《对比Excel，轻松学习Python数据可视化》[68]百度网盘|亲测有效|pdf下载

产品特色

编辑推荐

“对比Excel”系列累计销量突破200000册

《对比Excel，轻松学习Python数据可视化》是“对比Excel”系列的第5本

《对比Excel，轻松学习Python数据分析》有输出中国台湾繁体版和韩国韩语版

每种图表对比Excel操作并提供了 Matplotlib、Pyecharts 和Seaborn 实现方式

附赠全书案例的数据文件和代码文件

适合职场人快速上手学习数据可视化

也适合院校老师和学生作为教材使用

内容简介

《对比Excel,轻松学Python数据可视化》主要介绍了如何使用Python 进行数据可视化，并通过对比Excel 的方式来学习对应的Python 代码。全书内容围绕4 种基础图表类型展开，分别介绍了比较关系型图表、联系关系型图表、分布关系型图表和构成关系型图表的绘制方法。对于每种图表，本书均提供了 Matplotlib、Pyecharts 和Seaborn 共3 种Python 库的实现方式。通过阅读本书，读者不仅能够学习数据可视化的基本概念，还能够掌握一种图表的多种实现方式。这样在工作中遇到具体需求时，读者可以根据实际情况灵活选择合适的图表绘制方法，从而提高数据展示的效率，达到良好的数据展示效果。

作者简介

张俊红：某互联网公司数据分析专家，畅销书作家；“对比Excel”系列图书作者，代表作《对比Excel，轻松学习Python数据分析》累计销量突破200000册；喜欢分享，致力于做一个数据科学路上的终身学习者、实践者、分享者；公众号“俊红的数据分析之路”的运营者。

目　　录

第1 章数据可视化的基础概念 / 1
1.1 什么是数据可视化 1
1.2 为什么要进行数据可视化 1
1.2.1 数据可视化能够高效、简捷地传递信息 1
1.2.2 数据可视化能够提供更加丰富的信息 2
1.3 数据可视化的基本步骤 3
1.4 数据可视化的图表分类 4
1.4.1 图表的基本组件 4
1.4.2 基于基本组件组合的图表类型 5
1.4.3 图表的分类与选择 6
1.5 数据可视化的基本原则 7
1.5.1 格式塔原则 7
1.5.2 墨水比原则 9
1.5.3 CRAP 设计原则 10

第1 章 数据可视化的基础概念 / 1
1.1 什么是数据可视化 1
1.2 为什么要进行数据可视化  1
1.2.1 数据可视化能够高效、简捷地传递信息  1
1.2.2 数据可视化能够提供更加丰富的信息  2
1.3 数据可视化的基本步骤  3
1.4 数据可视化的图表分类  4
1.4.1 图表的基本组件  4
1.4.2 基于基本组件组合的图表类型  5
1.4.3 图表的分类与选择  6
1.5 数据可视化的基本原则  7
1.5.1 格式塔原则  7
1.5.2 墨水比原则  9
1.5.3 CRAP 设计原则  10
 
第2 章 图表的组成元素及实现方式 / 12
2.1 图表的基本组成元素  12
2.2 图表常用组成元素的设置  13
2.2.1 图表标题的设置  13
2.2.2 坐标轴标题的设置  14
2.2.3 网格线的设置  15
2.2.4 坐标轴的设置  15
2.2.5 图例的设置  16
2.2.6 图表字体的选择  16
2.2.7 配色  17
2.2.8 最终效果的对比  22
2.3 数据可视化的常用工具及选择  22
2.3.1 数据可视化的常用工具  22
2.3.2 如何高效地学习不同的数据可视化工具  25
2.3.3 为什么要学习多种数据可视化工具  25
 
第3 章 Matplotlib / 26
3.1 Matplotlib 的基础介绍  26
3.2 Matplotlib 中图表的组成元素  26
3.3 图表各元素的实现及设置  27
3.3.1 画布的建立  27
3.3.2 规则坐标系的建立  29
3.3.3 不规则坐标系的建立  36
3.3.4 坐标轴的设置  38
3.3.5 网格线的设置  44
3.3.6 图例的设置  45
3.3.7 数据标签的设置  47
3.3.8 图表注释的设置  48
3.3.9 数据表的设置  49
3.3.10 图表标题的设置  51
3.4 一个完整图表的绘制  53
3.4.1 一个完整图表的绘制流程  53
3.4.2 显式编程与隐式编程  55
3.5 关于Matplotlib 的其他问题  55
3.5.1 如何解决中文乱码问题  55
3.5.2 图表样式的设置  56
3.6 常用的图表类型  59
 
第4 章 Pyecharts / 60
4.1 Pyecharts 的基础介绍  60
4.2 图表各元素的实现及设置  61
4.3 一个完整图表的绘制  62
4.4 图表样式的设置 . 65
4.5 常用的图表类型 . 66
 
第5 章 Seaborn / 67
5.1 Seaborn 的基础介绍  67
5.2 图表各元素的实现及设置  67
5.3 图表样式的设置  69
5.4 常用的图表类型  70
 
第6 章 比较关系型图表的绘制 / 72
6.1 折线图  72
6.1.1 Excel 的实现  73
6.1.2 Matplotlib 的实现  73
6.1.3 Pyecharts 的实现  76
6.1.4 Seaborn 的实现  78
6.2 双折线图 . 79
6.2.1 Excel 的实现  79
6.2.2 Matplotlib 的实现  79
6.2.3 Pyecharts 的实现  80
6.2.4 Seaborn 的实现  81
6.3 双Y 轴的双折线图  85
6.3.1 Excel 的实现  85
6.3.2 Matplotlib 的实现  85
6.3.3 Pyecharts 的实现  87
6.3.4 Seaborn 的实现  88
6.4 柱形图  89
6.4.1 Excel 的实现  89
6.4.2 Matplotlib 的实现  90
6.4.3 Pyecharts 的实现  92
6.4.4 Seaborn 的实现  93
6.5 簇状柱形图  93
6.5.1 Excel 的实现  93
6.5.2 Matplotlib 的实现  94
6.5.3 Pyecharts 的实现  95
6.5.4 Seaborn 的实现  97
6.6 条形图  97
6.6.1 Excel 的实现  98
6.6.2 Matplotlib 的实现  99
6.6.3 Pyecharts 的实现  100
6.6.4 Seaborn 的实现  101
6.7 簇状条形图  102
6.7.1 Excel 的实现  102
6.7.2 Matplotlib 的实现  102
6.7.3 Pyecharts 的实现  103
6.7.4 Seaborn 的实现  104
6.8 棉棒图  105
6.9 热力图  107
6.9.1 Excel 的实现  107
6.9.2 Matplotlib 的实现  108
6.9.3 Pyecharts 的实现  110
6.9.4 Seaborn 的实现  111
6.10 雷达图  112
6.10.1 Excel 的实现  113
6.10.2 Matplotlib 的实现  113
6.10.3 Pyecharts 的实现  115
6.11 仪表图  116
6.12 水球图  117
6.13 词云图  118
 
第7 章 联系关系型图表的绘制 / 120
7.1 散点图  120
7.1.1 Excel 的实现  120
7.1.2 Matplotlib 的实现  121
7.1.3 Pyecharts 的实现  122
7.1.4 Seaborn 的实现  124
7.2 双散点图  124
7.2.1 Excel 的实现  125
7.2.2 Matplotlib 的实现  125
7.2.3 Pyecharts 的实现  126
7.2.4 Seaborn 实现  127
7.3 关系图  128
7.4 回归拟合图  130
7.4.1 Excel 的实现  130
7.4.2 Seaborn 的实现  131
7.5 多回归拟合图  133
7.5.1 Excel 的实现  133
7.5.2 Seaborn 的实现  133
7.6 气泡图  135
7.6.1 Excel 的实现  135
7.6.2 Matplotlib 的实现  135
7.6.3 Seaborn 的实现  139
7.7 波士顿矩阵图  139
7.8 平行坐标系图  141
 
第8 章 分布关系型图表 / 144
8.1 直方图  144
8.1.1 Excel 的实现  144
8.1.2 Matplotlib 的实现  145
8.1.3 Seaborn 的实现  146
8.2 概率密度图  148
8.3 双概率密度图  150
8.4 地毯图  151
8.5 累积分布图  152
8.6 双累积分布图  154
8.7 箱形图  155
8.7.1 Excel 的实现  156
8.7.2 Matplotlib 的实现  156
8.7.3 Pyecharts 的实现  157
8.7.4 Seaborn 的实现  159
8.8 双箱形图  160
8.8.1 Excel 的实现  160
8.8.2 Matplotlib 的实现  160
8.8.3 Pyecharts 的实现  161
8.8.4 Seaborn 的实现  161
8.9 K 线图  163
8.10 小提琴图  165
8.10.1 Matplotlib 的实现  165
8.10.2 Seaborn 的实现  166
8.11 双小提琴图  167
8.11.1 Matplotlib 的实现  168
8.11.2 Seaborn 的实现  168
8.12 误差线图  170
8.12.1 Matplotlib 的实现  170
8.12.2 Seaborn 的实现  172
8.13 双误差线图  173
8.13.1 Matplotlib 的实现  173
8.13.2 Seaborn 的实现  174
8.14 条带图  175
8.15 蜂群图  177
8.16 事件图  178
 
第9 章 构成关系型图表 / 180
9.1 饼图  180
9.1.1 Excel 实现  180
9.1.2 Matplotlib 的实现  181
9.1.3 Pyecharts 的实现  182
9.2 圆环图  183
9.2.1 Excel 的实现  183
9.2.2 Matplotlib 的实现  183
9.2.3 Pyecharts 的实现  184
9.3 旭日图  185
9.3.1 Excel 的实现  185
9.3.2 Pyecharts 的实现  186
9.4 矩阵树形图  188
9.4.1 Excel 的实现  188
9.4.2 Pyecharts 的实现  188
9.5 面积图  190
9.5.1 Excel 的实现  190
9.5.2 Matplotlib 的实现  191
9.6 堆积柱形图  192
9.6.1 Excel 的实现  192
9.6.2 Matplotlib 的实现  193
9.6.3 Pyecharts 的实现  194
9.7 瀑布图  195
9.7.1 Excel 的实现  195
9.7.2 Matplotlib 的实现  196
9.7.3 Pyecharts 的实现  197
9.8 桑吉图  198
9.9 漏斗图  200
9.9.1 Excel 的实现  200
9.9.2 Pyecharts 的实现  200
 
第10 章 其他类型图表的绘制 / 202
10.1 为图表添加标记点  202
10.1.1 Matplotlib 的实现  202
10.1.2 Pyecharts 的实现  203
10.2 为图表添加标记线  206
10.2.1 Matplotlib 的实现  206
10.2.2 Pyecharts 的实现  207
10.3 为图表添加标记区域  210
10.3.1 Matplotlib 的实现  210
10.3.2 Pyecharts 的实现  211
10.4 组合图表的绘制  213
10.4.1 Excel 的实现  213
10.4.2 Matplotlib 的实现  213
10.4.3 Pyecharts 的实现  214
10.4.4 Seaborn 的实现  215
10.5 分面图表的绘制  216
10.5.1 Matplotlib 的实现  216
10.5.2 Pyecharts 的实现  217
10.5.3 Seaborn 的实现  220
10.6 动态图表的绘制  222
 
第11 章 ChatGPT 在数据可视化中的应用 / 224
11.1 使用ChatGPT 直接生成图表 224
11.2 使用文心一言直接生成图表  232
11.3 使用ChatGPT 选择合适的图表类型 235
11.4 使用ChatGPT 生成相应的可视化建议 236
11.5 使用ChatGPT 给出不同工具的实现方式 237
11.6 使用ChatGPT 解读图表 239
11.7 使用ChatGPT 进行故事化呈现 240
 
第12 章 数据可视化案例 / 242
12.1 订单量分日趋势可视化 242
12.2 品类增长潜力可视化 244
12.3 用户在线时长可视化 246
12.4 指标异动贡献度可视化 247

显示全部信息

前　　言

前言
为什么要写作本书
编写《对比Excel，轻松学习Python 数据可视化》这本书主要有两个原因。其一，数据可视化是进行数据分析的技能，许多人在工作中都需要掌握这项技能。学习本书有助于读者轻松掌握Python 数据可视化，助力其职业发展。其二，这也是“对比Excel”系列图书的延续。截至目前，“对比Excel”系列图书已经出版了4 本，但尚未涉及数据可视化的内容。本书的编写，旨在补充这一空缺，完善“对比Excel”系列图书的内容体系，为读者提供更全面的学习资源。

本书写了什么

前言
 为什么要写作本书
编写《对比Excel，轻松学习Python 数据可视化》这本书主要有两个原因。其一，数据可视化是进行数据分析的技能，许多人在工作中都需要掌握这项技能。学习本书有助于读者轻松掌握Python 数据可视化，助力其职业发展。其二，这也是“对比Excel”系列图书的延续。截至目前，“对比Excel”系列图书已经出版了4 本，但尚未涉及数据可视化的内容。本书的编写，旨在补充这一空缺，完善“对比Excel”系列图书的内容体系，为读者提供更全面的学习资源。
 
本书写了什么
本书主要介绍了如何使用Python 进行数据可视化，并通过对比Excel 的方式来学习对应的Python 代码。全书内容围绕4 种基础图表类型展开，分别介绍了比较关系型图表、联系关系型图表、分布关系型图表和构成关系型图表的绘制方法。对于每种图表，本书均提供了Matplotlib、Pyecharts 和Seaborn 共3 种Python 库的实现方式。通过阅读本书，读者不仅能够学习数据可视化的基本概念，还能够掌握一种图表的多种实现方式。这样在工作中遇到具体需求时，读者可以根据实际情况灵活选择合适的图表绘制方法，从而提高数据展示的效率，达到良好的数据展示效果。
 
为什么要学习数据可视化
数据可视化是进行数据分析的一项核心技能。无论是在数据探索阶段，还是在最终的报告和展示中，数据可视化都能帮助数据分析师很好地理解数据，并从中发现有价值的信息。熟练掌握各种数据可视化工具，既能够提高工作效率，又能够提高职场竞争力。
 
本书的读者对象
数据分析相关从业人员：已经从事数据分析工作想要提高自己数据可视化能力的人员。
高校应届毕业生或有意转行数据分析的人员：还未进入数据分析行业，但是对数据分析感兴趣，想要提前学习相关技能的人员。互联网相关从业人员：在互联网行业从事其他工作，如产品、运营等，虽然本职工作不是数据分析，但是工作中需要用到数据可视化技能的人员。
 
本书的学习建议
要循序渐进地学习，就要对数据可视化的相关知识有一个整体的认识：先学习数据可视化的基础知识，然后深入学习不同图表使用工具是如何实现的。要多进行对比学习。不同图表的基本组成元素是相同的，差别在于基本组成元素的具体类型是不同的。对于同一个图表，不同工具的实现原理是相同的，差别在于实现方式是不同的。只有多对比、多思考，学习效率才会更高。要多看多练。要知道代码的学习在于勤练习，多看多练，慢慢就熟练了。
 
本书配套资源说明
本书涉及的数据、代码相关文件，可关注作者公众号“俊红的数据分析之路”，回复关键词“可视化随书资源”获取。

显示全部信息