Python大数据可视化方法与实践（微课版）-图书-人邮教育社区

内容摘要

本书深入浅出地介绍了大数据可视化这一结合艺术与科学的领域，旨在帮助读者将复杂的大数据转化为直观且具有价值的信息。全书共10章，从大数据可视化的基础概念出发，逐步深入讲解编程基础、不同类型大数据的可视化展示方法，以及如何优化大数据可视化的效果等。此外，本书还介绍了知识图谱的构建、AI在大数据可视化中的应用等内容，并通过具体的大数据分析案例展示如何综合运用这些知识进行有效的数据分析。
本书适合对大数据可视化感兴趣的各类读者，包括但不限于高校学生、大数据分析师、软件开发者及任何希望提升自身大数据解读能力的专业人士。无论是初学者还是有一定经验的从业者，都能通过本书的系统性讲解和实践练习，掌握大数据可视化的基本概念以及应用方法，从而更有效地利用大数据辅助决策。

第1章　大数据可视化基础　1
1.1 数据是什么　2
1.1.1 数据与大数据　2
1.1.2 数据、信息与知识　4
1.2 大数据与可视化　6
1.2.1 数据会说话　6
1.2.2 可视化流程　8
1.2.3　数据绘图　9
1.3　知识拓展：可视化理论与设计基础　16
1.3.1　视觉感知　16
1.3.2　格式塔理论　17
1.3.3　设计基础　21
1.4 本章小结　28
1.5 练习与实践　29
第2章　可视化编程基础　30
2.1 可视化工具简介　31
2.1.1 Excel　31
2.1.2 Tableau　31
2.1.3 SPSS　32
2.1.4 Python　32
2.1.5 R　32
2.1.6 Gephi　33
2.1.7 Polymaps　33
2.1.8 Modest Maps　34
2.1.9 ECharts　34
2.2 可视化编程环境准备　35
2.2.1 Anaconda环境的安装与配置　35
2.2.2 PyCharm的安装与配置　39
2.3 数据源　41
2.3.1 客户提供数据　41
2.3.2 爬取数据　41
2.3.3 数据资源平台　42
2.4 大数据存储　44
2.5 大数据处理　46
2.5.1 数据质量　46
2.5.2 数据预处理　47
2.5.3 数据格式　47
2.6 属性关系与选择　48
2.6.1 数据相关性　49
2.6.2 因果关系　51
2.7 知识拓展：Jupyter　51
2.8 本章小结　52
2.9 练习与实践　52
第3章　对比与趋势可视化　53
3.1 柱形图　54
3.1.1 单柱图　54
3.1.2 簇状柱形图　57
3.2 折线图　60
3.3 箱线图　62
3.4 词云图　66
3.5 知识拓展：图形化词云图　68
3.6 本章小结　69
3.7 练习与实践　70
第4章　比例数据可视化　72
4.1 饼图　73
4.2 圆环图　76
4.3 知识拓展：比例数据可视化图表　79
4.4　本章小结　81
4.5　练习与实践　81
第5章　关系数据可视化　83
5.1 散点图　84
5.1.1 单一散点图　84
5.1.2 分类散点图　86
5.2 气泡图　88
5.3 直方图　90
5.4 知识拓展：直方图的应用场景　94
5.5　本章小结　95
5.6　练习与实践　95
第6章　增强可视化效果　97
6.1 画布划分　98
6.1.1 均匀划分　98
6.1.2 非均匀划分　99
6.2 坐标轴与刻度　102
6.2.1 颜色与标签　102
6.2.2 共享坐标轴　106
6.3 知识拓展：数据可视化原则　109
6.4 本章小结　110
6.5 练习与实践　110
第7章　可视化探索大数据　112
7.1 探索式分析　113
7.1.1 探索数据缺失情况　113
7.1.2 探索属性关系　117
7.2 数据预测　118
7.2.1 回归分析原理　118
7.2.2 回归分析实现　119
7.3 知识拓展：D3可视化库　123
7.4 本章小结　123
7.5 练习与实践　123
第8章　知识图谱可视化　125
8.1 知识图谱的概念　126
8.2 知识图谱的架构及表示方法　126
8.2.1 非结构化数据的抽取　128
8.2.2　结构化数据的抽取　135
8.3　知识图谱构建工具简介　136
8.3.1　Neo4j　137
8.3.2　NetworkX　137
8.3.3　igraph　138
8.3.4　Gephi　139
8.4　知识图谱构建案例　140
8.5　知识拓展：知识图谱的应用　146
8.6　本章小结　147
8.7　练习与实践　147
第9章　AI数据可视化　149
9.1 AI可视化工具介绍　150
9.1.1 ChartCube　150
9.1.2 Flourish　152
9.1.3 大语言模型与可视化支持　154
9.2　AI图表生成　156
9.3　AI数据准备　158
9.4 AI辅助编程　160
9.5 知识拓展：可视化与人工智能的发展方向　162
9.6 本章小结　163
9.7 练习与实践　163
第10章　可视化分析大数据案例　164
10.1 数据解读与导入　165
10.2 可视化探索性分析　170
10.2.1 数据分析　170
10.2.2 数据划分　172
10.3 特征工程　172
10.3.1 变量离散化　174
10.3.2 变量筛选　177
10.4 模型建立与评估　178
10.4.1　WOE编码转换　178
10.4.2　建立逻辑回归模型　180
10.4.3　模型评估　180
10.5 知识拓展：Adaboost　182
10.6 本章小结　183
10.7 练习与实践　184