Python数据可视化 / 面向新工科高等院校大数据专业系列教材
定价：￥59.00
作者： 吕云翔等
出版时间：2026-03-25
出版社：机械工业出版社
- 机械工业出版社
- 9787111799498
- 1-1
- 2026-03-25
- 283
内容简介
本书分为三部分：数据可视化基础知识部分包括前 3 章，主要介绍数据可视化的基础理论，包括概念、发展历史、流程、设计工具和原则，随后深入探讨了各种Python数据可视化库（如Matplotlib、Seaborn和Plotly等）在创建数据视图表示中的应用，以及Python中读取、清洗和处理数据的方法。Python数据可视化技术部分包括第4～8章，主要介绍了不同类型数据的可视化方法，包括时间数据、关系数据、比例数据、文本数据和复杂数据的可视化。Python数据可视化应用案例部分包括第9～12章，通过具体案例展示数据可视化的综合应用，包括用户消费行为可视化分析、世界杯数据可视化分析、手机购物评论可视化分析等。
本书既可以作为高等院校大数据、计算机、软件及相关专业的教材，也可以作为软件从业人员、计算机爱好者的参考用书。
本书既可以作为高等院校大数据、计算机、软件及相关专业的教材，也可以作为软件从业人员、计算机爱好者的参考用书。
目录
前言
第1章 数据可视化概述 1
1.1 数据可视化简介 1
1.2 数据可视化的发展历史 3
1.3 数据可视化流程 6
1.4 数据可视化设计工具和原则 9
1.4.1 可视化数据组织与管理工具 9
1.4.2 可视化设计原则 10
1.5 Python与数据可视化 12
1.6 习题 13
第2章 Python数据可视化库 15
2.1 Matplotlib 15
2.1.1 Matplotlib简介 15
2.1.2 Matplotlib的安装和使用 16
2.2 Seaborn 17
2.2.1 Seaborn简介 17
2.2.2 Seaborn的安装和使用 17
2.3 Scikit-plot 18
2.3.1 Scikit-plot简介 18
2.3.2 Scikit-plot 的安装和使用 19
2.4 Python-igraph 21
2.4.1 Python-igraph简介 21
2.4.2 Python-igraph 的安装和使用 21
2.5 NetworkX 22
2.5.1 NetworkX简介 22
2.5.2 NetworkX的安装和使用 22
2.6 Pyecharts 23
2.6.1 Pyecharts简介 23
2.6.2 Pyecharts的安装和使用 24
2.7 HoloViews 25
2.7.1 HoloViews简介 25
2.7.2 HoloViews的安装和使用 25
2.8 Plotly 26
2.8.1 Plotly简介 26
2.8.2 Plotly的安装和使用 26
2.9 Wordcloud 27
2.9.1 Wordcloud简介 27
2.9.2 Wordcloud的安装和使用 28
2.10 习题 29
2.11 实训：Python可视化环境配置 30
第3章 Python数据读取与处理 31
3.1 Python数据读取与查看 31
3.1.1 Python的文件读写 31
3.1.2 对象序列化 33
3.1.3 CSV文件的读写 34
3.1.4 数据库的操作 36
3.1.5 SQLite3的操作 38
3.2 Python数据清洗 40
3.3 Pandas读取与处理表格数据 41
3.3.1 读取表格数据 42
3.3.2 处理表格数据 42
3.4 NumPy处理数据 44
3.5 Scikit-learn处理数据 46
3.6 习题 47
3.7 实训：使用Kaggle实现数据下载、读取与预处理 48
第4章 Python时间数据可视化 50
4.1 时间数据在大数据中的应用 50
4.2 连续型时间数据可视化 51
4.2.1 阶梯图 51
4.2.2 折线图 53
4.2.3 南丁格尔玫瑰图 54
4.2.4 热图 57
4.2.5 脊线图 58
4.3 离散型时间数据可视化 60
4.3.1 散点图 61
4.3.2 柱形图 62
4.3.3 堆叠柱形图 63
4.3.4 点线图 66
4.4 习题 67
4.5 实训：使用Matplotlib实现绘图与主题更改 69
第5章 Python关系数据可视化 70
5.1 关系数据在大数据中的应用 70
5.2 数据关联性的可视化 70
5.2.1 散点图 71
5.2.2 散点图矩阵 71
5.2.3 气泡图 72
5.3 数据分布性的可视化 74
5.3.1 茎叶图 75
5.3.2 直方图 75
5.3.3 密度图 77
5.4 习题 79
5.5 实训：使用Seaborn实现绘图与主题更改 80
第6章 Python比例数据可视化 81
6.1 比例数据在大数据中的应用 81
6.2 部分与整体 81
6.2.1 饼图 81
6.2.2 环形图 83
6.2.3 比例中的堆叠 84
6.2.4 矩形树图 86
6.2.5 和弦图 87
6.2.6 旭日图 89
6.3 时空比例数据可视化 91
6.4 习题 93
6.5 实训：使用Pyecharts构建数据大屏 95
第7章 Python文本数据可视化 96
7.1 文本数据在大数据中的应用及提取 96
7.1.1 文本数据在大数据中的应用 96
7.1.2 使用网络爬虫提取文本数据 97
7.2 文本内容可视化 98
7.2.1 标签云 98
7.2.2 主题河流 100
7.3 文本关系可视化 102
7.3.1 词语树 102
7.3.2 短语网络 104
7.4 习题 106
7.5 实训：使用HoloViews库构建数据大屏 107
第8章 Python复杂数据可视化 109
8.1 高维多元数据在大数据中的应用 110
8.1.1 空间映射法 111
8.1.2 图标法 116
8.2 三维数据可视化 118
8.2.1 三维曲面图 118
8.2.2 三维等高线图 120
8.3 习题 122
8.4 实训：使用Pyecharts库构建可交互图表 123
第9章 案例：用户消费行为分析 124
9.1 RFM简介 124
9.2 数据读入 124
9.3 数据清洗和预处理 125
9.3.1 数据清洗 125
9.3.2 数据预处理 126
9.4 RFM统计量计算 127
9.5 RFM 归类 127
9.6 结果保存 129
9.7 可视化 129
9.8 流程总结 131
第10章 案例：世界杯数据分析 132
10.1 数据说明 132
10.2 世界杯观众可视化分析 134
10.3 世界杯冠军数据可视化分析 140
10.4 世界杯比赛数据可视化分析 143
10.5 世界杯进球数据可视化分析 150
第11章 案例：利用手机的购物评论分析手机特征 155
11.1 案例介绍 155
11.2 从Kaggle上下载数据 155
11.3 对数据进行清洗 159
11.3.1 NumPy和Pandas及其安装 159
11.3.2 筛选出想要的数据 160
11.4 分析数据 163
11.4.1 模型介绍 163
11.4.2 算法应用 164
11.5 案例总结 176
第12章 案例：科比职业生涯进球可视化分析 177
12.1 案例介绍 177
12.2 预处理 177
12.3 命中率可视化分析 181
12.4 投篮习惯可视化分析 196
参考文献 203
第1章 数据可视化概述 1
1.1 数据可视化简介 1
1.2 数据可视化的发展历史 3
1.3 数据可视化流程 6
1.4 数据可视化设计工具和原则 9
1.4.1 可视化数据组织与管理工具 9
1.4.2 可视化设计原则 10
1.5 Python与数据可视化 12
1.6 习题 13
第2章 Python数据可视化库 15
2.1 Matplotlib 15
2.1.1 Matplotlib简介 15
2.1.2 Matplotlib的安装和使用 16
2.2 Seaborn 17
2.2.1 Seaborn简介 17
2.2.2 Seaborn的安装和使用 17
2.3 Scikit-plot 18
2.3.1 Scikit-plot简介 18
2.3.2 Scikit-plot 的安装和使用 19
2.4 Python-igraph 21
2.4.1 Python-igraph简介 21
2.4.2 Python-igraph 的安装和使用 21
2.5 NetworkX 22
2.5.1 NetworkX简介 22
2.5.2 NetworkX的安装和使用 22
2.6 Pyecharts 23
2.6.1 Pyecharts简介 23
2.6.2 Pyecharts的安装和使用 24
2.7 HoloViews 25
2.7.1 HoloViews简介 25
2.7.2 HoloViews的安装和使用 25
2.8 Plotly 26
2.8.1 Plotly简介 26
2.8.2 Plotly的安装和使用 26
2.9 Wordcloud 27
2.9.1 Wordcloud简介 27
2.9.2 Wordcloud的安装和使用 28
2.10 习题 29
2.11 实训：Python可视化环境配置 30
第3章 Python数据读取与处理 31
3.1 Python数据读取与查看 31
3.1.1 Python的文件读写 31
3.1.2 对象序列化 33
3.1.3 CSV文件的读写 34
3.1.4 数据库的操作 36
3.1.5 SQLite3的操作 38
3.2 Python数据清洗 40
3.3 Pandas读取与处理表格数据 41
3.3.1 读取表格数据 42
3.3.2 处理表格数据 42
3.4 NumPy处理数据 44
3.5 Scikit-learn处理数据 46
3.6 习题 47
3.7 实训：使用Kaggle实现数据下载、读取与预处理 48
第4章 Python时间数据可视化 50
4.1 时间数据在大数据中的应用 50
4.2 连续型时间数据可视化 51
4.2.1 阶梯图 51
4.2.2 折线图 53
4.2.3 南丁格尔玫瑰图 54
4.2.4 热图 57
4.2.5 脊线图 58
4.3 离散型时间数据可视化 60
4.3.1 散点图 61
4.3.2 柱形图 62
4.3.3 堆叠柱形图 63
4.3.4 点线图 66
4.4 习题 67
4.5 实训：使用Matplotlib实现绘图与主题更改 69
第5章 Python关系数据可视化 70
5.1 关系数据在大数据中的应用 70
5.2 数据关联性的可视化 70
5.2.1 散点图 71
5.2.2 散点图矩阵 71
5.2.3 气泡图 72
5.3 数据分布性的可视化 74
5.3.1 茎叶图 75
5.3.2 直方图 75
5.3.3 密度图 77
5.4 习题 79
5.5 实训：使用Seaborn实现绘图与主题更改 80
第6章 Python比例数据可视化 81
6.1 比例数据在大数据中的应用 81
6.2 部分与整体 81
6.2.1 饼图 81
6.2.2 环形图 83
6.2.3 比例中的堆叠 84
6.2.4 矩形树图 86
6.2.5 和弦图 87
6.2.6 旭日图 89
6.3 时空比例数据可视化 91
6.4 习题 93
6.5 实训：使用Pyecharts构建数据大屏 95
第7章 Python文本数据可视化 96
7.1 文本数据在大数据中的应用及提取 96
7.1.1 文本数据在大数据中的应用 96
7.1.2 使用网络爬虫提取文本数据 97
7.2 文本内容可视化 98
7.2.1 标签云 98
7.2.2 主题河流 100
7.3 文本关系可视化 102
7.3.1 词语树 102
7.3.2 短语网络 104
7.4 习题 106
7.5 实训：使用HoloViews库构建数据大屏 107
第8章 Python复杂数据可视化 109
8.1 高维多元数据在大数据中的应用 110
8.1.1 空间映射法 111
8.1.2 图标法 116
8.2 三维数据可视化 118
8.2.1 三维曲面图 118
8.2.2 三维等高线图 120
8.3 习题 122
8.4 实训：使用Pyecharts库构建可交互图表 123
第9章 案例：用户消费行为分析 124
9.1 RFM简介 124
9.2 数据读入 124
9.3 数据清洗和预处理 125
9.3.1 数据清洗 125
9.3.2 数据预处理 126
9.4 RFM统计量计算 127
9.5 RFM 归类 127
9.6 结果保存 129
9.7 可视化 129
9.8 流程总结 131
第10章 案例：世界杯数据分析 132
10.1 数据说明 132
10.2 世界杯观众可视化分析 134
10.3 世界杯冠军数据可视化分析 140
10.4 世界杯比赛数据可视化分析 143
10.5 世界杯进球数据可视化分析 150
第11章 案例：利用手机的购物评论分析手机特征 155
11.1 案例介绍 155
11.2 从Kaggle上下载数据 155
11.3 对数据进行清洗 159
11.3.1 NumPy和Pandas及其安装 159
11.3.2 筛选出想要的数据 160
11.4 分析数据 163
11.4.1 模型介绍 163
11.4.2 算法应用 164
11.5 案例总结 176
第12章 案例：科比职业生涯进球可视化分析 177
12.1 案例介绍 177
12.2 预处理 177
12.3 命中率可视化分析 181
12.4 投篮习惯可视化分析 196
参考文献 203
