Python商業(yè)數(shù)據(jù)可視化實戰(zhàn)（全彩）

目錄
第1章 Python商業(yè)數(shù)據(jù)可視化概述 / 1
1．1 商業(yè)數(shù)據(jù)可視化概述\t2
1．1．1 商業(yè)數(shù)據(jù)可視化的挑戰(zhàn)及其難點\t2
1．1．2 3種商業(yè)數(shù)據(jù)可視化思維\t4
1．1．3 6種商業(yè)數(shù)據(jù)可視化技巧\t6
1．2 Python可視化開發(fā)環(huán)境\t9
1．2．1 Spyder\t10
1．2．2 Jupyter Notebook\t11\t
1．2．3 JupyterLab\t12
1．3 用Python連接各類數(shù)據(jù)源\t14
1．3．1 連接單個文件數(shù)據(jù)\t14
1．3．2 連接關(guān)系型數(shù)據(jù)庫\t15
1．4 Python數(shù)據(jù)可視化庫簡介\t17
1．4．1 探索式可視化庫\t17
1．4．2 交互式可視化庫\t17
1．5 上機實踐題\t19
第2章 Python數(shù)據(jù)可視化的經(jīng)典：Matplotlib / 20
2．1 Matplotlib可視化庫概述\t21
2．1．1 Matplotlib可視化庫
簡介\t21
2．1．2 Matplotlib參數(shù)配置\t21
2．1．3 Matplotlib圖形整合\t32
2．2 Matplotlib數(shù)據(jù)可視化案例\t34\t2．2．1 提升門店銷售額\t34
2．2．2 制作門店銷售額的
樹狀圖\t36
2．2．3 制作業(yè)績考核的誤差
條形圖\t40
2．3 上機實踐題\t42
第3章 基于Matplotlib的高級API封裝：Seaborn / 43
3．1 Seaborn可視化庫概述\t44
3．1．1 Seaborn可視化庫簡介\t44
3．1．2 Seaborn風格設置\t45
3．1．3 Seaborn顏色設置\t50
3．2．3 制作銷售金額的線性
回歸圖\t58\t
3．2 Seaborn數(shù)據(jù)可視化案例\t54
3．2．1 解讀企業(yè)銷售數(shù)據(jù)\t54
3．2．2 制作銷售數(shù)據(jù)的密度直方圖\t55
3．3 上機實踐題\t65
第4章 Python與Echarts的有機結(jié)合：Pyecharts / 66
4．1 Pyecharts可視化庫概述\t67
4．1．1 Pyecharts可視化庫簡介\t67
4．1．2 Pyecharts基本元素\t70
4．1．3 Pyecharts主要圖形\t76
4．2 Pyecharts數(shù)據(jù)可視化案例\t91\t
4．2．1 了解企業(yè)商品的現(xiàn)狀\t91
4．2．2 制作各類型商品的關(guān)鍵詞詞云\t92
4．2．3 制作商品銷售額的主題河流圖\t94
4．3 上機實踐題\t97
第5章 基于JavaScript的交互式可視化庫：Bokeh / 98
5．1 Bokeh可視化庫概述\t99
5．1．1 Bokeh可視化庫簡介\t99
5．1．2 Bokeh主要接口\t102
5．1．3 Bokeh基本配置\t105
5．2 Bokeh數(shù)據(jù)可視化案例\t116
5．2．1 做好朋友圈的商品營銷\t116\t
5．2．2 制作客戶成功分享商品的和弦圖\t116
5．2．3 制作客戶成功分享商品的網(wǎng)絡關(guān)系圖\t118
5．3 上機實踐題\t120
第6章 用較少的代碼呈現(xiàn)視圖：HoloViews / 121
6．1 HoloViews可視化庫概述\t122
6．1．1 HoloViews可視化庫簡介\t122
6．1．2 HoloViews參數(shù)配置\t124
6．1．3 HoloViews組成對象\t132
6．2 HoloViews數(shù)據(jù)可視化案例\t138
6．2．1 衡量不同類型的客戶價值\t138
6．2．2 制作不同類型客戶價值的面積圖\t138
6．2．3 制作不同地區(qū)客戶價值的箱形圖\t140
6．3 上機實踐題\t142
第7章 基于瀏覽器的在線可交互可視化庫：Plotly / 143
7．1 Plotly可視化庫概述\t144
7．1．1 Plotly可視化庫簡介\t144
7．1．2 Plotly繪圖語法\t144
7．1．3 Plotly主要圖形\t147
7．2 Plotly數(shù)據(jù)可視化案例\t155
7．2．1 提升客戶的滿意指數(shù)\t155\t
7．2．2 制作客戶不滿意訂單的環(huán)形圖\t156
7．2．3 制作客戶滿意度的時間序列圖\t158
7．3 上機實踐題\t160
第8章 以面向?qū)ο蟮姆绞絼?chuàng)建視圖：Pygal / 161
8．1 Pygal可視化庫概述\t162
8．1．1 Pygal可視化庫簡介\t162
8．1．2 Pygal參數(shù)配置\t162
8．1．3 Pygal主要圖形\t165
8．2 Pygal數(shù)據(jù)可視化案例\t183
8．2．1 有效降低客戶的流失率\t183\t
8．2．2 制作各月份客戶流失量的折線圖\t184
8．2．3 制作各地區(qū)客戶流失量的雷達圖\t186
8．3 上機實踐題\t188
第9章 Python版ggplot2的可視化庫：plotnine / 189
9．1 plotnine可視化庫概述\t190
9．1．1 plotnine可視化庫簡介\t190
9．1．2 plotnine基本語法\t190
9．1．3 plotnine繪圖過程\t193
9．2 plotnine數(shù)據(jù)可視化案例\t202
9．2．1 商品配送準時性及影響因素分析\t202\t
9．2．2 制作商品準時配送的分面散點圖\t203
9．2．3 制作各地區(qū)延遲配送的小提琴圖\t205
9．3 上機實踐題\t206
第10章 基于交互式圖形語法的可視化庫：Altair / 207
10．1 Altair可視化庫概述\t208
10．1．1 Altair可視化庫簡介\t208
10．2 Altair數(shù)據(jù)可視化案例\t225
10．2．1 有效規(guī)避訂單商品退貨\t225
10．2．2 制作各類型商品退貨量的多線圖\t226\t
10．1．2 Altair參數(shù)配置\t210
10．1．3 Altair主要圖形\t216
10．2．3 制作各月份商品退貨量的脊線圖\t228
10．3 上機實踐題\t229
附錄A Python 3．9．0及可視化庫安裝 / 230
附錄B Python常用第三方工具包簡介 / 233
B．1 數(shù)據(jù)分析類包\t233
B．2 數(shù)據(jù)可視化類包\t234\t
B．3 機器學習類包\t235
參考文獻 / 238