本书主要针对数据科学、统计学、商学领域的教学,介绍基于Python软件的数据可视化基础知识、数据计算与交互式绘图,机器学习中的可视化工具和技术,以及特定数据结构下的可视化技术,如金融数据结构、生物数据结构、网络数据结构中的可视化展示,并配以丰富的案例,紧密结合常见的统计方法和机器学习方法。 本书配有大量实际案例和习题,涉及金融、经济管理、**影像、健康大数据、地理数据等方面的知识,内容翔实,能让授课教师充分备课,让学生全面学习,极大地提**生的动手能力,并与现实生活接轨,让学生为胜任“全球信息化时代”的数据科学工作做好充分准备。此外,本书还配有PPT课件、教学大纲、教学进度表、部分源代码和数据文件、课后习题答案等教学资源,用书老师可在人邮教育社区免费下载使用。 本书可作为高等院校数据科学、统计学、商学等相关专业的教材,也可供经管领域的技术人员学习使用,还可作为机器学习和人工智能等领域的研究人员的参考书。

第 1章数据可视化概述1 1.1理解数据、信息和知识1 1.1.1数据和信息2 1.1.2知识2 1.2知识的提取流程3 1.2.1从数据中提取信息3 1.2.2从信息中提取知识4 1.3数据可视化与统计图表4 1.4如何利用可视化帮助决策5 1.5总结5 本章习题6 第 2章数据可视化7 2.1利用数据可视化创造有趣的故事7 2.2可视化的一些实践结果9 2.3Python中的可视化工具15 2.4交互式可视化和布局17 2.5总结19 本章习题20 第3章常见Python IDE 21 3.1Python IDE21 3.1.1Python 3.x与Python 2.722 3.1.2不同类型的交互式工具22 3.1.3不同类型的Python IDE24 3.2利用Anaconda进行可视化33 3.2.1绘制3D曲面图33 3.2.2绘制方形树状图35 3.3交互式可视化的库39 3.3.1bokeh39 3.3.2VisPy39 3.4总结41 本章习题41 第4章数值计算与交互式绘图43 4.1NumPy、SciPy和MKL函数43 4.1.1NumPy介绍44 4.1.2SciPy介绍49 4.1.3 MKL函数介绍55 4.2标量选择、切片与索引55 4.2.1标量选择55 4.2.2切片56 4.2.3数组索引57 4.3数据结构59 4.3.1堆栈59 4.3.2元组60 4.3.3集合61 4.3.4队列62 4.3.5字典63 4.3.6矩阵表示的字典64 4.3.7字典树69 4.4使用matplotlib进行可视化71 4.5总结78 本章习题79 第5章统计学与机器学习80 5.1分类方法81 5.1.1线性回归模型实例82 5.1.2线性回归模型84 5.1.3决策树87 5.1.4贝叶斯定理91 5.1.5朴素贝叶斯分类器92 5.2KNN算法93 5.3逻辑回归97 5.4支持向量机101 5.5主成分分析103 5.6k-means聚类107 5.7总结110 本章习题110 第6章金融和统计模型112 6.1回报率模型和确定性模型112 6.2随机模型120 6.2.1蒙特卡罗模拟120 6.2.2投资组合估值136 6.2.3模拟模型139 6.2.4几何布朗运动模拟139 6.2.5基于扩散的模拟142 6.3阈值模型145 6.4总结148 本章习题148 第7章图结构数据和网络模型150 7.1有向图和多重图150 7.1.1存储图数据151 7.1.2图形展示153 7.2图的聚集系数160 7.3社交网络分析163 7.4可平面图的检验165 7.5有向无环图的检验167 7.6*大流169 7.7随机块模型170 7.8总结173 本章习题174 第8章**可视化176 8.1文本数据可视化176 8.1.1利用TextBlob构造朴素贝叶斯分类器176 8.1.2利用词云了解电影影评181 8.2空间数据可视化183 8.3计算机模拟185 8.3.1Python随机相关的程序包185 8.3.2SciPy中的随机函数186 8.3.3模拟示例187 8.3.4信号处理190 8.3.5动画193 8.4绘制交互图194 8.5总结198 本章习题199 参考文献200