案例上手 Python 数据可视化

内容亮点

• 6 个常用的数据可视化工具使用方法
• 20 个案例贯穿各个工具的学习过程
• 基于 GUI / HTML / Web 网站多种绘图风格
• 中、美、日三国不同思想的制图工具
• 从静态到交互，满足不同需要的图示

为什么学“数据可视化”

如果有志于在大数据、机器学习、人工智能领域从业的话，“数据可视化”是必不可少的，因此说不得不学。

数据可视化是数据分析和机器学习的重要环节，比如数据清洗、特征工程、机器学习、数据分析（特别是报告）、评估等环节都会用到“数据可视化”技术。

本专栏主要向读者介绍了数据可视化中常用工具的使用方法，并且通过多个实战项目案例，让读者更深入地理解可视化的各种方法和技能。

• 深入浅出阐述核心知识点和技能，同时“授人以渔”。

• 介绍目前

  最常用的几种工具

  ，我们挑选了部分具有代表性的。

  • Matplotlib
  • Seaborn
  • Plotnine
  • Plotly
  • Pyecharts
  • Bokeh

• 在讲解的过程中，配以丰富的示例。

专栏大纲

本专栏分为七大部分，共计 28 篇（含开篇词和结尾）。

• 准备部分（磨刀不误砍柴，第 1 ~ 4 篇），介绍数据科学工程师的工作流程以及数据可视化的必要性，并且指导学习者安装有关工具。通过这部分的学习，能够对数据科学以及从业者的工作有个总体认识，晓得数据可视化的地位，并在本地计算机安装有关工具。
• 第一部分（开山鼻祖：Matplotlib，第 5 ~ 10 篇），介绍 Python 语言生态中虽然古老但依然被使用的数据可视化工具 Matplotlib。通过这部分的学习，能够掌握 Matplotlib 的应用思想和方法，并能够绘制常用的统计图。
• 第二部分（后起之秀：Seaborn，第 11 ~ 15 篇），介绍基于 Matplotlib 发起而来的一种常用的可视化工具 Seaborn。通过这部分的学习，能够掌握 Seaborn 的特点，并熟悉常用统计图的绘制方法。
• 第三部分（另立门派：Plotnine，第 16 ~ 18 篇），Plotnine 是根据图层概念制图的工具，不同于前面两部分的工具。通过这部分的学习，能够理解图层的概念以及在制图中的应用，掌握 Plotnine 灵活制作个性化图示的方法。
• 第四部分（特立独行：Plotly，第 19 ~ 22 篇），Plotly 是一款能够“两栖作战”的工具，既能得到静态图片，也能生成动态交互的图示，即从这部分开始，制图工具进入“交互”阶段。通过这部分的学习，能够掌握常用统计图（具有交互功能）的绘制，并可以生成 HTML 文件。
• 第五部分（中华武功：Pyecharts，第 23 ~ 24 篇），Pyecharts 是非常好的国产工具——中文文档，非常可亲近。Pyecharts 提供的工具和色彩渲染上，都比前述工具有所突破。通过这部分的学习，能够掌握 Pyecharts 的使用方法，特别是利用它实现地理信息可视化和基于 Web 项目发布可视化图示。
• 第六部分（岛国薄纱：Bokeh，第 25 ~ 28 篇），这是一款来自岛国日本的可视化工具，除了完成通常的操作之外，在交互功能上，比 Plotly 和 Pyecharts 更有特色。通过这部分的学习，能够掌握 Bokeh 的使用方法，特别是 Bokeh 自带服务，能发布基于网络的图示。

适宜人群

• 使用 Python 语言的开发人员
• 大数据、人工智能工程师
• 有关专业的大学生

欢迎关注我公众号：AI悦创，有更多更好玩的等你发现！

公众号：AI悦创【二维码】