数据科学的可视化：Python与R的实现

　　数据可视化是以图形、图表或其他可视格式表示的数据或信息。它传达数据与图像的关系，使得趋势和模式更容易看到。本书主要分为基础篇和应用篇两部分。基础篇包括三章，第一章从案例开始理解；第二章Python基本画图技能；第三章 R基本画图技能。应用篇包括第四章有监督学习的可视化案例；第五章无监督学习的可视化描述；第六章调查问卷的问题及其垃圾；第七章关联规则：大量比例的计算、展示及解释；第八章社交网络的可视化；第九章词语分析的可视化

暂缺《数据科学的可视化：Python与R的实现》作者简介

第一部分 基础篇

第 1 章 可视化探索性数据分析:从案例开始理解

1.1 案例: 例1.1 汽车数据

1.2 案例: 例 1.2 葡萄牙选举数据

1.3 案例: 例 1.3 睡眠数据

1.4 案例: 例 1.4 QSAR 生物富集类别数据

1.5 案例:例 1.5 部分鸢尾花人造缺失值数据

1.6 本书使用的一些自编的Python 函数

1.7 本章的R代码.

1.8 习题

第 2章 Python 基本画图技能

2.1 matplotlib.pyplot 画图工具及基本技能

2.2 seaborn(sns)系列画图工具

2.3 pandas.DataFrame 画图.

2.4 Altair 画图工具

2.5 Plotly 画图工具

2.6 pyecharts 画图工具

2.7 习题

第 3 章 R基本画图技能

3.1 基本的 R 代码画图

3.2 强有力的画图程序包: ggplot2

3.3 recharts 画图工具

3.4 习题(第2章和第3章合并)

第 4 章 网络图基本技能

4.1 R网络作图

4.2 Python 网络作图

4.3 习题

第二部分 应用篇

第5章 有监督学习的可视化案例

5.1 初等可视化描述:例5.1盐度数据

5.2 有监督学习回归案例: 例 5.2 混凝土数据

5.3 有监督学习分类案例(自变量为数量变量):例5.3 数字笔迹数据

5.4 有监督学习分类案例(自变量多为分类变量):例5.4皮肤病数据

5.5 本章的 Python 代码

5.6 习题

第 6章 无监督学习的可视化描述

6.1 降维:主成分方法的可视化

6.2 聚类案例: 例 6.2 人口学数据

6.3 本章的 Python 代码

6.4 习题

第 7 章 关联规则:大量比例的计算、展示及解释

7.1 概述:

7.2 一些基本概念和术语

7.3 概观例 7.1 的数据

7.4 求规则

7.5 关联规则的可视化

7.6 本章的 Python 代码

7.7 习题

第 8 章 社交网络的可视化

8.1 网络图概述

8.2 贸易数据案例

8.3 例 8.1 贸易数据的部分: 中国出口占比

8.4 中心性度量

8.5 本章的 Python 代码

8.6 习题

第 9章 词语分析的可视化

9.1 通过简单例子概述词语分析

9.2 两个词语文献的词频数比较

9.3 文本的词频率分析

9.4 文本的情感分析

9.5 词之间的关系:n元组

9.6 本章涉及的 Python 编程

9.7 习题