Python商业数据可视化实战（全彩）

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 2
1.1.1 商业数据可视化的挑战及其难点 2
1.1.2 3种商业数据可视化思维 4
1.1.3 6种商业数据可视化技巧 6
1.2 Python可视化开发环境 9
1.2.1 Spyder 10
1.2.2 Jupyter Notebook 11
1.2.3 JupyterLab 12
1.3 用Python连接各类数据源 14
1.3.1 连接单个文件数据 14
1.3.2 连接关系型数据库 15
1.4 Python数据可视化库简介 17
1.4.1 探索式可视化库 17
1.4.2 交互式可视化库 17
1.5 上机实践题 19
第2章 Python数据可视化的经典：Matplotlib / 20
2.1 Matplotlib可视化库概述 21
2.1.1 Matplotlib可视化库
简介 21
2.1.2 Matplotlib参数配置 21
2.1.3 Matplotlib图形整合 32
2.2 Matplotlib数据可视化案例 34 2.2.1 提升门店销售额 34
2.2.2 制作门店销售额的
树状图 36
2.2.3 制作业绩考核的误差
条形图 40
2.3 上机实践题 42
第3章 基于Matplotlib的高级API封装：Seaborn / 43
3.1 Seaborn可视化库概述 44
3.1.1 Seaborn可视化库简介 44
3.1.2 Seaborn风格设置 45
3.1.3 Seaborn颜色设置 50
3.2.3 制作销售金额的线性
回归图 58
3.2 Seaborn数据可视化案例 54
3.2.1 解读企业销售数据 54
3.2.2 制作销售数据的密度直方图 55
3.3 上机实践题 65

第4章 Python与Echarts的有机结合：Pyecharts / 66
4.1 Pyecharts可视化库概述 67
4.1.1 Pyecharts可视化库简介 67
4.1.2 Pyecharts基本元素 70
4.1.3 Pyecharts主要图形 76
4.2 Pyecharts数据可视化案例 91
4.2.1 了解企业商品的现状 91
4.2.2 制作各类型商品的关键词词云 92
4.2.3 制作商品销售额的主题河流图 94
4.3 上机实践题 97
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 99
5.1.1 Bokeh可视化库简介 99
5.1.2 Bokeh主要接口 102
5.1.3 Bokeh基本配置 105
5.2 Bokeh数据可视化案例 116
5.2.1 做好朋友圈的商品营销 116
5.2.2 制作客户成功分享商品的和弦图 116
5.2.3 制作客户成功分享商品的网络关系图 118
5.3 上机实践题 120
第6章 用较少的代码呈现视图：HoloViews / 121
6.1 HoloViews可视化库概述 122
6.1.1 HoloViews可视化库简介 122
6.1.2 HoloViews参数配置 124
6.1.3 HoloViews组成对象 132
6.2 HoloViews数据可视化案例 138
6.2.1 衡量不同类型的客户价值 138
6.2.2 制作不同类型客户价值的面积图 138
6.2.3 制作不同地区客户价值的箱形图 140
6.3 上机实践题 142
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 144
7.1.1 Plotly可视化库简介 144
7.1.2 Plotly绘图语法 144
7.1.3 Plotly主要图形 147
7.2 Plotly数据可视化案例 155
7.2.1 提升客户的满意指数 155
7.2.2 制作客户不满意订单的环形图 156
7.2.3 制作客户满意度的时间序列图 158
7.3 上机实践题 160
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 162
8.1.1 Pygal可视化库简介 162
8.1.2 Pygal参数配置 162
8.1.3 Pygal主要图形 165
8.2 Pygal数据可视化案例 183
8.2.1 有效降低客户的流失率 183
8.2.2 制作各月份客户流失量的折线图 184
8.2.3 制作各地区客户流失量的雷达图 186
8.3 上机实践题 188

第9章 Python版ggplot2的可视化库：plotnine / 189
9.1 plotnine可视化库概述 190
9.1.1 plotnine可视化库简介 190
9.1.2 plotnine基本语法 190
9.1.3 plotnine绘图过程 193
9.2 plotnine数据可视化案例 202
9.2.1 商品配送准时性及影响因素分析 202
9.2.2 制作商品准时配送的分面散点图 203
9.2.3 制作各地区延迟配送的小提琴图 205
9.3 上机实践题 206
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 208
10.1.1 Altair可视化库简介 208
10.2 Altair数据可视化案例 225
10.2.1 有效规避订单商品退货 225
10.2.2 制作各类型商品退货量的多线图 226
10.1.2 Altair参数配置 210
10.1.3 Altair主要图形 216
10.2.3 制作各月份商品退货量的脊线图 228
10.3 上机实践题 229
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 233
B.2 数据可视化类包 234
B.3 机器学习类包 235
参考文献 / 238