裝Anaconda 2
112 安裝Python庫 5
12 Python的基礎知識 5
121 列表 6
122 元組 8
123 字典 9
124 集合 10
125 字符串 11
13 Python的語法結構 12
131 條件判斷語句 12
132 循環語句 13
133 try/except語句 14
14 Python函數 15
141 函數 15
142 lambda函數 16
15 數據可視化分析 16
151 什么是好的數據可視化 16
152 數據可視化圖像的基本類型 17
153 數據可視化分析基本流程 18
154 Python進行數據可視化分析的優勢 18
16 本章小結 19
第2章 Numpy與Pandas的數據操作和可視化20
21 Numpy數據操作 21
211 生成數組的方式 21
212 數組的基礎操作 23
213 Numpy的常用函數 27
22 Pandas數據的生成和讀取 34
221 序列和數據表的生成 34
222 數據索引 36
223 數據讀取 38
23 Pandas數據操作 39
231 數據表的合并 39
232 數據表的轉換 40
233 數據表的聚合和分組計算 42
234 處理時間數據 43
24 Pandas數據可視化 44
241 Pandas的數據可視化函數 45
242 Pandas數據可視化實戰 45
25 本章小結 50
第3章 Matplotlib數據可視化51
31 Matplotlib的兩種數據可視化方式 52
311 類似Matlab風格的數據可視化方式 52
312 面向對象風格的數據可視化方式 53
313 設置正確顯示中文的方法 55
32 Matplotlib的圖表組成元素 57
321 plot函數的使用 58
322 設置坐標系取值范圍和類型 60
323 設置坐標軸刻度標簽 62
324 設置網格線和參考線 63
325 添加注釋和文本、使用公式、設置圖例 64
33 Matplotlib可視化子圖 66
331 pltaxes函數設置子圖位置 66
332 pltsubplot函數創建網格子圖 67
333 pltsubplots函數創建網格子圖 70
334 pltGridSpec函數對網格進行更復雜排列 71
34 Matplotlib可視化函數 72
341 類別比較圖形可視化函數 72
342 數據關系圖形可視化函數 78
343 數據分布圖形可視化函數 80
344 其他圖形可視化函數 83
35 Matplotlib可視化三維圖像 88
351 三維點圖和三維線圖 88
352 三維等高線圖 90
353 三維曲面圖和曲線圖 90
36 本章小結 91
第二部分Python數據可視化提高篇
第4章 Python經典的靜態數據可視化庫93
41 Seaborn數據可視化 93
411 關系型數據可視化函數 95
412 分布型數據可視化函數 101
413 分類型數據可視化函數 105
414 熱力圖數據可視化函數 108
415 網格數據可視化 110
42 plotnine數據可視化 110
421 幾何圖層 111
422 圖表美化 116
423 位置調整 118
424 圖像分面與子圖 120
43 本章小結 124
第5章 網絡圖可視化125
51 網絡圖的形式 125
52 Networkx網絡圖可視化 126
521 Networkx生成網絡圖 126
522 Networkx設置節點和邊 132
523 Networkx設置布局方式 135
524 Networkx可視化復雜網絡圖 138
53 igraph網絡圖可視化 143
531 igraph生成并可視化網絡圖 143
532 igraph設置節點和邊 145
533 igraph設置節點的布局方式 148
534 igraph可視化特定的路線 149
54 本章小結 152
第6章 plotly交互式數據可視化153
61 plotly簡介 154
62 plotly數值型變量數據可視化 154
621 單個數值型變量數據可視化 154
622 兩個數值型變量數據可視化 156
623 三個數值型變量數據可視化 159
624 多個連續數值型變量數據可視化 163
63 plotly分類型變量數據可視化 167
631 單個分類型變量數據可視化 167
632 多個分類型變量數據可視化 168
64 plotly數值型和分類型變量數據可視化 171
641 單個數值型和單個分類型變量數據可視化 171
642 多個數值型和單個分類型變量數據可視化 173
643 單個數值型和多個分類型變量數據可視化 177
65 plotly其他類型數據可視化 180
651 可交互網絡圖可視化 180
652 時序數據可視化 185
66 本章小結 186
第7章 Python其他交互式數據可視化庫187
71 Bokeh交互式數據可視化 187
711 Bokeh的簡介與設置 187
712 Bokeh數據可視化 188
72 pyecharts交互式數據可視化 196
721 pyecharts的簡介與設置 196
722 pyecharts數據可視化 198
73 本章小結 211
第三部分Python數據可視化分析實戰篇
第8章 足球運動員數據可視化分析213
81 數據清洗與預處理 214
82 數據探索性可視化分析 218
821 可視化分析足球運動員年齡與價值之間的關系 219
822 可視化分析足球運動員年齡和綜合評分之間的關系 224
823 可視化分析聯盟和俱樂部的足球運動員信息 225
824 可視化分析多個變量之間的關系 231
825 與球場位置相關的數據可視化分析 233
83 數據降維可視化分析 238
831 主成分降維 238
832 可視化主成分得分 240
84 數據聚類可視化分析 242
841 尋找合適的聚類數目 242
842 K均值聚類可視化 243
843 利用主成分特征進行聚類分析 244
85 本章小結 247
第9章 抗乳腺癌候選藥物可視化分析248
91 數據特征探索性可視化分析 251
911 藥物的性質特征探索性可視化分析 252
912 藥物的生物活性探索性可視化分析 254
913 藥代動力學性質和安全性探索性可視化分析 257
92 數據特征選擇 257
921 根據回歸互信息篩選特征 257
922 通過隨機森林回歸模型選擇特征 259
93 回歸模型預測生物活性 260
931 建立多元線性回歸模型 262
932 建立支持向量機回歸模型 267
933 建立GBDT回歸模型 268
94 分類模型預測藥代動力學性質和安全性 269
941 心臟毒性預測 270
942 遺傳毒性預測 273
95 本章小結 277
第10章 時序數據的異常值檢測和預測278
101 時序數據探索性可視化分析 279
1011 時序數據的分布情況可視化分析 280
1012 時序數據的波動情況可視化分析 281
102 異常值檢測 284
1021 ADTK檢測單列時序數據的異常值 284
1022 ADTK檢測多列時序數據的異常值 287
1023 Prophet檢測單列時序數據的異常值 289
1024 基于VAR模型檢測多列時序數據的異常值 291
103 異常值預測 297
1031 Prophet算法檢測數據中的異常值 297
1032 提取異常值數據特征 299
1033 異常值預測分類模型 301
1034 數據平衡后建立分類模型 303
104 趨勢預測 305
1041 單變量預測的SARIMA模型 306
1042 單變量預測的Prophet模型 308
1043 多變量預測的VAR模型 310
105 本章小結 312
第11章 中藥材鑒別數據可視化分析313
111 無監督學習算法鑒別中藥材類別 314
1111 數據特征探索性可視化分析 315
1112 使用數據原始的特征進行聚類 317
1113 使用數據降維后的特征進行聚類 320
112 有監督學習算法鑒別中藥材產地 324
1121 不同產地的中藥材特征可視化分析 325
1122 利用選擇的特征進行分類 325
113 半監督學習算法鑒別中藥材類別 330
1131 數據預處理和可視化分析 330
1132 數據主成分降維 332
1133 使用標簽傳播算法進行分類 334
1134 半監督學習分類——利用SelfTrainingClassier 336
114 本章小結 338
第1章Python快速入門2
11 安裝Python 2
111 安裝Anaconda 2
112 安裝Python庫 5
12 Python的基礎知識 5
121 列表 6
122 元組 8
123 字典 9
124 集合 10
125 字符串 11
13 Python的語法結構 12
131 條件判斷語句 12
132 循環語句 13
133 try/except語句 14
14 Python函數 15
141 函數 15
142 lambda函數 16
15 數據可視化分析 16
151 什么是好的數據可視化 16
152 數據可視化圖像的基本類型 17
153 數據可視化分析基本流程 18
154 Python進行數據可視化分析的優勢 18
16 本章小結 19
第2章 Numpy與Pandas的數據操作和可視化20
21 Numpy數據操作 21
211 生成數組的方式 21
212 數組的基礎操作 23
213 Numpy的常用函數 27
22 Pandas數據的生成和讀取 34
221 序列和數據表的生成 34
222 數據索引 36
223 數據讀取 38
23 Pandas數據操作 39
231 數據表的合并 39
232 數據表的轉換 40
233 數據表的聚合和分組計算 42
234 處理時間數據 43
24 Pandas數據可視化 44
241 Pandas的數據可視化函數 45
242 Pandas數據可視化實戰 45
25 本章小結 50
第3章 Matplotlib數據可視化51
31 Matplotlib的兩種數據可視化方式 52
311 類似Matlab風格的數據可視化方式 52
312 面向對象風格的數據可視化方式 53
313 設置正確顯示中文的方法 55
32 Matplotlib的圖表組成元素 57
321 plot函數的使用 58
322 設置坐標系取值范圍和類型 60
323 設置坐標軸刻度標簽 62
324 設置網格線和參考線 63
325 添加注釋和文本、使用公式、設置圖例 64
33 Matplotlib可視化子圖 66
331 pltaxes函數設置子圖位置 66
332 pltsubplot函數創建網格子圖 67
333 pltsubplots函數創建網格子圖 70
334 pltGridSpec函數對網格進行更復雜排列 71
34 Matplotlib可視化函數 72
341 類別比較圖形可視化函數 72
342 數據關系圖形可視化函數 78
343 數據分布圖形可視化函數 80
344 其他圖形可視化函數 83
35 Matplotlib可視化三維圖像 88
351 三維點圖和三維線圖 88
352 三維等高線圖 90
353 三維曲面圖和曲線圖 90
36 本章小結 91
第二部分Python數據可視化提高篇
第4章 Python經典的靜態數據可視化庫93
41 Seaborn數據可視化 93
411 關系型數據可視化函數 95
412 分布型數據可視化函數 101
413 分類型數據可視化函數 105
414 熱力圖數據可視化函數 108
415 網格數據可視化 110
42 plotnine數據可視化 110
421 幾何圖層 111
422 圖表美化 116
423 位置調整 118
424 圖像分面與子圖 120
43 本章小結 124
第5章 網絡圖可視化125
51 網絡圖的形式 125
52 Networkx網絡圖可視化 126
521 Networkx生成網絡圖 126
522 Networkx設置節點和邊 132
523 Networkx設置布局方式 135
524 Networkx可視化復雜網絡圖 138
53 igraph網絡圖可視化 143
531 igraph生成并可視化網絡圖 143
532 igraph設置節點和邊 145
533 igraph設置節點的布局方式 148
534 igraph可視化特定的路線 149
54 本章小結 152
第6章 plotly交互式數據可視化153
61 plotly簡介 154
62 plotly數值型變量數據可視化 154
621 單個數值型變量數據可視化 154
622 兩個數值型變量數據可視化 156
623 三個數值型變量數據可視化 159
624 多個連續數值型變量數據可視化 163
63 plotly分類型變量數據可視化 167
631 單個分類型變量數據可視化 167
632 多個分類型變量數據可視化 168
64 plotly數值型和分類型變量數據可視化 171
641 單個數值型和單個分類型變量數據可視化 171
642 多個數值型和單個分類型變量數據可視化 173
643 單個數值型和多個分類型變量數據可視化 177
65 plotly其他類型數據可視化 180
651 可交互網絡圖可視化 180
652 時序數據可視化 185
66 本章小結 186
第7章 Python其他交互式數據可視化庫187
71 Bokeh交互式數據可視化 187
711 Bokeh的簡介與設置 187
712 Bokeh數據可視化 188
72 pyecharts交互式數據可視化 196
721 pyecharts的簡介與設置 196
722 pyecharts數據可視化 198
73 本章小結 211
第三部分Python數據可視化分析實戰篇
第8章 足球運動員數據可視化分析213
81 數據清洗與預處理 214
82 數據探索性可視化分析 218
821 可視化分析足球運動員年齡與價值之間的關系 219
822 可視化分析足球運動員年齡和綜合評分之間的關系 224
823 可視化分析聯盟和俱樂部的足球運動員信息 225
824 可視化分析多個變量之間的關系 231
825 與球場位置相關的數據可視化分析 233
83 數據降維可視化分析 238
831 主成分降維 238
832 可視化主成分得分 240
84 數據聚類可視化分析 242
841 尋找合適的聚類數目 242
842 K均值聚類可視化 243
843 利用主成分特征進行聚類分析 244
85 本章小結 247
第9章 抗乳腺癌候選藥物可視化分析248
91 數據特征探索性可視化分析 251
911 藥物的性質特征探索性可視化分析 252
912 藥物的生物活性探索性可視化分析 254
913 藥代動力學性質和安全性探索性可視化分析 257
92 數據特征選擇 257
921 根據回歸互信息篩選特征 257
922 通過隨機森林回歸模型選擇特征 259
93 回歸模型預測生物活性 260
931 建立多元線性回歸模型 262
932 建立支持向量機回歸模型 267
933 建立GBDT回歸模型 268
94 分類模型預測藥代動力學性質和安全性 269
941 心臟毒性預測 270
942 遺傳毒性預測 273
95 本章小結 277
第10章 時序數據的異常值檢測和預測278
101 時序數據探索性可視化分析 279
1011 時序數據的分布情況可視化分析 280
1012 時序數據的波動情況可視化分析 281
102 異常值檢測 284
1021 ADTK檢測單列時序數據的異常值 284
1022 ADTK檢測多列時序數據的異常值 287
1023 Prophet檢測單列時序數據的異常值 289
1024 基于VAR模型檢測多列時序數據的異常值 291
103 異常值預測 297
1031 Prophet算法檢測數據中的異常值 297
1032 提取異常值數據特征 299
1033 異常值預測分類模型 301
1034 數據平衡后建立分類模型 303
104 趨勢預測 305
1041 單變量預測的SARIMA模型 306
1042 單變量預測的Prophet模型 308
1043 多變量預測的VAR模型 310
105 本章小結 312
第11章 中藥材鑒別數據可視化分析313
111 無監督學習算法鑒別中藥材類別 314
1111 數據特征探索性可視化分析 315
1112 使用數據原始的特征進行聚類 317
1113 使用數據降維后的特征進行聚類 320
112 有監督學習算法鑒別中藥材產地 324
1121 不同產地的中藥材特征可視化分析 325
1122 利用選擇的特征進行分類 325
113 半監督學習算法鑒別中藥材類別 330
1131 數據預處理和可視化分析 330
1132 數據主成分降維 332
1133 使用標簽傳播算法進行分類 334
1134 半監督學習分類——利用SelfTrainingClassier 336
114 本章小結 338
展開全部
書友推薦
- >
月亮虎
- >
莉莉和章魚
- >
【精裝繪本】畫給孩子的中國神話
- >
唐代進士錄
- >
苦雨齋序跋文-周作人自編集
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
李白與唐代文化
- >
回憶愛瑪儂
本類暢銷
