这本书的书名是《Python数据可视化》，作者是[美]马里奥·多布勒、[美]蒂姆·高博曼，由清华大学出版社出版。
读书摘要
《Python数据可视化》是一本专注于如何利用Python进行数据可视化的专业书籍。它适合有一定Python编程基础，并且希望通过可视化手段更好地呈现和分析数据的读者。
书中全面地介绍了Python在数据可视化领域的应用。从基础的可视化概念和工具开始，逐步深入到各种复杂的可视化技术和实践。通过大量的实际案例和操作步骤，读者可以学习到如何将数据转换为直观、易懂的图表和图形。
在基础部分，书籍介绍了数据可视化的重要性和基本概念，以及Python中常用的可视化库，如Matplotlib、Seaborn等。读者将了解到如何使用这些库进行简单的数据绘图，如折线图、柱状图、散点图等。
书中详细讲解了不同类型数据的可视化方法，包括时间序列数据、地理空间数据等。例如，在地理空间数据可视化章节，读者可以学到如何绘制地图和地理相关的图表。
此外，书籍还涉及到数据可视化的高级应用，如交互式可视化和基于Web的可视化。通过这些技术，读者可以创建出更加动态和具有交互性的可视化作品，便于更好地探索和分析数据。
主要内容
- 基础概念和工具
• 介绍数据可视化的重要性和基本概念。
• 讲解Python中的常用可视化库，如Matplotlib和Seaborn的基本操作。
- 数据类型的可视化
• 针对不同类型的数据，如时间序列数据、地理空间数据等，讲解相应的可视化方法。
• 包括如何绘制各类图表，如折线图、柱状图、散点图、地图等。
- 高级可视化技术
• 介绍交互式可视化和基于Web的可视化技术。
• 讲解如何使用Bokeh和Plotly等工具创建动态和交互性强的可视化作品。
- 实践案例和应用
• 通过丰富的实际案例，展示如何在不同领域应用数据可视化技术。
• 帮助读者将所学知识应用到实际的数据可视化项目中。
详细目录
• 第1章：数据可视化和数据探索的重要性
• 1.1简介
• 1.2数据可视化的重要性
• 1.3数据整理
• 1.4可视化工具和库
• 第2章：统计学概述
• 2.1集中趋势的度量
• 2.2离散度测量
• 2.3相关性
• 2.4数据类型
• 2.5摘要统计信息
• 第3章：NumPy
• 3.1练习：加载示例数据集并计算平均值
• 3.2操作：使用NumPy计算平均值、中位数、方差和标准差
• 3.3基本的NumPy操作
• 3.4操作：索引、切片、分割和迭代
• 3.5高级NumPy操作
• 3.6操作：过滤、排序、组合和重构
• 第4章：pandas
• 4.1 pandas的优点
• 4.2 pandas的缺点
• 4.3练习：加载示例数据集并计算平均值
• 4.4操作：使用pandas计算平均值、中位数和给定数字的方差
• 4.5基本的pandas操作
• 4.6 Series
• 4.7操作：基于pandas的索引、切片和迭代
• 第5章：数据可视化基础
• 5.1基本的绘图操作
• 5.2操作：绘制简单的折线图、柱状图和散点图
• 5.3图形样式和标签
• 5.4操作：自定义图形样式和添加标签
• 5.5多图绘制
• 5.6操作：在同一画布上绘制多个图形
• 第6章：Matplotlib高级操作
• 6.1 Matplotlib的高级功能
• 6.2操作：使用Matplotlib绘制复杂图形
• 6.3 3D绘图
• 6.4操作：绘制3D图形
• 6.5地理空间数据可视化
• 6.6操作：绘制地图和地理相关图表
• 第7章：Seaborn简化可视化操作
• 7.1 Seaborn的基本操作
• 7.2操作：使用Seaborn绘制统计图形
• 7.3操作：利用Seaborn进行数据分组和可视化
• 7.4操作：基于Seaborn的高级可视化
• 第8章：交互式可视化
• 8.1交互式可视化的概念和工具
• 8.2操作：使用Bokeh创建交互式图形
• 8.3操作：利用Plotly进行交互式可视化
• 8.4操作：基于Web的可视化技术
• 第9章：数据可视化实践案例
• 9.1案例介绍
• 9.2操作：应用所学知识解决实际问题
• 9.3操作：创建完整的数据可视化项目