Python数据可视化之Matplotlib与Pyecharts实战

第 1 篇 Python数据可视化基础 第 1 章 搭建Python开发环境 3
1.1 集成开发工具Anaconda 3
1.1.1 什么是Anaconda 3
1.1.2 安装Anaconda 4
1.2 常用代码开发工具 6
1.2.1 简单易用的Spyder 7
1.2.2 功能强大的JupyterLab 9
1.2.3 高效流行的PyCharm 10
1.3 认识Python程序 13
1.3.1 一个简单的Python程序 14
1.3.2 Python的常量和变量 15
1.3.3 编写Python程序的注意事项 15
1.4 包管理工具pip 16
1.5 本章小结 18
第 2 章 Python编程基础 19
2.1 Python数据类型 19
2.1.1 数字 19
2.1.2 字符串 20
2.1.3 列表 21
2.1.4 元组 23
2.1.5 集合 24
2.1.6 字典 26
2.2 Python运算符和优先级 28
2.2.1 Python运算符 28
2.2.2 运算符的优先级 33
2.3 Python语法基础 35
2.3.1 条件语句：if及if嵌套 35
2.3.2 循环语句：while与for 36
2.3.3 格式化：format与% 38
2.4 Python的函数 39
2.4.1 函数的概念及使用 40
2.4.2 数据分析中的常用函数 41
2.5 本章小结 44
第 3 章 Pandas数据整理与清洗 45
3.1 Pandas的概念与数据结构 45
3.1.1 初识Pandas 45
3.1.2 Pandas的数据结构 46
3.2 数据的读取 48
3.2.1 读取本地离线数据 49
3.2.2 读取Web在线数据 50
3.2.3 读取常用数据库的数据 51
3.2.4 读取Hadoop集群数据 53
3.3 数据的索引 54
3.3.1 set_index()函数：创建索引 54
3.3.2 unstack()函数：层次化索引 56
3.3.3 swaplevel()函数：调整索引 57
3.4 数据的切片 57
3.4.1 提取一列或多列数据 57
3.4.2 提取一行或多行数据 58
3.4.3 提取指定区域的数据 59
3.5 数据的删除 60
3.5.1 删除一行或多行数据 60
3.5.2 删除一列或多列数据 61
3.5.3 删除指定的列表对象 62
3.6 数据的排序 62
3.6.1 按行索引排序数据 62
3.6.2 按列索引排序数据 63
3.6.3 按一列或多列排序数据 64
3.6.4 按一行或多行排序数据 65
3.7 数据的聚合 65
3.7.1 level参数：指定列聚合数据 65
3.7.2 groupby()函数：分组聚合 66
3.7.3 agg()函数：更多聚合指标 67
3.8 数据透视 68
3.8.1 pivot_table()函数：数据透视 68
3.8.2 crosstab()函数：数据交叉 71
3.9 数据合并 71
3.9.1 merge()函数：横向合并 72
3.9.2 concat()函数：纵向合并 74
3.10 本章小结 75
第 4 章 Python数据可视化库 76
4.1 Matplotlib 76
4.1.1 Matplotlib库简介 76
4.1.2 Matplotlib可视化案例 76
4.2 Pyecharts 78
4.2.1 Pyecharts库简介 78
4.2.2 Pyecharts可视化案例 78
4.3 Seaborn 79
4.3.1 Seaborn库简介 79
4.3.2 Seaborn可视化案例 79
4.4 Bokeh 81
4.4.1 Bokeh库简介 81
4.4.2 Bokeh可视化案例 81
4.5 HoloViews 83
4.5.1 HoloViews简介 83
4.5.2 HoloViews可视化案例 83
4.6 Plotly 84
4.6.1 Plotly库简介 84
4.6.2 Plotly可视化案例 85
4.7 NetworkX 86
4.7.1 NetworkX简介 86
4.7.2 NetworkX可视化案例 87
4.8 其他可视化库 88
4.8.1 Altair 88
4.8.2 Pygal 89
4.9 动手练习 90
第 2 篇 Matplotlib数据可视化
第 5 章 Matplotlib图形参数设置 95
5.1 Matplotlib主要参数配置 95
5.1.1 线条设置 95
5.1.2 坐标轴设置 98
5.1.3 图例的设置 99
5.2 绘图参数文件及主要函数 101
5.2.1 修改绘图参数文件 101
5.2.2 绘图主要函数简介 103
5.3 Matplotlib参数配置案例 104
5.4 动手练习 105
第 6 章 Matplotlib基础绘图 106
6.1 绘制直方图 106
6.1.1 直方图的参数 106
6.1.2 案例：每日利润额的数值分布 107
6.2 绘制折线图 109
6.2.1 折线图的参数 109
6.2.2 案例：每周商品销售业绩分析 109
6.3 绘制条形图 111
6.3.1 条形图的参数 111
6.3.2 案例：不同省份利润额的比较 112
6.4 绘制饼图 113
6.4.1 饼图的参数 114
6.4.2 案例：不同类型商品销售额比较 115
6.5 绘制散点图 116
6.5.1 散点图的参数 116
6.5.2 案例：销售额与利润额的关系 117
6.6 绘制箱形图 118
6.6.1 箱形图的参数 118
6.6.2 案例：区域销售业绩比较分析 120
6.7 动手练习 122
第 7 章 Matplotlib高级绘图 123
7.1 树形图及应用案例 123
7.1.1 树形图的适用场景 123
7.1.2 案例：不同省份销售额的比较分析 124
7.2 误差条形图及应用案例 125
7.2.1 误差条形图的适用场景 125
7.2.2 案例：门店业绩考核达标情况分析 125
7.3 火柴杆图及应用案例 127
7.3.1 火柴杆图的函数及其应用场景 127
7.3.2 案例：不同省份送货准时性分析 127
7.4 甘特图及应用案例 128
7.4.1 甘特图及其应用场景 129
7.4.2 案例：企业信息化项目进度管理 129
7.5 自相关图及应用案例 132
7.5.1 自相关图及其应用场景 132
7.5.2 案例：股票价格的自相关分析 133
7.6 图形整合及应用案例 135
7.6.1 图形整合函数 135
7.6.2 案例：区域销售额与利润额分析 137
7.7 动手练习 139
第 3 篇 Pyecharts数据可视化
第 8 章 Pyecharts图形参数配置 143
8.1 全局配置项 143
8.1.1 基本元素配置项 143
8.1.2 坐标轴配置项 151
8.1.3 原生图形配置项 154
8.2 系列配置项 159
8.2.1 样式类配置项 159
8.2.2 标记类配置项 161
8.2.3 其他类配置项 165
8.3 多样化的视图呈现 166
8.3.1 生成HTML文件 166
8.3.2 生成图片 167
8.3.3 在Jupyter Notebook环境下运行 168
8.3.4 在JupyterLab环境中运行 168
8.4 动手练习 169
第 9 章 Pyecharts基础绘图 170
9.1 绘制折线图 170
9.1.1 折线图及其参数配置 170
9.1.2 案例：各门店销售业绩比较分析 171
9.2 绘制条形图 173
9.2.1 条形图及其参数配置 173
9.2.2 案例：各省市商品订单数量分析 175
9.3 绘制箱形图 177
9.3.1 箱形图及其参数配置 177
9.3.2 案例：不同类型商品的收益分析 178
9.4 涟漪散点图 179
9.4.1 涟漪散点图的参数配置 179
9.4.2 案例：不同收入等级客户价值分析 180
9.5 K线图 182
9.5.1 K线图的参数配置 182
9.5.2 案例：企业股票价格趋势分析 183
9.6 双坐标轴图 185
9.6.1 双坐标轴图的介绍 185
9.6.2 案例：区域销售业绩及数量分析 185
9.7 动手练习 187
第 10 章 Pyecharts高级绘图 189
10.1 日历图 189
10.1.1 日历图的参数 189
10.1.2 案例：企业股票每日交易量分析 190
10.2 漏斗图 192
10.2.1 漏斗图的参数 192
10.2.2 案例：华东地区各省市利润额分析 192
10.3 仪表盘 194
10.3.1 仪表盘的参数 194
10.3.2 案例：企业2022年销售业绩完成率 195
10.4 环形图 196
10.4.1 环形图的参数 196
10.4.2 案例：不同教育群体的购买力分析 197
10.5 雷达图 198
10.5.1 雷达图的参数 198
10.5.2 案例：不同区域销售业绩的比较 199
10.6 旭日图 202
10.6.1 旭日图的属性 202
10.6.2 案例：绘制我的家庭树旭日图 203
10.7 主题河流图 205
10.7.1 主题河流图的属性 205
10.7.2 案例：不同类型商品销售情况分析 205
10.8 词云 207
10.8.1 词云的属性 207
10.8.2 案例：商品类型关键词词云 207
10.9 玫瑰图 209
10.9.1 玫瑰图的属性设置 209
10.9.2 案例：不同职业群体的购买力分析 209
10.10 平行坐标系 211
10.10.1 平行坐标系的属性设置 211
10.10.2 案例：地区利润增长率比较分析 211
10.11 动手练习 213
第 4 篇 数据可视化案例 第 11 章 案例1：空气质量状况分析 217
11.1 案例背景及数据爬取 217
11.1.1 案例背景介绍 217
11.1.2 案例数据爬取 218
11.2 历年数据总体分析 220
11.2.1 历年AQI总体比较分析 220
11.2.2 历年季度AQI趋势分析 223
11.2.3 历年空气污染物分析 224
11.3 2022年空气质量分析 226
11.3.1 空气质量等级分析 226
11.3.2 每月AQI数据分析 228
11.3.3 每周AQI数据分析 230
11.3.4 每日AQI数据分析 231
11.4 污染物数据高级分析 233
11.4.1 6种污染物相关分析 233
11.4.2 PM2.5与PM10回归分析 234
11.4.3 PM2.5与PM10残差分析 235
11.5 案例小结 236
第 12 章 案例2：人口现状及趋势分析 237
12.1 人口总数及结构分析 237
12.1.1 人口总数趋势分析 237
12.1.2 人口男女性别分析 239
12.1.3 人口年龄结构分析 241
12.2 人口增长率数据分析 244
12.2.1 人口增长率趋势分析 244
12.2.2 人口增长率相关分析 246
12.2.3 人口增长率回归分析 247
12.3 人口抚养比数据分析 249
12.3.1 人口抚养比趋势分析 249
12.3.2 人口抚养比相关分析 252
12.3.3 人口抚养比回归分析 253
12.4 案例小结 255
第 13 章 案例3：网络平台商品评论可视化分析 256
13.1 项目案例背景 256
13.2 商品评论总体分析 257
13.2.1 月度商品评论数及得分分析 257
13.2.2 不同尺寸的商品评论数及得分分析 259
13.2.3 不同颜色的商品评论数及得分分析 261
13.3 商品评论文本分析 263
13.3.1 中文Jieba分词概述 263
13.3.2 商品评论关键词分析 263
13.3.3 商品评论关键词词云 266
13.4 案例小结 268
附录A 搭建大数据开发环境 269
A.1 集群的安装及网络配置 269
A.1.1 集群软件及其版本 269
A.1.2 集群网络环境配置 271
A.2 集群案例数据集简介 273
A.2.1 数据字段说明 273
A.2.2 数据导入说明 274
A.2.3 运行环境说明 275
A.3 集群节点参数配置 276
A.3.1 Hadoop的参数配置 276
A.3.2 Hive的参数配置 278
A.3.3 Spark的参数配置 280
A.3.4 集群的启动与关闭 281