登入帳戶  | 訂單查詢  | 購物車/收銀台( 0 ) | 在線留言板  | 付款方式  | 聯絡我們  | 運費計算  | 幫助中心 |  加入書簽
會員登入 新註冊 | 新用戶登記
HOME新書上架暢銷書架好書推介特價區會員書架精選月讀2023年度TOP分類閱讀雜誌 香港/國際用戶
最新/最熱/最齊全的簡體書網 品種:超過100萬種書,正品正价,放心網購,悭钱省心 送貨:速遞 / EMS,時效:出貨後2-3日

2024年03月出版新書

2024年02月出版新書

2024年01月出版新書

2023年12月出版新書

2023年11月出版新書

2023年10月出版新書

2023年09月出版新書

2023年08月出版新書

2023年07月出版新書

2023年06月出版新書

2023年05月出版新書

2023年04月出版新書

2023年03月出版新書

2023年02月出版新書

『簡體書』Python数据分析:基于Plotly的动态可视化绘图

書城自編碼: 3191928
分類: 簡體書→大陸圖書→計算機/網絡程序設計
作者: 孙洋洋 等
國際書號(ISBN): 9787121341137
出版社: 电子工业出版社
出版日期: 2018-05-01
版次: 1
頁數/字數: 400/
書度/開本: 16开 釘裝: 平塑勒单衬

售價:NT$ 514

我要買

share:

** 我創建的書架 **
未登入.



新書推薦:
一个女人的世界史:伊丽莎白·马什的磨难
《 一个女人的世界史:伊丽莎白·马什的磨难 》

售價:NT$ 515.0
大雨艺术设定画集
《 大雨艺术设定画集 》

售價:NT$ 941.0
激发改变:点燃内心渴望,实现终身成长   [美]理查德·博亚特兹
《 激发改变:点燃内心渴望,实现终身成长 [美]理查德·博亚特兹 》

售價:NT$ 554.0
欧洲史:从古希腊到冷战后
《 欧洲史:从古希腊到冷战后 》

售價:NT$ 1109.0
蓝湖战略:在细分市场打造制造业的“隐形冠军”
《 蓝湖战略:在细分市场打造制造业的“隐形冠军” 》

售價:NT$ 386.0
螺蛳姐姐
《 螺蛳姐姐 》

售價:NT$ 279.0
数据科学技术:文本分析和知识图谱
《 数据科学技术:文本分析和知识图谱 》

售價:NT$ 722.0
胡佛的天梯
《 胡佛的天梯 》

售價:NT$ 493.0

建議一齊購買:

+

NT$ 774
《 Python深度学习 》
+

NT$ 449
《 Python数据分析 第2版 》
+

NT$ 324
《 Python数据分析与应用 》
+

NT$ 319
《 Python 3爬虫、数据清洗与可视化实战 》
+

NT$ 514
《 自学Python 编程基础、科学计算及数据分析 》
+

NT$ 384
《 Python数据分析入门——从数据获取到可视化 》
內容簡介:
随着信息技术的发展和硬件设备成本的降低,当今的互联网存在海量的数据,想要快速从这些数据中获取更多有效的信息,数据可视化是重要的一环。对Python语言来说,比较传统的数据可视化模块是Matplotlib,但是Matplotlib存在不够美观、静态性、不易分享等缺点,限制了Python在数据可视化中的发展。为了解决这个问题,新型的动态可视化开源模块Plotly应运而生。由于Plotly具有动态、美观、易用、种类丰富等特性,所以一经问世就受到开发人员的喜爱。本书主要介绍Plotly在可视化各领域的应用,包括基础绘图、数据处理、网页开发、程序GUI、机器学习、量化投资等,方便读者对Plotly快速上手。本书绝大部分代码用Python编写,同时也给出了Plotly在R语言、MATLAB和JavaScript中的应用案例。
關於作者:
孙洋洋,擅长网络爬虫、机器学习、量化投资与程序GUI开发设计。有多年量化投资实盘操作经历,现就职于某期货公司做量化研究员。
目錄
目录
第1章快速开始1
1.1Plotly简介1
1.2安装与安装环境6
1.3在线初始化6
1.4在线绘图隐私说明8
1.5开始在线绘图8
1.6使用离线绘图库11
1.7参数解读13
1.8查看帮助14
第2章Plotly基础图形16
2.1基础案例解读17
2.2基本绘图流程19
2.3散点图20
2.3.1基本案例20
2.3.2样式设置22
2.3.3应用案例24
2.3.4参数解读26
2.4气泡图28
2.4.1基本案例28
2.4.2样式设置29
2.4.3缩放设置30
2.4.4参数解读33
2.5线形图33
2.5.1基本案例33
2.5.2数据缺口与连接35
2.5.3数据插值38
2.5.4填充线形图41
2.5.5应用案例45
2.5.6参数解读49
2.6柱状图49
2.6.1基本柱状图49
2.6.2柱状簇50
2.6.3层叠柱状图52
2.6.4瀑布式柱状图54
2.6.5图形样式设置56
2.6.6应用案例58
2.6.7参数解读60
2.7水平条形图61
2.7.1基本案例61
2.7.2应用案例64
2.7.3参数解读70
2.8甘特图70
2.8.1基本甘特图70
2.8.2甘特图(按数字索引)71
2.8.3甘特图(按类别索引)72
2.8.4应用案例74
2.9面积图76
2.9.1基本面积图76
2.9.2内部填充面积图78
2.9.3堆积面积图80
2.10直方图83
2.10.1基本直方图83
2.10.2重叠直方图84
2.10.3层叠直方图85
2.10.4累积直方图87
2.10.5应用案例88
2.10.6参数解读89
2.11饼图90
2.11.1基本饼图90
2.11.2环形饼图91
2.11.3样式设置92
2.11.4应用案例93
2.11.5参数解读98
2.12更多案例99
2.13Plotly对象概览100
第3章Plotly高级图形110
3.1时间序列110
3.1.1使用方法110
3.1.2时间范围约束111
3.2滑动选择控件113
3.3表格117
3.3.1入门案例117
3.3.2添加链接118
3.3.3使用Pandas120
3.3.4改变大小与颜色121
3.3.5表格与图124
3.4多图表129
3.5多个坐标轴130
3.5.1双坐标轴130
3.5.2多坐标轴132
3.5.3共享坐标轴136
3.6多子图138
3.6.1双子图(方法一)138
3.6.2双子图(方法二)139
3.6.3多子图(方法一)141
3.6.4多子图(方法二)142
3.6.5分割视图区间144
3.6.6子图共享坐标轴(方法一)147
3.6.7子图共享坐标轴(方法二)149
3.6.8子图坐标轴自定义152
3.6.9嵌入式子图154
3.6.10混合图155
3.7绘制SVG159
3.7.1线形图的绘制160
3.7.2线形图应用:创建图形的切线163
3.7.3矩形图的绘制166
3.7.4矩形图应用:设置时间序列区域高亮显示169
3.7.5圆形图的绘制171
3.7.6圆形图应用:高亮显示散点图的聚集簇174
第4章Plotly与Pandas178
4.1简单快速入门178
4.1.1基本线形图179
4.1.2基本散点图180
4.1.3基本柱状图181
4.2使用cufflinks绘图183
4.2.1安装cufflinks183
4.2.2快速入门183
4.2.3快速获取数据185
4.2.4自定义绘图186
4.2.5常见经典图形188
4.2.6更多案例193
第5章金融绘图194
5.1快速绘制K线图194
5.1.1检查Plotly版本194
5.1.2快速绘制OHLC(美国线)图194
5.1.3快速绘制蜡烛图197
5.2K线图的优化199
5.2.1过滤非交易时间199
5.2.2设置形状、颜色和注释203
5.2.3添加技术指标207
5.3使用自定义的数据211
5.4高级金融绘图214
5.4.1入门案例214
5.4.2综合案例215
第6章Matplotlib217
6.1Matplotlib简介217
6.2安装Matplotlib218
6.3调整Matplotlib参数220
6.4常用的API功能222
6.5线性函数223
6.6增加子图225
6.7确定坐标范围228
6.8概率图229
6.9散点图232
6.10柱状图235
6.11更多扩展239
第7章Plotly与网页开发240
7.1Plotly在Django中的应用240
7.1.1安装环境搭建240
7.1.2安装环境测试241
7.1.3入门案例一243
7.1.4入门案例二247
7.1.5更多案例扩展254
7.1.6应用案例一256
7.1.7应用案例二258
7.2Plotly在Flask中的应用267
7.2.1安装Flask269
7.2.2最小的Web应用269
7.2.3模板渲染270
7.2.4入门案例一272
7.2.5入门案例二275
7.2.6应用案例283
第8章Plotly与GUI开发293
8.1PyQt的安装295
8.2案例解读295
8.3设置提升的窗口部件298
8.4Plotly_PyQt 5的使用300
8.5更多扩展304
8.6Plotly与PyQt 5.6的结合305
8.7更多扩展309
8.8应用案例:展示产品组合信息309
第9章Plotly与机器学习316
9.1Plotly在Sklearn中的应用316
9.1.1分类问题316
9.1.2回归问题319
9.1.3聚类问题321
9.2PyTorch可视化工具326
9.2.1Visdom简介326
9.2.2安装Visdom327
9.2.3Visdom与Plotly328
9.2.4Visdom基本概念328
9.2.5使用方法329
9.2.6Visdom与PyTorch345
第10章Plotly在量化投资中的应用346
第11章Plotly在其他语言中的应用355
11.1Plotly在R语言中的应用355
11.1.1安装R语言355
11.1.2安装Plotly模块356
11.1.3Plotly应用分析356
11.1.4更多扩展362
11.2Plotly在MATLAB中的应用363
11.2.1下载与安装363
11.2.2基础入门365
11.2.3经典案例367
11.2.4更多扩展376
11.3Plotly在JavaScript语言中的应用377
11.3.1基础入门377
11.3.2散点图380
11.3.3条形图383
11.3.4扇形图384
11.3.5更多扩展386
內容試閱
前 言
Python是一门非常优秀的编程语言,其语法简捷、易学易用,越来越受到编程人员的喜爱;Python也是一门非常人性化的编程语言,其各种语法规则的设计符合人们的思维方式,开发人员可以用最简单的方式实现自己的编程目的,降低时间成本;同时,Python又是一门非常强大的编程语言,其在编程的各个领域都有非常不错的表现,比如在网页开发、程序GUI设计、网络爬虫、科学计算、数据可视化、机器学习与深度学习等领域,Python都有非常好的解决方案来解决现实中的业务问题。
互联网的快速发展为我们积累了庞大的数据,计算机硬件的创新为存储与分析这些数据创造了硬件条件,编程语言的发展为分析这些数据创造了软件条件。在数据分析这个领域,Python有着自己独有的优势,简单易用的特性与强大的开源模块的支持使其成为数据分析领域方便、好用的利器。
Python在数据分析领域的广泛应用离不开其强大的开源模块的支持,大名鼎鼎的NumPy、SciPy、Statsmodels、Pandas等模块的建立与发展奠定了Python在数据分析领域中的重要地位。这些模块简单又好用,它们提供的解决方案能够解决绝大部分业务问题。在人工智能领域,Python也有非常棒的解决方案,如Sklearn、TensorFlow、MXNet、Theano、PyTorch、Caffe等都是非常好的开源模块。尤其是在人工智能中最前沿的深度学习领域,Python几乎占据了霸主的地位。Python借助在数据分析领域中开源模块的优势,于量化投资领域逐渐占据了领头羊的地位。国内外主流量化投资网站大多支持Python语言,其在量化投资领域有一种逐渐淘汰其他语言,一统江湖之势。
对数据的分析离不开数据的可视化,相对于Python在数据分析、人工智能、量化投资等领域中的发展,在数据可视化方面的发展有些滞后。最经典的Python可视化绘图库莫过于Matplotlib了,Matplotlib就是MATLAB Plot Library,即模仿MATLAB的绘图库,其绘图风格与MATLAB类似。由于MATLAB的绘图风格有些偏古典,为了绘出更漂亮的图像,Python开源社区开发出了Seaborn绘图模块,它本质上是对Matplotlib的封装,绘图效果更符合现代人的审美观。尽管如此,由于Matplotlib是基于GUI的绘图模块,因此存在特有的缺陷。
就笔者使用的经验而言,Matplotlib主要存在两大缺陷:首先,Matplotlib是一个静态的绘图模块,即我们绘出的图像是静态的,就像是用看图软件打开图片一样,没有网页绘图的交互式效果;其次,Matplotlib绘图结果的分享很不方便,在绘图结果分享给别人时只能以图片的方式分享,别人看到的绘图结果完全是静态的,分享体验很不好。Matplotlib一直以来都是Python可视化的主力军,但是确实存在无法克服的缺陷,并且其他的Python绘图模块如Ggplot、Bokeh、Pygal等都比较小众,绘图功能比较单一,完成不了对Matplotlib的替代。
为了解决Python在可视化中存在的问题,Plotly应运而生,它是一个基于JavaScript的动态绘图模块。Plotly的绘图效果与我们在网页上看到的动态交互式绘图结果是一样的,其默认的绘图结果是一个HTML网页文件,通过浏览器就可以查看。我们可以把这个HTML文件分享给其他人,对方看到的效果与我们在本机上看到的效果完全一样。
Plotly有着自己强大又丰富的绘图库,支持各种类型的绘图方案。Plotly是基于JavaScript的绘图库,所以其绘图结果可以与web应用无缝集成。总之,Plotly在绘图模块上是Matplotlib强有力的竞争对手,其绘图的种类丰富、效果美观、易于保存与分享等特点越来越受数据分析人士的喜爱,至少笔者对Plotly的喜爱胜于对Matplotlib的喜爱。Plotly最初是一款商业化的绘图软件,但是在2015年11月12日,Plotly开发团队决定把该模块的核心框架plotly.js开源,由此Plotly得到了快速发展。虽然在2016年6月,Plotly开发团队才正式发布其Python-api文档,在2017年 1月,Plotly 1.0才正式发布,但是这些都阻止不了程序员对Plotly的喜爱。自plotly.js开源之后,我们可以使用本地的离线模式进行绘图,不依赖于官方的服务器,使得绘图速度更快,效果与在线绘图一样,这也是目前使用Plotly绘图的主流模式。
市面上有很多关于Matplotlib的可视化绘图教程,但是还没有Plotly的相关图书,作为一款非常优秀的可视化绘图模块,市场上急需一本科普性的图书。在本书创作之前,市面上就已经出现了电子版的对Plotly的简单翻译版本《Plotly中文说明1期》,这是极宽量化开源团队在2017年1月的作品。极宽量化开源团队是一群研究Python量化投资的爱好者自愿组织的一个团队,该团队成立的初衷是为国内量化投资领域做出自己的一份贡献,目前已经成功初步翻译Pyalgotrade、Seaborn、Statsmodels、Plotly等开源模块,并公开上传到网络上,《Plotly中文说明1期》正是该团队的一个作品。笔者作为极宽量化开源团队《Plotly中文说明1期》项目的第一负责人,最初的想法只是单纯地把Plotly的基础内容简单翻译一下,以最简单、最快速的方式呈现给大家,方便大家使用。但是后来电子工业出版社的黄爱萍编辑找我沟通写作一本Plotly数据可视化的相关图书,并认为Plotly发展很快,市场上需要一本Plotly的相关教材。经过一段时间的权衡,考虑到个人对Plotly的掌握程度、开源团队对Plotly的热情、个人在写《PyQt5快速开发与实战》时与黄编辑建立的良好友谊关系,以及《Plotly中文说明1期》存在的太多的缺陷等,也为了能让更多的人接触Plotly这个优秀的绘图模块,于是决定再次抽出大量的时间来完成《Python数据分析:基于Plotly的动态可视化绘图》的创作,这就是本书的写作背景。
Plotly是一个非常优秀的顶级绘图模块,如此优秀的开源模块在国内的知名度却不是很高,这对国内开发人员来说是一个很大的遗憾。顶级模块在特定的领域达到家喻户晓的程度是一个必然的趋势,Plotly正是这种模块,它在可视化绘图领域的表现早晚会大放异彩。虽然目前Plotly在国内知名度不是很高,但其在可视化绘图领域做到家喻户晓是一个必然的趋势,只是需要有人加速这种趋势的演化过程,这就是本书存在的意义。
本书结构
本书的框架结构如下。
第1章是本书的快速入门部分,介绍Plotly的安装环境,对在线绘图与离线绘图做了简要的介绍。
第2章是基础绘图部分,对Plotly的一些常见的基础绘图如条形图、柱状图、饼图、气泡图、直方图等做了一些介绍。
第3章是高级图形部分,对Plotly的时间序列绘图、表格绘图、多坐标轴绘图、多子图绘图、SVG绘图等做了一些介绍,是Plotly绘图的高级玩法。
第4章是Pandas部分,介绍了Pandas这个顶级数据分析模块使用Plotly进行绘图的方法。
第5章是金融绘图部分,主要为金融领域的特殊图形尤其是K线图的绘制提供解决方案。
第6章是Matplotlib部分,主要介绍了如何把Matplotlib绘图迁移到Plotly中。
第7章是网页开发部分,主要介绍了Plotly在Python网页开发框架Django和Flask中的应用。
第8章是GUI开发部分,主要介绍了Plotly在GUI开发框架PyQt 5中的应用。
第9章是机器学习部分,主要介绍了Plotly在基期学习框架Sklearn与PyTorch中的应用。
第10章是量化投资部分,主要介绍了Plotly在量化投资领域中的可视化应用。
第11章是其他语言应用部分,主要对其他语言如R、MATLAB、JavaScript的Plotly绘图做了简要的介绍。
如果你仅仅对Plotly的基础绘图有需求,那么前两章的内容就能满足你的需求;如果你对Plotly更高级的绘图有需求,那么可以参考第3章的内容;对于本书的其他章节的内容,可以根据自己的实际情况有选择性地阅读,因为毕竟Plotly绘图所涉及的范围特别广泛,并不是每一个人对这些领域都同时感兴趣。
本书代码与交流
本书的所有代码都将保存在Github上,后续代码更新也会以Github地址为准,网址是:https:github.comsunshe35PythonPlotlyCodes,读者可自行下载。另外,为了方便读者交流学习Plotly,本书建立了QQ群(群号:72203080)方便大家交流。
致谢
Plotly虽然仅仅是一个绘图模块,但是其应用场景非常广泛,除了有Matplotlib的基本绘图功能之外,其在Web开发、GUI开发、机器学习、量化投资等领域也有很好的应用场景。由于其应用场景特别广泛,结合笔者自身知识的局限性,所以写好本书需要多个人的共同努力,非常感谢这些作者对本书的创作所付出的汗水:王硕负责本书的Flask、PyTorch、JavaScript部分;邢梦来负责本书的Matplotlib部分;袁泉负责本书的基础绘图与Sklearn部分;吴娜负责本书的Pandas部分,其他部分都由本人孙洋洋负责。在Plotly的写作过程中,还有一些人为本书的顺利出版做出了贡献:感谢山西证券金融科技部的陈亦苏、成都数联铭品科技有限公司的刘赣,以及极宽量化开源组的梁勇对本书网页开发部分提供的帮助,感谢西南财经大学统计学院王彦锋博士对本书R语言部分提供的帮助,感谢北京大学汇丰商学院硕士研究生扶禄城对本书MATLAB部分提供的帮助。最后,感谢我的父母与兄弟姐妹对我的关心与照顾,我现在取得的成果离不开你们对我的付出。
与读者相识于P

 

 

書城介紹  | 合作申請 | 索要書目  | 新手入門 | 聯絡方式  | 幫助中心 | 找書說明  | 送貨方式 | 付款方式 香港用户  | 台灣用户 | 海外用户
megBook.com.tw
Copyright (C) 2013 - 2024 (香港)大書城有限公司 All Rights Reserved.