国产91青青成人a在线/在线视频成人/aaa成人永久在线观看视频/深夜草莓视频app

　　《Python數(shù)據(jù)可視化之Matplotlib與Pyecharts》以某上市電商企業(yè)的客戶數(shù)據(jù)、訂單數(shù)據(jù)、股價(jià)數(shù)據(jù)為基礎(chǔ)，由淺入深、循序漸進(jìn)地介紹Python可視化技術(shù)，重點(diǎn)介紹Matplotlib與Pyecharts在數(shù)據(jù)可視化應(yīng)用中的基本功能和使用技巧。全書以案例為主線，既包括軟件的操作與應(yīng)用，又融入了數(shù)據(jù)可視化的基礎(chǔ)知識(shí)，繪圖案例大多選自工作實(shí)踐，可使讀者真正掌握專業(yè)的可視化方法與技巧，提升數(shù)據(jù)分析的整體能力。《Python數(shù)據(jù)可視化之Matplotlib與Pyecharts》配套資源包含案例采用的數(shù)據(jù)源文件、源代碼和教學(xué)視頻，供讀者在閱讀《Python數(shù)據(jù)可視化之Matplotlib與Pyecharts》時(shí)進(jìn)行操作練習(xí)和參考。
　　《Python數(shù)據(jù)可視化之Matplotlib與Pyecharts》可作為管理、經(jīng)濟(jì)、社會(huì)人文等領(lǐng)域的人員學(xué)習(xí)Python軟件進(jìn)行大數(shù)據(jù)可視化分析的參考書，也可以作為大中專院校相關(guān)專業(yè)的教學(xué)用書或參考書。

　　《Python數(shù)據(jù)可視化之Matplotlib與Pyecharts》以某上市電商企業(yè)的客戶數(shù)據(jù)、訂單數(shù)據(jù)、股價(jià)數(shù)據(jù)為基礎(chǔ)進(jìn)行講解，首先介紹如何構(gòu)建Hadoop集群，并導(dǎo)人數(shù)據(jù)案例集；然后介紹如何運(yùn)用Matplotlib和Pyecharts可視化工具實(shí)現(xiàn)數(shù)據(jù)可視化，還介紹了如何在Web上展示自己的可視化數(shù)據(jù)圖表。全書以案例為主線，既包括軟件應(yīng)用與操作的方法和技巧，又融入了數(shù)據(jù)可視化的基礎(chǔ)知識(shí)。為了使讀者快速提高數(shù)據(jù)分析的整體能力，《Python數(shù)據(jù)可視化之Matplotlib與Pyecharts》的繪圖案例基本上都選自編者的工作實(shí)踐，非常接近實(shí)際工作需求。通過(guò)閱讀《Python數(shù)據(jù)可視化之Matplotlib與Pyecharts》，讀者能夠從0到1，掌握專業(yè)的數(shù)據(jù)可視化技能，從而提升職場(chǎng)競(jìng)爭(zhēng)力。

　　“讓每個(gè)人都成為數(shù)據(jù)分析師”是大數(shù)據(jù)時(shí)代的要求，數(shù)據(jù)可視化技術(shù)的出現(xiàn)恰恰從側(cè)面緩解了專業(yè)數(shù)據(jù)分析人才的缺乏。Tableau、Microsoft、IBM等IT廠商紛紛加入數(shù)據(jù)可視化的陣營(yíng)，在降低數(shù)據(jù)分析門檻的同時(shí)，為分析結(jié)果提供了更炫的展現(xiàn)效果。
　　但是，這些可視化工具存在不足之處，其中比較大的缺點(diǎn)是視圖定制化水平有限，不能根據(jù)分析師的想法進(jìn)行個(gè)性化定制。Python中的部分包恰好彌補(bǔ)了這個(gè)不足。Python是開源免費(fèi)、簡(jiǎn)單易學(xué)、用途廣泛的編程語(yǔ)言。本書將圍繞如何使用Python對(duì)大數(shù)據(jù)進(jìn)行可視化這一話題展開，希望能對(duì)正在選型中的個(gè)人和企業(yè)有所幫助。
　　研究表明人類大腦處理圖形的速度要比文字快幾萬(wàn)倍，如何將海量的數(shù)據(jù)轉(zhuǎn)換成可視化的圖形是數(shù)據(jù)分析的必修課。Matplotlib和Pyecharts是Python中常用的兩個(gè)可視化庫(kù)，其功能強(qiáng)大，可以方便地繪制折線圖、條形圖、柱形圖、散點(diǎn)圖等基礎(chǔ)圖形，還可以繪制復(fù)雜的圖形，如日歷圖、樹形圖、聚類圖等。
　　Matplotlib是Python數(shù)據(jù)可視化庫(kù)的泰斗，盡管已有十多年的歷史，但仍然是Python社區(qū)中使用廣泛的繪圖庫(kù)，它的設(shè)計(jì)與Matlab非常相似，提供了一整套和Matlab相似的命令A(yù)PI，適合交互式制圖，還可以將它作為繪圖控件，嵌入其他應(yīng)用程序中。
　　Pyecharts是一款將Python與Echarts相結(jié)合的數(shù)據(jù)可視化工具，可以高度靈活地配置，輕松搭配出精美的視圖。其中，Echarts是百度開源的一個(gè)數(shù)據(jù)可視化庫(kù)，而Pyecharts將Echarts與Python進(jìn)行有機(jī)對(duì)接，方便在Python中直接生成各種美觀的圖形。
　　本書首先介紹大數(shù)據(jù)可視化分析的一些基礎(chǔ)知識(shí)和主要技術(shù)，然后通過(guò)實(shí)際案例重點(diǎn)講解Matplotlib和Pyecharts在數(shù)據(jù)可視化分析過(guò)程中的技巧及方法，包括圖形參數(shù)設(shè)置、繪制基本圖形、繪制高級(jí)圖形等。希望本書的出版能夠改變目前國(guó)內(nèi)市場(chǎng)相關(guān)圖書匱乏，而且書中案例較少的現(xiàn)狀。
　　本書由淺入深、循序漸進(jìn)地介紹Python可視化技術(shù)，并且結(jié)合案例重點(diǎn)介紹Python在數(shù)據(jù)可視化方面的應(yīng)用和使用技巧。全書以案例為主線，既介紹軟件應(yīng)用與操作的方法和技巧，又融入了可視化的基礎(chǔ)知識(shí)，使讀者通過(guò)學(xué)習(xí)本書能夠輕松掌握可視化的方法。下載資源中包含每個(gè)案例采用的數(shù)據(jù)源文件，供讀者在閱讀本書時(shí)進(jìn)行操作練習(xí)。
　　本書可作為管理、經(jīng)濟(jì)、社會(huì)人文等相關(guān)從業(yè)人員學(xué)習(xí)Python軟件進(jìn)行大數(shù)據(jù)可視化分析的參考書，也可以作為高校計(jì)算機(jī)相關(guān)專業(yè)本科生、研究生的教材或教學(xué)參考書。
　　截至2019年11月，Matplotlib的版本為3.1.1，Pyecharts的版本為1.5.1。本書正是基于以上版本編寫的，全面且詳細(xì)地介紹它們?cè)跀?shù)據(jù)可視化分析中的應(yīng)用。
　　本書主要內(nèi)容
　　第一部分（第1～5章）介紹大數(shù)據(jù)可視化基礎(chǔ)。
　　第1章介紹大數(shù)據(jù)可視化的技術(shù)挑戰(zhàn)、技術(shù)難點(diǎn)以及可視化工具的必備特性。
　　第2章介紹Hadoop集群的安裝及配置、集群案例數(shù)據(jù)集以及連接集群的工具。
　　第3章介紹大數(shù)據(jù)可視化軟件Tableau、Zeppelin和Python及其可視化案例。
　　第4章介紹Python環(huán)境的安裝、如何搭建代碼開發(fā)環(huán)境以及如何連接各類數(shù)據(jù)源。
　　第5章介紹Python主要的數(shù)據(jù)可視化庫(kù)，如Matplotlib、Pyecharts、Seaborn等。
　　第二部分（第6～8章）介紹Matplotlib數(shù)據(jù)可視化。
　　第6章介紹Matplotlib的圖形參數(shù)設(shè)置，如線條、坐標(biāo)軸、圖例等。
　　第7章介紹使用Matplotlib繪制基礎(chǔ)圖形，如直方圖、餅圖、散點(diǎn)圖等。
　　第8章介紹使用Matplotlib繪制高級(jí)圖形，如樹形圖、誤差條形圖等。
　　第三部分（第9～12章）介紹Pyecharts數(shù)據(jù)可視化。
　　第9章介紹Pyecharts的圖形參數(shù)配置，如全局配置項(xiàng)和系列配置項(xiàng)。
　　第10章介紹使用Pyecharts繪制常用視圖，如折線圖、條形圖、箱形圖等。
　　第11章介紹使用Pyecharts繪制高級(jí)視圖，如日歷圖、儀表盤、環(huán)形圖等。第12章通過(guò)實(shí)際案例介紹Pyecharts與Dj ango的集成，包括Dj ango框架等。

　　王國(guó)平，畢業(yè)于上海海洋大學(xué)，碩士，從業(yè)近十年，主要從事數(shù)據(jù)可視化、數(shù)據(jù)挖掘和大數(shù)據(jù)分析等工作。精通Tableau、Power BI、SPSS、Python等軟件與開發(fā)工具，已出版《精通Tableau商業(yè)數(shù)據(jù)分析與可視化》《Microsoft Power BI數(shù)據(jù)可視化與數(shù)據(jù)分析》等多本專著。

第一部分 大數(shù)據(jù)可視化基礎(chǔ)
第1章 大數(shù)據(jù)可視化概述
1．1 大數(shù)據(jù)時(shí)代的技術(shù)挑戰(zhàn)
1．2 數(shù)據(jù)可視化的技術(shù)難點(diǎn)
1．3 可視化工具的必備特性
第2章 搭建大數(shù)據(jù)開發(fā)環(huán)境
2．1 集群的安裝及網(wǎng)絡(luò)配置
2．1．1 Hadoop集群概述
2．1．2 集群軟件及其版本
2．1．3 集群網(wǎng)絡(luò)環(huán)境配置
2．2 集群案例數(shù)據(jù)集簡(jiǎn)介
2．2．1 數(shù)據(jù)字段說(shuō)明
2．2．2 數(shù)據(jù)導(dǎo)入說(shuō)明
2．2．3 運(yùn)行環(huán)境說(shuō)明
2．3 連接Hive的圖形界面工具
2．3．1 DBeaver
2．3．2 0racle SQL Developer
2．3．3 DbVisualizer
2．3．4 SQuirrel SQL Client
第3章 大數(shù)據(jù)可視化工具
3．1 Tableau
3．1．1 Tableau簡(jiǎn)介
3．1．2 Tableau連接Hive
3．1．3 Tableau連接Spark
3．2 Zeppelin
3．2．1 Zeppelin簡(jiǎn)介
3．2．2 Zeppelin連接Hive
3．2．3 Zeppelin連接Spark
3．3 Python在數(shù)據(jù)可視化中的應(yīng)用
3．3．1 Python簡(jiǎn)介
3．3．2 Python連接Hive
3．3．3 Python可視化案例
第4章 Python可視化編程基礎(chǔ)
4．1 Python環(huán)境安裝
4．1．1 Anaconda
4．1．2 PyCharm
4．2 Python代碼開發(fā)工具
4．2．1 Spyder\"
4．2．2 Jupyter Notebook
4．2．3 Jupyter Lab
4．3 Python連接數(shù)據(jù)源
4．3．1 連接單個(gè)文件數(shù)據(jù)
4．3．2 連接關(guān)系型數(shù)據(jù)庫(kù)
4．3．3 連接Hadoop集群
第5章 Python數(shù)據(jù)可視化庫(kù)
5．1 Matplotlib
5．1．1 Matplotlib庫(kù)簡(jiǎn)介
5．1．2 Matplotlib可視化案例
5．2 Pyecharts
5．2．1 Pyecharts庫(kù)簡(jiǎn)介
5．2．2 Pyecharts可視化案例
5．3 SeabOm
5．3．1 Seabom庫(kù)簡(jiǎn)介
5．3．2 Seaborn可視化案例
5．4 ggplot
5．4．1 ggplot庫(kù)簡(jiǎn)介
5．4．2 ggplot可視化案例
5．5 Bokeh
5．5．1 Bokeh庫(kù)簡(jiǎn)介
5．5．2 Bokeh可視化案例
5．6 Pygal
……
第二部分 Ma?tplotlib數(shù)據(jù)可視化
第三部分 Pyecharts數(shù)據(jù)可視化
附錄集群各節(jié)點(diǎn)的參數(shù)配置
參考文獻(xiàn)