數(shù)據(jù)可視化

目錄


前言()

第一部分數(shù)據(jù)可視化概論

1數(shù)據(jù)可視化在DIKW體系中的作用()

11DIKW體系()

12數(shù)據(jù)可視化的作用()


2數(shù)據(jù)可視化的價值()

21什么是數(shù)據(jù)可視化()

22數(shù)據(jù)可視化的歷史()

23數(shù)據(jù)可視化的優(yōu)勢()

24數(shù)據(jù)可視化的應用場景()

第二部分如何做好數(shù)據(jù)可視化

3什么是好的數(shù)據(jù)可視化()


4數(shù)據(jù)可視化的一般流程()

41數(shù)據(jù)收集、處理與分析()

42數(shù)據(jù)可視化展示()

43數(shù)據(jù)可視化敘事()


5數(shù)據(jù)可視化基礎圖像與展示()

51比較與排序圖像()

52局部與整體關系圖像()

53分布圖像()

54相關圖像()

55網(wǎng)絡關系圖像()

56位置與地理特征圖像()

57時間趨勢圖像()


6使用數(shù)據(jù)可視化講述故事()

61主動式敘事()

62互動式敘事()


7常用數(shù)據(jù)可視化工具()

71Tableau()

72R()

73D3js()

第三部分Python使用基礎

8開始使用Python IDE ()

81Python 3x與 Python 2x()

82交互式工具()

83Python中常用的IDE()

84使用Python進行可視化作圖()

85交互式可視化包簡介()


9Python數(shù)據(jù)結(jié)構(gòu)基礎()

91列表()

92堆棧()

93元組()

94集合()

95隊列()

96字典()

97樹()


10使用NumPy和SciPy庫()

101NumPy中的數(shù)組()

102NumPy常用函數(shù)()

103SciPy常用函數(shù)()

104Python的性能增強()

第四部分使用Python進行基礎數(shù)據(jù)可視化

11使用matplotlib繪制數(shù)據(jù)可視化基礎圖形()

111折線圖()

112直方圖()

113核密度估計圖()

114柱狀圖與條形圖()

115餅圖()

116熱力圖()

117散點圖()

118矩陣圖()

119三維曲面圖()


12使用pyecharts繪制數(shù)據(jù)可視化基礎圖形()

121pyecharts快速入門()

122pyecharts中的圖表類型()

123pyecharts中的配置選項()


13基礎數(shù)據(jù)可視化案例()

131我國各地區(qū)經(jīng)濟發(fā)展水平可視化分析()

132成都天津兩市空氣質(zhì)量可視化分析()

133全球自殺人數(shù)可視化分析()

134各國奧運會獎牌可視化分析()

135文本數(shù)據(jù)可視化分析()

136股票價格可視化分析()

第五部分數(shù)據(jù)可視化建模

14統(tǒng)計學習模型()

141K-近鄰算法()

142邏輯斯諦回歸()

143支持向量機()

144集成學習()

145主成分分析()

146K-均值聚類算法()


15圖論與網(wǎng)絡模型()

151無向圖與有向圖()

152圖的集聚系數(shù)()

153常見的網(wǎng)絡優(yōu)化問題()

154社交網(wǎng)絡分析()

155Networkx工具包()


參考資料()