Python大數據可視化方法與實踐（微課版）
梁同樂，王珊珊
- 出版商: 人民郵電
- 出版日期: 2026-06-01
- 定價: $299
- 售價: $298
- 語言: 簡體中文
- ISBN: 7115689318
- ISBN-13: 9787115689313
-
相關分類:
Data-visualization
下單後立即進貨 (約4週~6週)
商品描述
本書深入淺出地介紹了大數據可視化這一結合藝術與科學的領域，旨在幫助讀者將復雜的大數據轉化為直觀且具有價值的信息。全書共10章，從大數據可視化的基礎概念出發，逐步深入講解編程基礎、不同類型大數據的可視化展示方法，以及如何優化大數據可視化的效果等。此外，本書還介紹了知識圖譜的構建、AI在大數據可視化中的應用等內容，並通過具體的大數據分析案例展示如何綜合運用這些知識進行有效的數據分析。 本書適合對大數據可視化感興趣的各類讀者，包括但不限於高校學生、大數據分析師、軟件開發者及任何希望提升自身大數據解讀能力的專業人士。無論是初學者還是有一定經驗的從業者，都能通過本書的系統性講解和實踐練習，掌握大數據可視化的基本概念以及應用方法，從而更有效地利用大數據輔助決策。
作者簡介
梁同樂 高級工程師、副教授，中國通服高級CCS專家，南粵優秀教師，高級雙師型教師。 長期從事大數據分析、AI應用與智算中心研究，具備豐富的企業級項目實戰經驗。
目錄大綱
第 1章
大數據可視化基礎 1
1.1 數據是什麼 2
1.1.1 數據與大數據 2
1.1.2 數據、信息與知識 4
1.2 大數據與可視化 6
1.2.1 數據會說話 6
1.2.2 可視化流程 8
1.2.3 數據繪圖 9
1.3 知識拓展：可視化理論與
設計基礎 16
1.3.1 視覺感知 16
1.3.2 格式塔理論 17
1.3.3 設計基礎 21
1.4 本章小結 28
1.5 練習與實踐 29
第 2章
可視化編程基礎 30
2.1 可視化工具簡介 31
2.1.1 Excel 31
2.1.2 Tableau 31
2.1.3 SPSS 32
2.1.4 Python 32
2.1.5 R 32
2.1.6 Gephi 33
2.1.7 Polymaps 33
2.1.8 Modest Maps 34
2.1.9 ECharts 34
2.2 可視化編程環境準備 35
2.2.1 Anaconda環境的
安裝與配置 35
2.2.2 PyCharm的
安裝與配置 39
2.3 數據源 41
2.3.1 客戶提供數據 41
2.3.2 爬取數據 41
2.3.3 數據資源平臺 42
2.4 大數據存儲 44
2.5 大數據處理 46
2.5.1 數據質量 46
2.5.2 數據預處理 47
2.5.3 數據格式 47
2.6 屬性關系與選擇 48
2.6.1 數據相關性 49
2.6.2 因果關系 51
2.7 知識拓展：Jupyter 51
2.8 本章小結 52
2.9 練習與實踐 52
第3章
對比與趨勢可視化 53
3.1 柱形圖 54
3.1.1 單柱圖 54
3.1.2 簇狀柱形圖 57
3.2 折線圖 60
3.3 箱線圖 62
3.4 詞雲圖 66
3.5 知識拓展：圖形化詞雲圖 68
3.6 本章小結 69
3.7 練習與實踐 70
第4章
比例數據可視化 72
4.1 餅圖 73
4.2 圓環圖 76
4.3 知識拓展：比例數據可視化
圖表 79
4.4 本章小結 81
4.5 練習與實踐 81
第5章
關系數據可視化 83
5.1 散點圖 84
5.1.1 單一散點圖 84
5.1.2 分類散點圖 86
5.2 氣泡圖 88
5.3 直方圖 90
5.4 知識拓展：直方圖的應用
場景 94
5.5 本章小結 95
5.6 練習與實踐 95
第6章
增強可視化效果 97
6.1 畫布劃分 98
6.1.1 均勻劃分 98
6.1.2 非均勻劃分 99
6.2 坐標軸與刻度 102
6.2.1 顏色與標簽 102
6.2.2 共享坐標軸 106
6.3 知識拓展：數據可視化
原則 109
6.4 本章小結 110
6.5 練習與實踐 110
第7章
可視化探索大數據 112
7.1 探索式分析 113
7.1.1 探索數據缺失情況 113
7.1.2 探索屬性關系 117
7.2 數據預測 118
7.2.1 回歸分析原理 118
7.2.2 回歸分析實現 119
7.3 知識拓展：D3可視化庫 123
7.4 本章小結 123
7.5 練習與實踐 123
第8章
知識圖譜可視化 125
8.1 知識圖譜的概念 126
8.2 知識圖譜的架構及表示
方法 126
8.2.1 非結構化數據的抽取 128
8.2.2 結構化數據的抽取 135
8.3 知識圖譜構建工具簡介 136
8.3.1 Neo4j 137
8.3.2 NetworkX 137
8.3.3 igraph 138
8.3.4 Gephi 139
8.4 知識圖譜構建案例 140
8.5 知識拓展：知識圖譜的
應用 146
8.6 本章小結 147
8.7 練習與實踐 147
第9章
AI數據可視化 149
9.1 AI可視化工具介紹 150
9.1.1 ChartCube 150
9.1.2 Flourish 152
9.1.3 大語言模型與可視化
支持 154
9.2 AI圖表生成 156
9.3 AI數據準備 158
9.4 AI輔助編程 160
9.5 知識拓展：可視化與人工智能的
發展方向 162
9.6 本章小結 163
9.7 練習與實踐 163
第 10章
可視化分析大數據案例 164
10.1 數據解讀與導入 165
10.2 可視化探索性分析 170
10.2.1 數據分析 170
10.2.2 數據劃分 172
10.3 特征工程 172
10.3.1 變量離散化 174
10.3.2 變量篩選 177
10.4 模型建立與評估 178
10.4.1 WOE編碼轉換 178
10.4.2 建立邏輯回歸模型 180
10.4.3 模型評估 180
10.5 知識拓展：Adaboost 182
10.6 本章小結 183
10.7 練習與實踐 184
