第一篇　数据可视化基础知识
第1章 数据可视化概述　002
1.1　数据可视化简介　002
1.2　数据可视化发展历程　004
1.3 数据可视化流程　006
1.4　数据的组织管理与可视化设计原则　009
1.4.1 数据的组织与管理　009
1.4.2 可视化设计原则　011
1.5　Python与数据可视化　013
1.6 思考与练习　013
第2章 Python数据可视化库　015
2.1　Matplotlib　015
2.1.1 Matplotlib简介　015
2.1.2 Matplotlib的安装和使用　016
2.2　Seaborn　017
2.2.1 Seaborn简介　017
2.2.2 Seaborn的安装和使用　018
2.3　Scikit-plot　019
2.3.1 Scikit-plot简介　019
2.3.2 Scikit-plot的安装和使用　019
2.4　Python-igraph　020
2.4.1 Python-igraph简介　020
2.4.2 Python-igraph的安装和使用　021
2.5　NetworkX　022
2.5.1 NetworkX简介　022
2.5.2 NetworkX的安装和使用　022
2.6　Pyecharts　023
2.6.1 Pyecharts简介　023
2.6.2 Pyecharts的安装和使用　024
2.7　HoloViews　025
2.7.1 HoloViews简介　025
2.7.2 HoloViews的安装和使用　025
2.8　Plotly　026
2.8.1 Plotly简介　026
2.8.2 Plotly的安装和使用　027
2.9　WordCloud　028
2.9.1 WordCloud简介　028
2.9.2 WordCloud的安装和使用　028
2.10　思考与练习　029
2.11　实训：Python可视化环境配置　030
2.11.1 需求说明　030
2.11.2 实现思路及步骤　031
第3章 Python的数据读取与处理　032
3.1　Python数据读取与查看　032
3.1.1 文件读写　032
3.1.2 序列化　034
3.1.3 CSV文件的读写　035
3.1.4 数据库的使用　037
3.2　Python数据清洗　041
3.3　使用Pandas读取与处理表格数据　042
3.3.1 读取表格数据　042
3.3.2 处理表格数据　043
3.4　使用NumPy处理数据　044
3.5　使用Scikit-learn处理数据　046
3.6　思考与练习　048
3.7　实训：Kaggle数据下载、读取与预处理　049
3.7.1 需求说明　049
3.7.2 实现思路及步骤　049
第二篇　Python数据可视化技术
第4章 Python时间数据可视化　052
4.1　时间数据在大数据中的应用　052
4.2　连续型时间数据可视化　053
4.2.1 阶梯图　053
4.2.2 折线图　054
4.2.3 南丁格尔玫瑰图　056
4.2.4 热度图　058
4.2.5 脊线图　060
4.3　离散型时间数据可视化　062
4.3.1 散点图　062
4.3.2 柱形图　064
4.3.3 堆叠柱形图　066
4.3.4 点线图　067
4.4　思考与练习　069
4.5　实训：Matplotlib绘图与主题更改　070
4.5.1 需求说明　070
4.5.2 实现思路及步骤　070
第5章 Python关系数据可视化　071
5.1　关系数据的探索　071
5.2　数据关联性的可视化　071
5.2.1 用散点图展示关系数据　072
5.2.2 散点图矩阵　072
5.2.3 气泡图　073
5.3　数据分布性的可视化　075
5.3.1 茎叶图　075
5.3.2 直方图　076
5.3.3 密度图　078
5.4　思考与练习　080
5.5　实训：Seaborn绘图与主题更改　081
5.5.1 需求说明　081
5.5.2 实现思路及步骤　081
第6章 Python比例数据可视化　082
6.1　比例数据可视化概述　082
6.2　比例数据的可视化　082
6.2.1 饼图　082
6.2.2 环形图　084
6.2.3 用堆叠柱形图展示比例数据　085
6.2.4 矩形树图　086
6.2.5 和弦图　088
6.2.6 旭日图　090
6.3　时空比例数据可视化　093
6.4　思考与练习　094
6.5　实训：使用Pyecharts构建数据大屏　096
6.5.1 需求说明　096
6.5.2 实现思路及步骤　096
第7章 Python文本数据可视化　097
7.1　文本数据的应用及文本数据的提取　097
7.1.1 文本数据的应用　097
7.1.2 使用网络爬虫提取文本数据　098
7.2　文本内容的可视化　099
7.2.1 标签云　099
7.2.2 主题河流　101
7.3　文本关系的可视化　103
7.3.1 词语树　104
7.3.2 短语网络　106
7.4　思考与练习　108
7.5　实训：使用HoloViews构建数据大屏　109
7.5.1 需求说明　109
7.5.2 实现思路及步骤　109
第8章 Python复杂数据可视化　111
8.1　高维多元数据在大数据中的应用　112
8.1.1 空间映射法　113
8.1.2 图标法　118
8.2　三维数据可视化　120
8.2.1 三维曲面图　120
8.2.2 三维等高线图　122
8.3　思考与练习　124
8.4　实训：使用Pyecharts构建可交互图表　126
8.4.1 需求说明　126
8.4.2 实现思路及步骤　126
第三篇　综合数据可视化案例
第9章 案例：医疗花费预测　128
9.1　数据读取　128
9.2　数据预处理　129
9.2.1 字符串的转换　129
9.2.2 数据的分布和映射　130
9.3　数据分析　132
9.3.1 协方差矩阵和热度图　132
9.3.2 DBSCAN算法　133
9.3.3 支持向量机分类算法　135
9.4　线性回归　136
9.5　结果预测　136
第10章 案例：影评数据分析与电影推荐　138
10.1　明确分析目标与数据准备　138
10.2　工具选择　139
10.3　初步分析　140
10.3.1 从用户角度分析　140
10.3.2 从电影角度分析　144
10.4　电影推荐　147
第11章 案例：新生数据分析与可视化　149
11.1　使用Pandas进行数据预处理　149
11.2　使用Matplotlib绘图　152
11.3　使用Pandas绘图　154