新书速览|Python数据可视化之Matplotlib与Pyecharts实战

活用Python+Pandas+Matplotlib+PyEcharts

快速绘制专业图表

30余种专业图表的绘制技巧

3大项目案例

超值：彩色插图+教学视频+动手练习+源代码+PPT课件

本书特色：

循序渐进，适合新手快速上手：从认识一个Python程序开始，介绍Python程序的构成、编程环境搭建与程序编写规范，以及Python的数据类型、运算符、程序结构与数据结构，对于从未接触过Python编程的读者很友好，很容易上手。

可视化流程全解析：从数据准备到数据清洗、整理，再到数据呈现和展示，根据数据可视化流程讲解，学习专业的知识，建立数据可视化整体思路，资深作者教学你正确的方法，不走弯路，练就扎实的可视化真功夫。

工具与项目相结合：以某电商企业数据可视化为例，既介绍数据可视化常用工具Pandas、Matplotlib与Pyecharts，又给出项目实践，可以帮助读者解决实际问题，提升职场竞争力。

配套资源丰富：全书配套源代码、数据集、教学视频和练习题，方便读者上机演练和随时随时观看学习，大幅提升学习效率。 

内容提要：

本书以某上市电商企业的客户数据、订单数据、股价数据为基础，循序渐进地介绍了Python可视化技术，重点介绍Matplotlib与Pyecharts在数据可视化应用中的基本功能和使用技巧。全书共分4篇，第1篇（第1~4章，主要介绍Python基础与Pandas数据预处理技术，帮助准备可视化数据；第2篇（第5~7章）介绍可视化工具Matplotlib的功能与绘图技巧；第3篇（第8~10章）介绍可视化工具PyEcharts的功能与绘图技巧；第4篇（第11~13章）介绍了三个项目案例，旨在使读者学以致用，提升数据分析的整体能力。

本书还提供了案例数据源文件、源代码和教学视频，供读者上机演练时参考。

本书案例丰富，通俗易懂，适合想学习Python可视化的初学者和从业者使用，还可以作为管理、经济、社会人文等领域的人员学习Python软件进行大数据可视化分析的参考书，也可以作为大中专院校相关专业的教学用书。

目录：

第1章  搭建PYTHON开发环境

1.1  Anaconda

1.1.1  什么是Anaconda

1.1.2  安装Anaconda

1.2  常用开发工具

1.2.1  Spyder

1.2.2  Jupyter Lab

1.2.3  PyCharm

1.3  包管理工具pip

第2章  PYTHON编程入门

2.1 Python数据类型

2.1.1 数值（Number）

2.1.2 字符串（String）

2.1.3 列表（List）

2.1.4 元组（Tuple）

2.1.5 集合（Set）

2.1.6 字典（Dictionary）

2.2 Python语法基础

2.2.1 基础语法：行与缩进

2.2.2 条件语句：if及if嵌套

2.2.3 循环语句：while与for

2.2.4 格式化：format与%

2.3 Python常用高阶函数

2.3.1 map()函数：数组迭代

2.3.2 reduce()函数：序列累积

2.3.3 filter()函数：数值过滤

2.3.4 sorted()函数：列表排序

第3章  PANDAS数据整理与清洗

3.1  数据的读取

3.1.1 读取本地离线数据

3.1.2 读取Web在线数据

3.1.3 读取常用数据库数据

3.1.4 读取Hadoop集群数据

3.2 数据的索引

3.2.1 set_index()函数：创建索引

3.2.2 unstack()函数：层次化索引

3.2.3 swaplevel()函数：调整索引

3.3 数据的切片

3.3.1 提取一列或多列数据

3.3.2 提取一行或多行数据

3.3.3 提取指定区域的数据

3.4 数据的删除

3.4.1 删除一行或多行数据

3.4.2 删除一列或多列数据

3.4.3 删除指定的列表对象

3.5 数据的排序

3.5.1 按行索引排序数据

3.5.2 按列索引排序数据

3.5.3 按一列或多列排序数据

3.5.4 按一行或多行排序数据

3.6 数据的聚合

3.6.1 level参数：指定列聚合数据

3.6.2 groupby()函数：分组聚合

3.6.3 agg()函数：更多聚合指标

3.7 数据的透视

3.7.1  pivot_table()函数：数据透视

3.7.2  crosstab()函数：数据交叉

3.8 数据的合并

3.8.1  merge()函数：横向合并

3.8.2  concat()函数：纵向合并

第4章  PYTHON数据可视化库

4.1  Matplotlib

4.1.1  Matplotlib库简介

4.1.2  Matplotlib可视化案例

4.2  Pyecharts

4.2.1  Pyecharts库简介

4.2.2  Pyecharts可视化案例

4.3  Seaborn

4.3.1  Seaborn库简介

4.3.2  Seaborn可视化案例

4.4  Bokeh

4.4.1  Bokeh库简介

4.4.2  Bokeh可视化案例

4.5  HoloViews

4.5.1  HoloViews简介

4.5.2  HoloViews可视化案例

4.6  Plotly

4.6.1  Plotly库简介

4.6.2  Plotly可视化案例

4.7  NetworkX

4.7.1  NetworkX简介

4.7.2  NetworkX可视化案例

4.8  其它可视化库

4.8.1  Altair

4.8.2  Pygal

第二部分：MATPLOTLIB数据可视化篇

第5章  MATPLOTLIB图形参数设置

5.1  Matplotlib主要参数配置

5.1.1  线条的设置

5.1.2  坐标轴的设置

5.1.3  图例的设置

5.2  绘图参数文件及主要函数

5.2.1  修改绘图参数文件

5.2.2  绘图主要函数简介

5.3  Matplotlib参数配置案例

第6章  MATPLOTLIB基础绘图

6.1  直方图

6.1.1  直方图及其参数说明

6.1.2  每日利润额的数值分布

6.2  折线图

6.2.1  折线图及其参数说明

6.2.2  每周商品销售业绩分析

6.3  条形图

6.3.1  条形图及其参数说明

6.3.2  不同省份利润额的比较

6.4  饼图

6.4.1  饼图及其参数说明

6.4.2  不同类型商品销售额比较

6.5  散点图

6.5.1  散点图及其参数说明

6.5.2  销售额与利润额的关系

6.6  箱形图

6.6.1  箱形图及其参数说明

6.6.2  区域销售业绩比较分析

第7章  MATPLOTLIB高级绘图

7.1  树形图

7.1.1  树形图及其应用场景

7.1.2  不同省份销售额的比较分析

7.2  误差条形图 121

7.2.1  误差条形图及其应用场景

7.2.2  门店业绩考核达标情况分析

7.3  火柴杆图

7.3.1  火柴杆图及其应用场景

7.3.2  不同省份送货准时性分析

7.4  甘特图

7.4.1  甘特图及其应用场景

7.4.2  企业信息化项目进度管理

7.5  自相关图

7.5.1  自相关图及其应用场景

7.5.2  股票价格的自相关分析

7.6  图形整合

7.6.1  图形整合及其应用场景

7.6.2  区域销售额与利润额分析

第三部分：PYECHARTS数据可视化篇

第8章  PYECHARTS图形参数配置

8.1  全局配置项

8.1.1  基本元素配置项

8.1.2  坐标轴配置项

8.1.3  原生图形配置项

8.2  系列配置项

8.2.1  样式类配置项

8.2.2  标记类配置项

8.2.3  其它类配置项

8.3  运行环境

8.3.1  生成HTML

8.3.2  生成图片

8.3.3  Jupyter Notebook

8.3.4  Jupyter Lab

第9章  PYECHARTS基础绘图

9.1  折线图

9.1.1  折线图及其参数配置

9.1.2  各门店销售业绩比较分析

9.2  条形图

9.2.1  条形图及其参数配置

9.2.2  各省市商品订单数量分析

9.3  箱形图

9.3.1  箱形图及其参数配置

9.3.2  不同类型商品的收益分析

9.4  涟漪散点图

9.4.1  涟漪散点图及其参数配置

9.4.2  不同收入等级客户价值分析

9.5  K线图

9.5.1  K线图及其参数配置

9.5.2  企业股票价格趋势分析

9.6  双坐标轴图

9.6.1  双坐标轴图及其参数配置

9.6.2  区域销售业绩及数量分析

第10章  PYECHARTS高级绘图

10.1  日历图

10.1.1  日历图及其参数配置

10.1.2  企业股票每日交易量分析

10.2  漏斗图 180

10.2.1  漏斗图及其参数配置 180

10.2.2  华东地区各省市利润额分析 180

10.3  仪表盘 182

10.3.1  仪表盘及其参数配置 182

11.3.2  企业2022年销售业绩完成率 183

10.4  环形图 184

10.4.1  环形图及其参数配置 184

10.4.2  不同教育群体的购买力分析 185

10.5  雷达图 187

10.5.1  雷达图及其参数配置 187

10.5.2  不同区域销售业绩的比较 188

10.6  旭日图 190

10.6.1  旭日图及其参数配置 190

10.6.2  绘制我的家庭树旭日图 192

10.7  主题河流图 194

10.7.1  主题河流图及其参数配置 194

10.7.2  不同类型商品销售情况分析 194

10.8  词云 196

10.8.1  词云及其参数配置 196

10.8.2  商品类型关键词词云 197

10.9  玫瑰图 198

10.9.1  玫瑰图及其参数配置 198

10.9.2  不同职业群体的购买力分析 198

10.10  平行坐标系 200

10.10.1  平行坐标系及其参数配置 200

10.10.2  地区利润增长率比较分析 201

第四部分：数据可视化案例篇 204

第11章  上海市空气质量状况分析 205

11.1  案例背景及数据爬取 205

11.1.1  案例背景介绍 205

11.1.2  案例数据爬取 207

11.2  历年数据总体分析 209

11.2.1  历年AQI总体比较分析 209

11.2.2  历年季度AQI趋势分析 212

11.2.2  历年空气污染物分析 214

11.3  2022年空气质量分析 216

11.3.1  空气质量等级分析 216

11.3.2  每月AQI数据分析 218

11.3.3  每周AQI数据分析 220

11.3.4  每日AQI数据分析 222

11.4  污染物数据高级分析 224

11.4.1  6种污染物物相关分析 224

11.4.2  PM2.5与PM10回归分析 225

11.4.3  PM2.5与PM10残差分析 226

11.5  小结 228

第12章  我国人口现状及趋势分析 229

12.1  人口总数及结构分析 229

12.1.1  人口总数趋势分析 229

12.1.2  人口男女性别分析 231

12.1.3  人口年龄结构分析 233

12.2  人口增长率数据分析 236

12.2.1  人口增长率趋势分析 236

12.2.2  人口增长率相关分析 239

12.2.3  人口增长率回归分析 240

12.3  人口抚养比数据分析 243

12.3.1  人口抚养比趋势分析 243

12.3.2  人口抚养比相关分析 246

12.3.3  人口抚养比回归分析 247

12.4  小结 250

第13章  京东商品评论可视化分析 251

13.1  项目案例背景 251

13.2  商品评论总体分析 251

13.2.1  月度商品评论数及得分分析 251

13.2.2  不同尺寸商品评论数及得分分析 254

13.2.3  不同颜色商品评论数及得分分析 256

13.3  商品评论文本分析 258

13.3.1  中文Jieba分词概述 258

13.3.2  商品评论关键词分析 259

13.3.3  商品评论关键词词云 261

附录A 264

PYTHON常用第三方工具包 264

A1：数据分析类包 264

A2：数据可视化类包 265

A3：机器学习类包 265

附录B 268

搭建大数据开发环境 268

B1：集群的安装及网络配置 268

B1.1  集群软件及其版本 268

B1.2  集群网络环境配置 269

B2：集群案例数据集简介 271

B2.1  数据字段说明 271

B2.2  数据导入说明 273

B2.3  运行环境说明 274

B3：集群节点参数配置 275

B3.1  Hadoop的参数配置 275

B3.2  Hive的参数配置 277

B3.3  Spark的参数配置 279

B3.4  集群的启动与关闭 279

配书资源：

超值视频教学，扫码即可观看：

 免费下载源码与数据集：

作者简介：

王国平，毕业于上海海洋大学，硕士，从业10余年，主要从事数 据可视化、数据挖掘和大数据分析与研究等工作，对于包括 Python等多种工具以及行业软件Tableau、PyTorch、Power Bl等 都有丰富的实践经验。出版著作：《动手学Excel数据分析与可视 化》、《PyTorch深度学习建模与应用》等。

面向的读者：

 Python数据可视化初学者。

企事业单位数据可视化从业者。

培训机构数据分析专业的师生。

大专院校数据分析课程各专业的学生。

 实体书展示：

本文摘自《Python数据可视化之Matplotlib与Pyecharts实战》，获出版社和作者授权发布。

Python数据可视化之Matplotlib与Pyecharts实战——京东