Python商业数据可视化实战（全彩）

　　本书由浅入深、循序渐进地介绍了基于Python的商业数据可视化技术，并结合实际案例详细介绍了Python在数据可视化方面的具体应用。本书重点介绍了Python的9个可视化库，分别为Matplotlib、Seaborn、Pyecharts、Bokeh、HoloViews、Plotly、Pygal、plotnine、Altair，并介绍了商业数据可视化的思维，不仅做到授之以鱼，更做到授之以渔。读者通过学习本书，能够轻松、快速地掌握商业数据可视化技术。本书的内容和案例适用于互联网、咨询、零售、能源等行业从事数据可视化分析的读者，可以作为Python软件培训机构和数据可视化研究者的参考资料，也可以作为高等学校计算机相关专业学生的教材或教师的教学参考书。

　　王国平具有十余年金融、电力、互联网等行业从业经历，现已出版十余本专著；擅长数据分析、数据可视化、机器学习等，精通Python、SPSS、Tableau、Power BI等数据分析工具，熟悉MySQL、SQL Server等数据库，以及Hadoop、Hive、Zeppelin、Spark等大数据分析及可视化工具。

目录
第1章 Python商业数据可视化概述 / 1
1．1 商业数据可视化概述\t2
1．1．1 商业数据可视化的挑战及其难点\t2
1．1．2 3种商业数据可视化思维\t4
1．1．3 6种商业数据可视化技巧\t6
1．2 Python可视化开发环境\t9
1．2．1 Spyder\t10
1．2．2 Jupyter Notebook\t11\t
1．2．3 JupyterLab\t12
1．3 用Python连接各类数据源\t14
1．3．1 连接单个文件数据\t14
1．3．2 连接关系型数据库\t15
1．4 Python数据可视化库简介\t17
1．4．1 探索式可视化库\t17
1．4．2 交互式可视化库\t17
1．5 上机实践题\t19
第2章 Python数据可视化的经典：Matplotlib / 20
2．1 Matplotlib可视化库概述\t21
2．1．1 Matplotlib可视化库
简介\t21
2．1．2 Matplotlib参数配置\t21
2．1．3 Matplotlib图形整合\t32
2．2 Matplotlib数据可视化案例\t34\t2．2．1 提升门店销售额\t34
2．2．2 制作门店销售额的
树状图\t36
2．2．3 制作业绩考核的误差
条形图\t40
2．3 上机实践题\t42
第3章 基于Matplotlib的高级API封装：Seaborn / 43
3．1 Seaborn可视化库概述\t44
3．1．1 Seaborn可视化库简介\t44
3．1．2 Seaborn风格设置\t45
3．1．3 Seaborn颜色设置\t50
3．2．3 制作销售金额的线性
回归图\t58\t
3．2 Seaborn数据可视化案例\t54
3．2．1 解读企业销售数据\t54
3．2．2 制作销售数据的密度直方图\t55
3．3 上机实践题\t65
第4章 Python与Echarts的有机结合：Pyecharts / 66
4．1 Pyecharts可视化库概述\t67
4．1．1 Pyecharts可视化库简介\t67
4．1．2 Pyecharts基本元素\t70
4．1．3 Pyecharts主要图形\t76
4．2 Pyecharts数据可视化案例\t91\t
4．2．1 了解企业商品的现状\t91
4．2．2 制作各类型商品的关键词词云\t92
4．2．3 制作商品销售额的主题河流图\t94
4．3 上机实践题\t97
第5章 基于JavaScript的交互式可视化库：Bokeh / 98
5．1 Bokeh可视化库概述\t99
5．1．1 Bokeh可视化库简介\t99
5．1．2 Bokeh主要接口\t102
5．1．3 Bokeh基本配置\t105
5．2 Bokeh数据可视化案例\t116
5．2．1 做好朋友圈的商品营销\t116\t
5．2．2 制作客户成功分享商品的和弦图\t116
5．2．3 制作客户成功分享商品的网络关系图\t118
5．3 上机实践题\t120
第6章 用较少的代码呈现视图：HoloViews / 121
6．1 HoloViews可视化库概述\t122
6．1．1 HoloViews可视化库简介\t122
6．1．2 HoloViews参数配置\t124
6．1．3 HoloViews组成对象\t132
6．2 HoloViews数据可视化案例\t138
6．2．1 衡量不同类型的客户价值\t138
6．2．2 制作不同类型客户价值的面积图\t138
6．2．3 制作不同地区客户价值的箱形图\t140
6．3 上机实践题\t142
第7章 基于浏览器的在线可交互可视化库：Plotly / 143
7．1 Plotly可视化库概述\t144
7．1．1 Plotly可视化库简介\t144
7．1．2 Plotly绘图语法\t144
7．1．3 Plotly主要图形\t147
7．2 Plotly数据可视化案例\t155
7．2．1 提升客户的满意指数\t155\t
7．2．2 制作客户不满意订单的环形图\t156
7．2．3 制作客户满意度的时间序列图\t158
7．3 上机实践题\t160
第8章 以面向对象的方式创建视图：Pygal / 161
8．1 Pygal可视化库概述\t162
8．1．1 Pygal可视化库简介\t162
8．1．2 Pygal参数配置\t162
8．1．3 Pygal主要图形\t165
8．2 Pygal数据可视化案例\t183
8．2．1 有效降低客户的流失率\t183\t
8．2．2 制作各月份客户流失量的折线图\t184
8．2．3 制作各地区客户流失量的雷达图\t186
8．3 上机实践题\t188
第9章 Python版ggplot2的可视化库：plotnine / 189
9．1 plotnine可视化库概述\t190
9．1．1 plotnine可视化库简介\t190
9．1．2 plotnine基本语法\t190
9．1．3 plotnine绘图过程\t193
9．2 plotnine数据可视化案例\t202
9．2．1 商品配送准时性及影响因素分析\t202\t
9．2．2 制作商品准时配送的分面散点图\t203
9．2．3 制作各地区延迟配送的小提琴图\t205
9．3 上机实践题\t206
第10章 基于交互式图形语法的可视化库：Altair / 207
10．1 Altair可视化库概述\t208
10．1．1 Altair可视化库简介\t208
10．2 Altair数据可视化案例\t225
10．2．1 有效规避订单商品退货\t225
10．2．2 制作各类型商品退货量的多线图\t226\t
10．1．2 Altair参数配置\t210
10．1．3 Altair主要图形\t216
10．2．3 制作各月份商品退货量的脊线图\t228
10．3 上机实践题\t229
附录A Python 3．9．0及可视化库安装 / 230
附录B Python常用第三方工具包简介 / 233
B．1 数据分析类包\t233
B．2 数据可视化类包\t234\t
B．3 机器学习类包\t235
参考文献 / 238