PYTHON数据分析与可视化实践

**部分Python数据可视化基础篇
第1章Python快速入门2
11 安装Python 2
111 安装Anaconda 2
112 安装Python库 5
12 Python的基础知识 5
121 列表 6
122 元组 8
123 字典 9
124 集合 10
125 字符串 11
13 Python的语法结构 12
131 条件判断语句 12
132 循环语句 13
133 try/except语句 14
14 Python函数 15
141 函数 15
142 lambda函数 16
15 数据可视化分析 16
151 什么是好的数据可视化 16
152 数据可视化图像的基本类型 17
153 数据可视化分析基本流程 18
154 Python进行数据可视化分析的优势 18
16 本章小结 19
第2章　Numpy与Pandas的数据操作和可视化20
21 Numpy数据操作 21
211 生成数组的方式 21
212 数组的基础操作 23
213 Numpy的常用函数 27
22 Pandas数据的生成和读取 34
221 序列和数据表的生成 34
222 数据索引 36
223 数据读取 38
23 Pandas数据操作 39
231 数据表的合并 39
232 数据表的转换 40
233 数据表的聚合和分组计算 42
234 处理时间数据 43
24 Pandas数据可视化 44
241 Pandas的数据可视化函数 45
242 Pandas数据可视化实战 45
25 本章小结 50
第3章　Matplotlib数据可视化51
31 Matplotlib的两种数据可视化方式 52
311 类似Matlab风格的数据可视化方式 52
312 面向对象风格的数据可视化方式 53
313 设置正确显示中文的方法 55
32 Matplotlib的图表组成元素 57
321 plot函数的使用 58
322 设置坐标系取值范围和类型 60
323 设置坐标轴刻度标签 62
324 设置网格线和参考线 63
325 添加注释和文本、使用公式、设置图例 64
33 Matplotlib可视化子图 66
331 pltaxes函数设置子图位置 66
332 pltsubplot函数创建网格子图 67
333 pltsubplots函数创建网格子图 70
334 pltGridSpec函数对网格进行更复杂排列 71
34 Matplotlib可视化函数 72
341 类别比较图形可视化函数 72
342 数据关系图形可视化函数 78
343 数据分布图形可视化函数 80
344 其他图形可视化函数 83
35 Matplotlib可视化三维图像 88
351 三维点图和三维线图 88
352 三维等高线图 90
353 三维曲面图和曲线图 90
36 本章小结 91
第二部分Python数据可视化提高篇
第4章　Python经典的静态数据可视化库93
41 Seaborn数据可视化 93
411 关系型数据可视化函数 95
412 分布型数据可视化函数 101
413 分类型数据可视化函数 105
414 热力图数据可视化函数 108
415 网格数据可视化 110
42 plotnine数据可视化 110
421 几何图层 111
422 图表美化 116
423 位置调整 118
424 图像分面与子图 120
43 本章小结 124
第5章　网络图可视化125
51 网络图的形式 125
52 Networkx网络图可视化 126
521 Networkx生成网络图 126
522 Networkx设置节点和边 132
523 Networkx设置布局方式 135
524 Networkx可视化复杂网络图 138
53 igraph网络图可视化 143
531 igraph生成并可视化网络图 143
532 igraph设置节点和边 145
533 igraph设置节点的布局方式 148
534 igraph可视化特定的路线 149
54 本章小结 152
第6章　plotly交互式数据可视化153
61 plotly简介 154
62 plotly数值型变量数据可视化 154
621 单个数值型变量数据可视化 154
622 两个数值型变量数据可视化 156
623 三个数值型变量数据可视化 159
624 多个连续数值型变量数据可视化 163
63 plotly分类型变量数据可视化 167
631 单个分类型变量数据可视化 167
632 多个分类型变量数据可视化 168
64 plotly数值型和分类型变量数据可视化 171
641 单个数值型和单个分类型变量数据可视化 171
642 多个数值型和单个分类型变量数据可视化 173
643 单个数值型和多个分类型变量数据可视化 177
65 plotly其他类型数据可视化 180
651 可交互网络图可视化 180
652 时序数据可视化 185
66 本章小结 186
第7章　Python其他交互式数据可视化库187
71 Bokeh交互式数据可视化 187
711 Bokeh的简介与设置 187
712 Bokeh数据可视化 188
72 pyecharts交互式数据可视化 196
721 pyecharts的简介与设置 196
722 pyecharts数据可视化 198
73 本章小结 211
第三部分Python数据可视化分析实战篇
第8章　足球运动员数据可视化分析213
81 数据清洗与预处理 214
82 数据探索性可视化分析 218
821 可视化分析足球运动员年龄与价值之间的关系 219
822 可视化分析足球运动员年龄和综合评分之间的关系 224
823 可视化分析联盟和俱乐部的足球运动员信息 225
824 可视化分析多个变量之间的关系 231
825 与球场位置相关的数据可视化分析 233
83 数据降维可视化分析 238
831 主成分降维 238
832 可视化主成分得分 240
84 数据聚类可视化分析 242
841 寻找合适的聚类数目 242
842 K均值聚类可视化 243
843 利用主成分特征进行聚类分析 244
85 本章小结 247
第9章　抗乳腺癌候选药物可视化分析248
91 数据特征探索性可视化分析 251
911 药物的性质特征探索性可视化分析 252
912 药物的生物活性探索性可视化分析 254
913 药代动力学性质和安全性探索性可视化分析 257
92 数据特征选择 257
921 根据回归互信息筛选特征 257
922 通过随机森林回归模型选择特征 259
93 回归模型预测生物活性 260
931 建立多元线性回归模型 262
932 建立支持向量机回归模型 267
933 建立GBDT回归模型 268
94 分类模型预测药代动力学性质和安全性 269
941 心脏毒性预测 270
942 遗传毒性预测 273
95 本章小结 277
第10章　时序数据的异常值检测和预测278
101 时序数据探索性可视化分析 279
1011 时序数据的分布情况可视化分析 280
1012 时序数据的波动情况可视化分析 281
102 异常值检测 284
1021 ADTK检测单列时序数据的异常值 284
1022 ADTK检测多列时序数据的异常值 287
1023 Prophet检测单列时序数据的异常值 289
1024 基于VAR模型检测多列时序数据的异常值 291
103 异常值预测 297
1031 Prophet算法检测数据中的异常值 297
1032 提取异常值数据特征 299
1033 异常值预测分类模型 301
1034 数据平衡后建立分类模型 303
104 趋势预测 305
1041 单变量预测的SARIMA模型 306
1042 单变量预测的Prophet模型 308
1043 多变量预测的VAR模型 310
105 本章小结 312
第11章　中药材鉴别数据可视化分析313
111 无监督学习算法鉴别中药材类别 314
1111 数据特征探索性可视化分析 315
1112 使用数据原始的特征进行聚类 317
1113 使用数据降维后的特征进行聚类 320
112 有监督学习算法鉴别中药材产地 324
1121 不同产地的中药材特征可视化分析 325
1122 利用选择的特征进行分类 325
113 半监督学习算法鉴别中药材类别 330
1131 数据预处理和可视化分析 330
1132 数据主成分降维 332
1133 使用标签传播算法进行分类 334
1134 半监督学习分类——利用SelfTrainingClassier 336
114 本章小结 338