新書推薦：
《
美国小史（揭秘“美国何以成为美国”，理解美国的经典入门读物）
》
售價：HK$
81.4
《
中国古代北方民族史丛书——东胡史
》
售價：HK$
87.8
《
巨人传（插图珍藏本）
》
售價：HK$
705.6
《
地下（村上春树沙林毒气事件的长篇纪实）
》
售價：HK$
76.7
《
偿还：债务与财富的阴暗面
》
售價：HK$
80.2
《
清华大学藏战国竹简校释（壹）：《命训》诸篇
》
售價：HK$
94.4
《
封建社会农民战争问题导论（光启文库）
》
售價：HK$
68.4
《
虚弱的反攻：开禧北伐
》
售價：HK$
92.0
|
| 編輯推薦： |
《Python数据可视化方法、实践与应用》的特色如下：
1．内容全面
本书详细讲解Python数据可视化分析所需要的开发技术，循序渐进地讲解了这些技术的使用方法和技巧，帮助读者快速步入Python 数据分析的高手之列。
2．实例驱动教学
本书采用理论加实例的教学方式，通过对这些实例实现了对知识点的横向切入和纵向比较，让读者有更多的实践演练机会，并且可以从不同的方位展现一个知识点的用法，真正实现了拔高的教学效果。
3．详细介绍了数据分析的流程
本书从一开始便对数据分析的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的数据分析项目案例，带领读者掌握Python数据分析的相关知识，以解决实际工作中的数据分析问题。
|
| 內容簡介： |
|
《Python数据可视化方法、实践与应用》循序渐进、深入讲解了使用Python语言实现数据可视化分析的核心知识，并通过具体实例的实现过程演练了数据可视化分析的方法和流程。全书共10章，内容包括数据采集、使用数据库保存数据、绘制散点图和折线图、绘制柱状图、绘制饼状图、绘制其他图形以及商业应用电影票房数据可视化、房地产市场数据可视化、交通数据可视化、招聘信息可视化。讲解简洁而不失深度，内容丰富、全面，历史资料翔实完整。本书以极简的文字介绍了复杂的案例，易于理解。《Python数据可视化方法、实践与应用》适用于已经了解了Python语言基础语法的读者，也适用于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的教材。
|
| 關於作者： |
|
王振丽，华中科技大学计算机硕士，资深Python开发工程师，热衷于移动开底层系统架构、驱动开发、AI开发的研究和具体工作，对Python人工智能的架构设计和实现原理有非常深刻的认识和理解，应用开发经验也十分丰富。
|
| 目錄：
|
第1章 数据采集 1
1.1 处理网络数据 2
1.1.1 解析HTML和XML数据 2
1.1.2 处理HTTP 数据 11
1.1.3 处理URL 数据 17
1.2 网络爬虫技术 21
1.2.1 网络爬虫基础 21
1.2.2 使用Beautiful Soup爬取网络数据 22
1.2.3 使用XPath爬取网络数据 24
1.2.4 爬取体育新闻信息并保存到XML文件 26
1.2.5 爬取XX百科 29
1.3 使用专业爬虫库Scrapy 32
1.3.1 Scrapy框架基础 33
1.3.2 搭建Scrapy环境 34
1.3.3 创建第一个Scrapy项目 34
1.3.4 爬取某电影网的热门电影信息 38
1.3.5 爬取某网站中的照片并保存到本地 42
1.3.6 爬取某网站中的主播照片并保存到本地 43
第2章 使用数据库保存数据 45
2.1 操作SQLite 3数据库 46
2.1.1 sqlite3模块介绍 46
2.1.2 使用sqlite3模块操作SQLite 3数据库 53
2.1.3 SQLite和Python的类型 56
2.2 操作MySQL数据库 60
2.2.1 搭建PyMySQL环境 61
2.2.2 实现数据库连接 62
2.2.3 创建数据库表 62
2.3 使用MariaDB数据库 63
2.3.1 搭建MariaDB数据库环境 63
2.3.2 在Python程序中使用MariaDB数据库 66
2.3.3 使用MariaDB创建MySQL数据库 68
2.4 使用MongoDB数据库 71
2.4.1 搭建MongoDB环境 71
2.4.2 在Python程序中使用MongoDB数据库 72
2.5 使用ORM对象关系映射操作数据库 75
2.5.1 Python和ORM 75
2.5.2 使用SQLAlchemy 76
2.5.3 使用mongoengine 80
第3章 绘制散点图和折线图 83
3.1 绘制散点图 84
3.1.1 绘制一个简单的点 84
3.1.2 添加标题和标签 84
3.1.3 绘制10个点 85
3.1.4 修改散点的大小 86
3.1.5 设置散点的颜色和透明度 87
3.1.6 修改散点的形状 87
3.1.7 绘制两组数据的散点图 88
3.1.8 为散点图设置图例 89
3.1.9 自定义散点图样式 89
3.1.10 使用pygal绘制散点图 91
3.2 绘制折线图 92
3.2.1 绘制最简单的折线 92
3.2.2 设置标签文字和线条粗细 93
3.2.3 绘制1000个点组成折线图 94
3.2.4 绘制渐变色的折线图 95
3.2.5 绘制多幅子图 96
3.2.6 绘制正弦函数和余弦函数曲线 97
3.2.7 绘制3条不同的折线 100
3.2.8 绘制浏览器市场占有率变化折线图 101
3.2.9 绘制XY线图 102
3.2.10 绘制水平样式的浏览器市场占有率变化折线图 103
3.2.11 绘制叠加折线图 104
3.2.12 绘制某网站用户访问量折线图 105
3.3 绘制其他类型的散点图和折线图 106
3.3.1 绘制随机漫步图 106
3.3.2 大数据可视化分析某地的天气情况 110
3.3.3 在Tkinter中使用Matplotlib绘制图表 113
3.3.4 绘制包含点、曲线、注释和箭头的统计图 115
3.3.5 在两栋房子之间绘制箭头指示符 117
3.3.6 根据坐标绘制行走路线图 118
3.3.7 绘制方程式曲线图 120
3.3.8 绘制星空图 122
3.4 绘制BTC比特币和ETH以太币的价格走势图 122
3.4.1 抓取数据 122
3.4.2 绘制BTC美元价格曲线 123
3.4.3 绘制BTC和ETH的历史价格曲线图 124
3.5 Flask pygal SQLite实现数据分析 125
3.5.1 创建数据库 125
3.5.2 绘制统计图 126
第4章 绘制柱状图 129
4.1 绘制基本的柱状图 130
4.1.1 绘制只有一个柱子的柱状图 130
4.1.2 绘制有两个柱子的柱状图 130
4.1.3 设置柱状图的标签 132
4.1.4 设置柱状图的颜色 135
4.1.5 绘制堆叠柱状图 136
4.1.6 绘制并列柱状图 137
4.1.7 绘制20022013年网页浏览器使用变化柱状图 138
4.1.8 绘制直方图 139
4.1.9 绘制横向柱状图 140
4.1.10 绘制有图例横向柱状图 141
4.1.11 绘制分组柱状图 142
4.1.12 模拟电影票房柱状图 144
4.1.13 绘制正负柱状图 145
4.1.14 绘制不同商品销量的统计 柱状图 145
4.2 可视化分析掷骰子游戏的结果次数 146
4.2.1 使用库pygal实现模拟掷骰子功能 147
4.2.2 同时掷两个骰子 148
4.3 可视化分析最受欢迎的开源项目 150
4.3.1 统计前30名最受欢迎的Python库 150
4.3.2 使用pygal实现数据可视化 152
4.4 可视化统计显示某网店各类口罩的销量 154
4.4.1 准备CSV文件 154
4.4.2 可视化CSV文件中的数据 155
4.5 数据挖掘：可视化处理文本情感分析数据 156
4.5.1 准备CSV文件 156
4.5.2 可视化两个剧本的情感分析数据 157
第5章 绘制饼状图 161
5.1 绘制基本的饼状图 162
5.1.1 绘制简易的饼状图 162
5.1.2 修饰饼状图 164
5.1.3 突出显示某个饼状图的部分 165
5.1.4 为饼状图添加图例 166
5.1.5 使用饼状图可视化展示某地区程序员的工龄 166
5.1.6 绘制多个饼状图 167
5.1.7 绘制多系列饼状图 171
5.1.8 绘制圈状饼状图 171
5.1.9 绘制环状饼状图 172
5.1.10 绘制半饼状图 173
5.1.11 使用库pandas、numpy 和matplotlib绘制饼状图 174
5.2 爬取热门电影信息并制作可视化分析饼状图 174
5.2.1 创建MySQL数据库 174
5.2.2 爬取并分析电影数据 176
5.3 机器学习实战：Scikit-Learn聚类分析并可视化处理 179
5.3.1 准备饼状图 179
5.3.2 聚类处理 180
5.3.3 生成统计柱状图 180
5.4 可视化展示名著《西游记》中出现频率最多的文字 182
5.4.1 单元测试文件 182
5.4.2 GUI界面 182
5.4.3 设置所需显示的出现频率 185
第6章 绘制其他图形 187
6.1 绘制雷达图 188
6.1.1 创建极坐标图 188
6.1.2 设置极坐标的正方向 188
6.1.3 绘制一个基本的雷达图 189
6.1.4 绘制XX战队2020绝地求生战绩的雷达图 190
6.1.5 使用雷达图比较两名研发部同事的能力 191
6.1.6 绘制汽车性能雷达图 192
6.1.7 使用pygal绘制雷达图 193
6.1.8 绘制主流编程语言的雷达图 194
6.2 绘制热力图 195
6.2.1 绘制热力图的函数 195
6.2.2 绘制一个简单的热力图 197
6.2.3 使用库matplotlib绘制热力图 197
6.3 将Excel文件中的地址信息可视化为交通热力图 199
6.3.1 将地址转换为JS格式 199
6.3.2 将JS地址转换为坐标 199
6.3.3 在地图中显示地址的热力信息 201
6.4 使用热点图可视化展示电视剧的收视率 202
6.4.1 爬虫爬取电视剧资料 202
6.4.2 使用热点图实现可视化 204
6.5 行人重识别并绘制行走热力图 207
6.5.1 安装第三方库pytorch 208
6.5.2 编写识别程序和绘图程序 208
6.6 绘制词云图 210
6.6.1 绘制B站词云图 210
6.6.2 绘制知乎词云图 211
6.7 使用热力图可视化展示某城市的房价信息 212
6.7.1 准备数据 212
6.7.2 使用热力图可视化展示信息 213
第7章 商业应用：电影票房数据可视化 217
7.1 需求分析 218
7.2 模块架构 218
7.3 爬虫抓取数据 219
7.3.1 分析网页 219
7.3.2 破解反爬 220
7.3.3 构造请求头 223
7.3.4 实现具体爬虫功能 224
7.3.5 将爬取的信息保存到数据库 226
7.4 数据可视化分析 227
7.4.1 电影票房TOP10 227
7.4.2 电影评分TOP10 229
7.4.3 电影人气TOP10 230
7.4.4 每月电影上映数量 231
7.4.5 每月电影票房 233
7.4.6 中外票房对比 234
7.4.7 名利双收TOP10 236
7.4.8 叫座不叫好TOP10 237
7.4.9 电影类型分布 238
第8章 商业应用：房地产市场数据可视化 241
8.1 背景介绍 242
8.2 需求分析 242
8.3 模块架构 242
8.4 系统设置 243
8.4.1 选择版本 243
8.4.2 保存日志信息 244
8.4.3 设置创建的文件名 244
8.4.4 设置抓取城市 245
8.4.5 处理区县信息 247
8.5 破解反爬机制 249
8.5.1 定义爬虫基类 249
8.5.2 浏览器用户代理 250
8.5.3 在线IP代理 251
8.6 爬虫抓取信息 251
8.6.1 设置解析元素 251
8.6.2 爬取二手房信息 252
8.6.3 爬取楼盘信息 255
8.6.4 爬取小区信息 258
8.6.5 抓取租房信息 262
8.7 数据可视化 266
8.7.1 爬取数据并保存到数据库 266
8.7.2 可视化济南市房价最贵的4个小区 270
8.7.3 可视化济南市主要地区的房价均价 271
8.7.4 可视化济南市主要地区的房源数量 272
8.7.5 可视化济南市各区的房源数量所占百分比 274
第9章 商业应用：交通数据可视化 277
9.1 系统架构分析 278
9.2 从CSV文件读取数据 278
9.2.1 读取显示CSV文件中的前3条骑行数据 278
9.2.2 读取显示CSV文件中指定列的数据 283
9.2.3 用统计图可视化CSV文件中的数据 283
9.2.4 选择指定数据 284
9.3 日期相关操作 290
9.3.1 统计每个月的骑行数据 290
9.3.2 展示某街道前5天的骑行数据信息 291
9.3.3 统计周一到周日每天的数据 292
9.3.4 使用matplotlib图表可视化展示统计数据 293
第10章 商业应用：招聘信息 可视化 297
10.1 系统背景介绍 298
10.2 系统架构分析 298
10.3 系统设置 299
10.4 网络爬虫 299
10.4.1 建立和数据库的连接 300
10.4.2 设置HTTP请求头 User-Agent 300
10.4.3 抓取信息 301
10.4.4 将抓取的信息添加到 数据库 302
10.4.5 处理薪资数据 303
10.4.6 清空数据库数据 304
10.4.7 执行爬虫程序 304
10.5 信息分离统计 304
10.5.1 根据工作经验分析 数据 305
10.5.2 根据工作地区分析 数据 306
10.5.3 根据薪资水平分析 数据 307
10.5.4 根据学历水平分析 数据 308
10.6 数据可视化 309
10.6.1 Flask Web架构 309
10.6.2 Web主页 311
10.6.3 数据展示页面 312
10.6.4 数据可视化页面 314
|
| 內容試閱：
|
互联网的飞速发展伴随着海量信息的产生，而海量信息的背后对应的则是海量数据。如何从这些海量数据中获取有价值的信息来供人们学习和工作使用，这就不得不用到大数据挖掘和分析技术。数据可视化分析作为大数据技术的核心一环，其重要性不言而喻。
随着云时代的来临，数据可视化分析技术将具有越来越重要的战略意义。大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产要素，人们对于海量数据的运用将预示着新一轮生产率增长和消费者盈余浪潮的到来。数据可视化分析技术将帮助企业用户在合理时间内攫取、管理、处理、整理海量数据，为企业经营决策提供积极的帮助。数据可视化分析作为数据存储和挖掘分析的前沿技术，已广泛应用于物联网、云计算、移动互联网等战略性新兴产业。虽然数据可视化分析目前在国内还处于初级阶段，但是其商业价值已经显现出来，特别是有实践经验的数据可视化分析人才更是成为各企业争夺的热门。为了满足日益增长的数据可视化分析人才需求，很多大学开始尝试开设不同程度的数据可视化分析课程。数据可视化分析作为大数据时代的核心技术，必将成为高校数学与统计学专业的重要课程之一。
本书的特色
1．内容全面
本书详细讲解Python数据可视化分析所需要的开发技术，循序渐进的讲解了这些技术的使用方法和技巧，帮助读者快速步入Python 数据分析的高手之列。
2．实例驱动教学
本书采用理论加实例的教学方式，通过对这些实例实现了对知识点的横向切入和纵向比较，让读者有更多的实践演练机会，并且可以从不同的方位展现一个知识点的用法，真正实现了拔高的教学效果。
3．详细介绍了数据分析的流程
本书从一开始便对数据分析的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的数据分析项目案例，带领读者掌握Python数据分析的相关知识，以解决实际工作中的数据分析问题。
4．二维码布局全书，扫码后可以观看讲解视频
本书正文的每一个二级目录都有一个二维码，通过二维码扫描可以观看讲解视频，既包括实例讲解也包括教程讲解，对读者的开发水平实现了拔高处理。
5．贴心提示和注意事项提醒
本书根据需要在各章安排了很多注意说明和技巧等小板块，让读者可以在学习过程中更轻松地理解相关知识点及概念，更快地掌握个别技术的应用技巧。
本书的内容
本书的读者对象
软件工程师。
Python语言初学者。
Python初学者和自学者。
专业数据分析人员。
数据库工程师和管理员。
研发工程师。
大学及中学教育工作者。
致谢
本书在编写过程中，得到了清华大学出版社各位专业编辑们的大力支持，正是各位专业人士们的求实、耐心和效率，才使得本书能够在这么短的时间内出版。另外，也十分感谢我的家人给予的巨大支持。本人水平毕竟有限，书中存在纰漏之处在所难免，诚请读者提出宝贵的意见或建议，以便修订并使之更臻完善。
编 者
|
|
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
