Python科研数据可视化

在过去的20 年中，随着社会产生数据的大量增加，对数据的理解、解释与决策的需求也随之增加。而固定不变是人类本身，所以我们的大脑必须学会理解这些日益增加的数据信息。所谓“一图胜千言”，对于数量、规模与复杂性不断增加的数据，优秀的数据可视化也变得愈加重要。 近年来，Python编程语言受到越来越多科研人员的喜爱，在多个编程语言排行榜中持续夺冠。为了帮助广大科研人员更加系统地学习Python环境下的数据可视化方法，特举办“基于Python科研数据可视化实践技术”培训班，依托Python开发工具，旨在帮助学员掌握Python编程基础知识，以及Matplotlib、Seaborn、Bokeh、Pyecharts、Plotly、Altair、NetworkX、Basemap、Geoplotlib等常用可视化库的基本绘图及高级绘图技巧等内容。

郁磊（副教授）：主要从事MATLAB 编程、机器学习与数据挖掘、数据可视化和软件开发、生理系统建模与仿真、生物医学信号处理，具有丰富的实战应用经验，主编《MATLAB智能算法30个案例分析》、《MATLAB神经网络43个案例分析》相关著作。已发表多篇高水平的国际学术研究论文。

1、掌握Python编程基础知识（环境搭建、基本语法、流程控制、Numpy&Pandas等常用的模块库等）；

2、掌握Matplotlib基本图形（线形图、柱状图、饼图、气泡图、直方图、箱线图、散点图等）和高级图形（3D图、等高线图、棉棒图、哑铃图、漏斗图、树状图、华夫饼图等）的绘制方法和技巧（图形样式的美化、图形的布局等）；

3、掌握Seaborn图形绘制方法和技巧（下载与安装、基本图形的绘制、风格与颜色管理、多图绘制等）；

4、掌握Bokeh图形绘制方法和技巧（下载与安装、基本图形的绘制、数据类型与转换、视图属性等）；

5、掌握Pyecharts图形绘制方法和技巧（下载与安装、Pyecharts基础知识、常用图形的绘制、组合图形的绘制等）；

6、掌握Plotly图形绘制方法和技巧（下载与安装、基本语法、基本图形绘制等）；

7、掌握其它可视化模块库的使用方法和技巧（交互式可视化库Altair、复杂网络可视化库NetworkX、地图可视化库Basemap、地理空间数据可视化库Geoplotlib等）；

8、通过实操培训掌握各种编程技巧；

相关推荐阅读： 基于Citespace、vosviewer、R语言的文献计量学可视化分析技术及全流程文献可视化SCI论文高效写作

“全面助力AI科研、教学与实践技能”夏令营

Python数据挖掘与机器学习