 |
-- 會員 / 註冊 --
|
 |
|
|
|
Python數據可視化 ( 簡體 字) |
| 作者：（印）科斯·拉曼（Kirthi Raman） | 類別：1. -> 程式設計 -> Python |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 46493
詢問書籍請說出此書號！【缺書】
NT售價： 345 元 |
| 出版日：4/1/2017 |
| 頁數：276 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
加入購物車  │加到我的最愛
(請先登入會員) |
| ISBN：9787111560906 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介：本書介紹了利用Python實現數據可視化。并介紹了數據、信息與知識之間的關系。書中涉及的可視化過程應用了大量流行的Python庫，你會學到采用Numpy、Scipy、IPython、MatPotLib、Pandas、Patsy和Scikit-Learn等生成可視化結果的不同方法。 |
目錄：第1章 數據可視化概念框架1
1.1 數據、信息、知識和觀點2
1.1.1 數據2
1.1.2 信息2
1.1.3 知識3
1.1.4 數據分析和觀點3
1.2 數據轉換4
1.2.1 數據轉換為信息4
1.2.2 信息轉換為知識7
1.2.3 知識轉換為觀點7
1.3 數據可視化歷史8
1.4 可視化如何幫助決策10
1.4.1 可視化適用于哪里11
1.4.2 如今的數據可視化12
1.5 可視化圖像15
1.5.1 條形圖和餅圖19
1.5.2 箱線圖22
1.5.3 散點圖和氣泡圖23
1.5.4 核密度估計圖26
1.6 總結29
第2章 數據分析與可視化30
2.1 為什么可視化需要規劃31
2.2 Ebola案例31
2.3 體育案例37
2.4 用數據編寫有趣的故事47
2.4.1 為什么故事如此重要47
2.4.2 以讀者驅動為導向的故事47
2.4.3 以作者驅動為導向的故事53
2.5 感知與表達方法55
2.6 一些最好的可視化實踐57
2.6.1 比較和排名57
2.6.2 相關性58
2.6.3 分布59
2.6.4 位置定位或地理數據61
2.6.5 局部到整體的關系61
2.6.6 隨時間的變化趨勢62
2.7 Python中的可視化工具62
2.8 交互式可視化64
2.8.1 事件監聽器64
2.8.2 布局設計65
2.9 總結67
第3章 開始使用Python IDE69
3.1 Python中的IDE工具70
3.1.1 Python 3.x和Python 2.770
3.1.2 交互式工具類型70
3.1.3 Python IDE類型72
3.2 Anaconda可視化繪圖83
3.2.1 表面三維圖83
3.2.2 方形圖85
3.3 交互式可視化軟件包89
3.3.1 Bokeh 89
3.3.2 VisPy90
3.4 總結91
第4章 數值計算和交互式繪圖92
4.1 NumPy、SciPy和MKL函數93
4.1.1 NumPy93
4.1.2 SciPy99
4.1.3 MKL函數105
4.1.4 Python的性能106
4.2 標量選擇106
4.3 切片107
4.4 數組索引108
4.4.1 數值索引108
4.4.2 邏輯索引109
4.5 其他數據結構110
4.5.1 棧110
4.5.2 元組111
4.5.3 集合112
4.5.4 隊列113
4.5.5 字典114
4.5.6 字典的矩陣表示115
4.5.7 Trie樹120
4.6 利用matplotlib進行可視化121
4.6.1 詞云122
4.6.2 安裝詞云122
4.6.3 詞云的輸入 124
4.6.4 繪制股票價格圖129
4.7 體育運動中的可視化案例136
4.8 總結140
第5章 金融和統計模型141
5.1 確定性模型142
5.2 隨機性模型150
5.2.1 蒙特卡洛模擬150
5.2.2 投資組合估值168
5.2.3 模擬模型 170
5.2.4 幾何布朗運動模擬170
5.2.5 基于擴散模擬173
5.3 閾值模型175
5.4 統計與機器學習綜述179
5.4.1 k-最近鄰算法179
5.4.2 廣義線性模型181
5.5 創建動畫和交互圖184
5.6 總結188
第6章 統計與機器學習189
6.1 分類方法190
6.1.1 理解線性回歸191
6.1.2 線性回歸193
6.1.3 決策樹196
6.1.4 貝葉斯理論199
6.1.5 樸素貝葉斯分類器200
6.1.6 用TextBlob構建樸素貝葉斯分類器202
6.1.7 用詞云觀察積極情緒206
6.2 k-最近鄰208
6.3 邏輯斯諦回歸211
6.4 支持向量機214
6.5 主成分分析216
6.6 k-均值聚類220
6.7 總結223
第7章 生物信息學、遺傳學和網絡模型224
7.1 有向圖和多重圖225
7.1.1 存儲圖表數據225
7.1.2 圖表展示227
7.2 圖的聚集系數235
7.3 社交網絡分析238
7.4 平面圖測試 240
7.5 有向無環圖測試 242
7.6 最大流量和最小切割244
7.7 遺傳編程示例245
7.8 隨機區組模型247
7.9 總結250
第8章 高級可視化252
8.1 計算機模擬253
8.1.1 Python的random包253
8.1.2 SciPy的random函數254
8.1.3 模擬示例255
8.1.4 信號處理258
8.1.5 動畫制作261
8.1.6 利用HTML5進行可視化263
8.1.7 Julia和Python有什么區別267
8.1.8 用D3.js進行可視化267
8.1.9 儀表盤268
8.2 總結269
附錄 繼續探索可視化270 |
| 序： |
|
