新書推薦：
《
史铁生：听风八百遍，才知是人间（2）
》
售價：HK$
55.8
《
量子网络的构建与应用
》
售價：HK$
109.8
《
拍电影的热知识：126部影片里的创作技巧（全彩插图版）
》
售價：HK$
109.8
《
大唐名城：长安风华冠天下
》
售價：HK$
87.4
《
情绪传染（当代西方社会心理学名著译丛）
》
售價：HK$
88.5
《
中国年画 1950-1990 THE NEW CHINA: NEW YEAR PICTURE 英文版
》
售價：HK$
236.0
《
革命与反革命：社会文化视野下的民国政治（近世中国丛书）
》
售價：HK$
93.2
《
画楼：《北洋画报》忆旧（年轮丛书）
》
售價：HK$
337.5
|
| 編輯推薦： |
本书以某上市电商企业的客户数据、订单数据、股价数据为基础进行讲解，首先介绍如何构建Hadoop集群，并导入数据案例集；然后介绍如何运用Matplotlib和Pyecharts可视化工具实现数据可视化，还介绍了如何在Web上展示自己的可视化数据图表。
全书以案例为主线，既包括软件应用与操作的方法和技巧，又融入了数据可视化的基础知识。为了使读者快速提高数据分析的整体能力，本书的绘图案例基本上都选自编者的工作实践，非常接近实际工作需求。
通过阅读本书，读者能够从0到1，掌握专业的数据可视化技能，从而提升职场竞争力。
|
| 內容簡介： |
|
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，由浅入深、循序渐进地介绍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。全书以案例为主线，既包括软件的操作与应用，又融入了数据可视化的基础知识，绘图案例大多选自工作实践，可使读者真正掌握专业的可视化方法与技巧，提升数据分析的整体能力。本书配套资源包含案例采用的数据源文件、源代码和教学视频，供读者在阅读本书时进行操作练习和参考。 本书可作为管理、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或参考书。
|
| 關於作者： |
|
王国平，毕业于上海海洋大学，硕士，从业近十年，主要从事数据可视化、数据挖掘和大数据分析等工作。精通Tableau、Power BI、SPSS、Python等软件与开发工具，已出版《精通Tableau商业数据分析与可视化》《Microsoft Power BI 数据可视化与数据分析》等多本专著。
|
| 目錄：
|
目 录
第一部分 大数据可视化基础
第1章 大数据可视化概述 2
1.1 大数据时代的技术挑战 2
1.2 数据可视化的技术难点 3
1.3 可视化工具的必备特性 4
第2章 搭建大数据开发环境 5
2.1 集群的安装及网络配置 5
2.1.1 Hadoop集群概述 5
2.1.2 集群软件及其版本 6
2.1.3 集群网络环境配置 8
2.2 集群案例数据集简介 10
2.2.1 数据字段说明 10
2.2.2 数据导入说明 12
2.2.3 运行环境说明 13
2.3 连接Hive的图形界面工具 13
2.3.1 DBeaver 13
2.3.2 Oracle SQL Developer 20
2.3.3 DbVisualizer 24
2.3.4 SQuirrel SQL Client 30
第3章 大数据可视化工具 38
3.1 Tableau 38
3.1.1 Tableau简介 38
3.1.2 Tableau连接Hive 39
3.1.3 Tableau连接Spark 44
3.2 Zeppelin 48
3.2.1 Zeppelin简介 48
3.2.2 Zeppelin连接Hive 48
3.2.3 Zeppelin连接Spark 55
3.3 Python在数据可视化中的应用 60
3.3.1 Python简介 60
3.3.2 Python连接Hive 61
3.3.3 Python可视化案例 62
第4章 Python可视化编程基础 65
4.1 Python环境安装 65
4.1.1 Anaconda 65
4.1.2 PyCharm 71
4.2 Python代码开发工具 80
4.2.1 Spyder 80
4.2.2 Jupyter Notebook 82
4.2.3 Jupyter Lab 86
4.3 Python连接数据源 90
4.3.1 连接单个文件数据 90
4.3.2 连接关系型数据库 97
4.3.3 连接Hadoop集群 101
第5章 Python数据可视化库 104
5.1 Matplotlib 104
5.1.1 Matplotlib库简介 104
5.1.2 Matplotlib可视化案例 104
5.2 Pyecharts 106
5.2.1 Pyecharts库简介 106
5.2.2 Pyecharts可视化案例 107
5.3 Seaborn 108
5.3.1 Seaborn库简介 108
5.3.2 Seaborn可视化案例 108
5.4 ggplot 110
5.4.1 ggplot库简介 110
5.4.2 ggplot可视化案例 111
5.5 Bokeh 113
5.5.1 Bokeh库简介 113
5.5.2 Bokeh可视化案例 113
5.6 Pygal 115
5.6.1 Pygal库简介 115
5.6.2 Pygal可视化案例 115
5.7 Plotly 117
5.7.1 Plotly库简介 117
5.7.2 Plotly可视化案例 117
5.8 其他可视化库 119
5.8.1 Altair 119
5.8.2 PyQtGraph 120
5.8.3 NetworkX 121
第二部分 Matplotlib数据可视化
第6章 Matplotlib图形参数设置 124
6.1 Matplotlib主要参数配置 124
6.1.1 线条的设置 124
6.1.2 坐标轴的设置 127
6.1.3 图例的设置 129
6.2 绘图参数文件及主要函数 132
6.2.1 修改绘图参数文件 132
6.2.2 绘图主要函数简介 133
6.3 Matplotlib参数配置案例 134
第7章 Matplotlib基础绘图 136
7.1 直方图的绘制 136
7.1.1 直方图及其参数说明 136
7.1.2 实例：每日利润额的数值分布 137
7.2 折线图的绘制 139
7.2.1 折线图及其参数说明 139
7.2.2 实例：每周商品销售业绩分析 139
7.3 条形图的绘制 141
7.3.1 条形图及其参数说明 141
7.3.2 实例：不同省份利润额的比较 141
7.4 饼图的绘制 143
7.4.1 饼图及其参数说明 143
7.4.2 实例：不同类型商品销售额比较 144
7.5 散点图的绘制 145
7.5.1 散点图及其参数说明 145
7.5.2 实例：销售额与利润额的关系 146
7.6 箱形图的绘制 148
7.6.1 箱形图及其参数说明 148
7.6.2 实例：销售经理业绩比较分析 149
第8章 Matplotlib高级绘图 151
8.1 树形图的绘制 151
8.1.1 树形图及其应用场景 151
8.1.2 实例：不同省份销售额的比较分析 151
8.2 误差条形图的绘制 153
8.2.1 误差条形图及其应用场景 153
8.2.2 实例：门店业绩考核达标情况分析 153
8.3 火柴杆图的绘制 155
8.3.1 火柴杆图及其应用场景 155
8.3.2 实例：不同省份送货准时性分析 155
8.4 甘特图的绘制 156
8.4.1 甘特图及其应用场景 156
8.4.2 实例：企业信息化项目进度管理 157
8.5 自相关图 160
8.5.1 自相关图及其应用场景 160
8.5.2 实例：股票价格的自相关分析 160
8.6 图形整合 163
8.6.1 图形整合及其应用场景 163
8.6.2 实例：区域销售额与利润额分析 164
第三部分 Pyecharts数据可视化
第9章 Pyecharts图形参数配置 168
9.1 全局配置项 168
9.1.1 基本元素配置项 168
9.1.2 坐标轴配置项 173
9.1.3 原生图形配置项 176
9.2 系列配置项 179
9.2.1 样式类配置项 179
9.2.2 标记类配置项 182
9.2.3 其他类配置项 185
9.3 运行环境 185
9.3.1 生成HTML 186
9.3.2 生成图片 186
9.3.3 Jupyter Notebook 187
9.3.4 Jupyter Lab 187
第10章 Pyecharts基础绘图 189
10.1 折线图的绘制 189
10.1.1 折线图及其参数配置 189
10.1.2 实例：各门店销售业绩比较分析 190
10.2 条形图的绘制 192
10.2.1 条形图及其参数配置 192
10.2.2 实例：各省市商品订单数量分析 194
10.3 箱形图的绘制 196
10.3.1 箱形图及其参数配置 196
10.3.2 实例：不同类型商品的收益分析 196
10.4 涟漪散点图的绘制 198
10.4.1 涟漪散点图及其参数配置 198
10.4.2 实例：不同收入等级客户价值分析 199
10.5 K线图的绘制 201
10.5.1 K线图及其参数配置 201
10.5.2 实例：企业股票价格趋势分析 201
10.6 双坐标轴图的绘制 203
10.6.1 双坐标轴图及其参数配置 203
10.6.2 实例：区域销售业绩及数量分析 203
第11章 Pyecharts高级绘图 206
11.1 日历图的绘制 206
11.1.1 日历图及其参数配置 206
11.1.2 实例：企业股票每日交易量分析 207
11.2 漏斗图的绘制 209
11.2.1 漏斗图及其参数配置 209
11.2.2 实例：华东地区各省市利润额分析 209
11.3 仪表盘的绘制 211
11.3.1 仪表盘及其参数配置 211
11.3.2 实例：企业2019年销售业绩完成率 211
11.4 环形图的绘制 213
11.4.1 环形图及其参数配置 213
11.4.2 实例：不同教育群体的购买力分析 213
11.5 雷达图的绘制 215
11.5.1 雷达图及其参数配置 215
11.5.2 实例：不同区域销售业绩的比较 216
11.6 旭日图的绘制 218
11.6.1 旭日图及其参数配置 218
11.6.2 实例：绘制我的家庭树旭日图 219
11.7 主题河流图的绘制 221
11.7.1 主题河流图及其参数配置 221
11.7.2 实例：不同类型商品销售情况分析 222
11.8 词云的绘制 224
11.8.1 词云及其参数配置 224
11.8.2 实例：商品类型关键词词云 224
11.9 玫瑰图的绘制 225
11.9.1 玫瑰图及其参数配置 225
11.9.2 实例：不同职业群体的购买力分析 226
第12章 Web端的数据可视化 228
12.1 搭建Django开发环境 228
12.1.1 Django框架简介 228
12.1.2 Django开发环境 229
12.2 Pyecharts与Django集成案例 230
12.2.1 创建项目运行环境 231
12.2.2 配置项目参数文件 232
12.2.3 测试项目运行效果 236
附录 集群各节点的参数配置 238
参考文献 246
|
| 內容試閱：
|
前 言
让每个人都成为数据分析师是大数据时代的要求，数据可视化技术的出现恰恰从侧面缓解了专业数据分析人才的缺乏。Tableau、Microsoft、IBM等IT厂商纷纷加入数据可视化的阵营，在降低数据分析门槛的同时，为分析结果提供了更炫的展现效果。
但是，这些可视化工具存在不足之处，其中比较大的缺点是视图定制化水平有限，不能根据分析师的想法进行个性化定制。Python中的部分包恰好弥补了这个不足。Python是开源免费、简单易学、用途广泛的编程语言。本书将围绕如何使用Python对大数据进行可视化这一话题展开，希望能对正在选型中的个人和企业有所帮助。
研究表明人类大脑处理图形的速度要比文字快几万倍，如何将海量的数据转换成可视化的图形是数据分析的必修课。Matplotlib和Pyecharts是Python中常用的两个可视化库，其功能强大，可以方便地绘制折线图、条形图、柱形图、散点图等基础图形，还可以绘制复杂的图形，如日历图、树形图、聚类图等。
Matplotlib是Python数据可视化库的泰斗，尽管已有十多年的历史，但仍然是Python社区中使用广泛的绘图库，它的设计与Matlab非常相似，提供了一整套和Matlab相似的命令API，适合交互式制图，还可以将它作为绘图控件，嵌入其他应用程序中。
Pyecharts是一款将Python与Echarts相结合的数据可视化工具，可以高度灵活地配置，轻松搭配出精美的视图。其中，Echarts是百度开源的一个数据可视化库，而Pyecharts将Echarts与Python进行有机对接，方便在Python中直接生成各种美观的图形。
本书首先介绍大数据可视化分析的一些基础知识和主要技术，然后通过实际案例重点讲解Matplotlib和Pyecharts在数据可视化分析过程中的技巧及方法，包括图形参数设置、绘制基本图形、绘制高级图形等。希望本书的出版能够改变目前国内市场相关图书匮乏，而且书中案例较少的现状。
本书由浅入深、循序渐进地介绍Python可视化技术，并且结合案例重点介绍Python在数据可视化方面的应用和使用技巧。全书以案例为主线，既介绍软件应用与操作的方法和技巧，又融入了可视化的基础知识，使读者通过学习本书能够轻松掌握可视化的方法。下载资源中包含每个案例采用的数据源文件，供读者在阅读本书时进行操作练习。
本书可作为管理、经济、社会人文等相关从业人员学习Python软件进行大数据可视化分析的参考书，也可以作为高校计算机相关专业本科生、研究生的教材或教学参考书。
截至2019年11月，Matplotlib的版本为3.1.1，Pyecharts的版本为1.5.1。本书正是基于以上版本编写的，全面且详细地介绍它们在数据可视化分析中的应用。
本书主要内容
第一部分（第1~5章）介绍大数据可视化基础。
第1章介绍大数据可视化的技术挑战、技术难点以及可视化工具的必备特性。
第2章介绍Hadoop集群的安装及配置、集群案例数据集以及连接集群的工具。
第3章介绍大数据可视化软件Tableau、Zeppelin和Python及其可视化案例。
第4章介绍Python环境的安装、如何搭建代码开发环境以及如何连接各类数据源。
第5章介绍Python主要的数据可视化库，如Matplotlib、Pyecharts、Seaborn等。
第二部分（第6~8章）介绍Matplotlib数据可视化。
第6章介绍Matplotlib的图形参数设置，如线条、坐标轴、图例等。
第7章介绍使用Matplotlib绘制基础图形，如直方图、饼图、散点图等。
第8章介绍使用Matplotlib绘制高级图形，如树形图、误差条形图等。
第三部分（第9~12章）介绍Pyecharts数据可视化。
第9章介绍Pyecharts的图形参数配置，如全局配置项和系列配置项。
第10章介绍使用Pyecharts绘制常用视图，如折线图、条形图、箱形图等。
第11章介绍使用Pyecharts绘制高级视图，如日历图、仪表盘、环形图等。
第12章通过实际案例介绍Pyecharts与Django的集成，包括Django框架等。
本书的特色
（1）精心构建的学习体系
本书为读者构建了一个科学合理、循序渐进的学习体系，首先介绍如何构建Hadoop集群，并导入企业数据案例集，以方便后续的上机演练；然后介绍如何运用Matplotlib和Pyecharts可视化工具实现数据可视化；最后介绍如何在Web上展示自己的数据。代码注释详细，解说步骤清晰，十分易于上手。
（2）学以致用，马上提升职场竞争力
全书以某上市电商企业的客户数据、订单数据、股价数据为基础进行讲解，所有案例基本上都围绕该企业的数据可视化展开，如销售额的分析、商品收益率的分析、利润额的分析、客户教育水平的分析、企业股价变动分析等，有的放矢，掌握专业技能，并应对工作需求。
（3）以案例为主线，提供丰富的配书资源
全书以案例为主线，既包括软件的操作方法与应用技巧，又融入了数据可视化的基础知识。为了方便读者使用本书，还提供了源代码、PPT课件和教学视频，读者扫描本书提供的二维码即可下载，可随时随地观看，大幅提升学习效率。
源代码、教学视频与PPT课件下载
为了方便读者更好地使用本书，本书还免费提供了以下资源：
源文件与程序代码：读者扫描右侧的二维码下载后直接调用即可上机演练。
PPT教学课件：方便培训或教学使用，同样，读者可扫描右侧的二维码下载。
教学视频：读者扫描本书各章提供的二维码即可在移动设备上观看，随时随地学习，充分利用碎片时间。
如果下载有问题或需要技术支持，请联系booksaga@126.com，邮件主题为Python数据可视化之Matplotlib与Pyecharts。
本书的读者对象
本书的内容和案例适用于互联网、电商、咨询等行业数据分析用户以及媒体、网站等数据可视化用户，可供高等院校相关专业的学生以及从事大数据可视化的研究者参考使用，也可作为Python软件培训和自学的教材。
由于编者水平有限，书中难免存在错误和不妥之处，请广大读者批评指正。
编 者
2020年1月
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
