《Python数据可视化方法、实践与应用》循序渐进、深入讲解了使用Python语言实现数据可视化分析的核心知识，并通过具体实例的实现过程演练了数据可视化分析的方法和流程。全书共10章，内容包括数据采集、使用数据库保存数据、绘制散点图和折线图、绘制柱状图、绘制饼状图、绘制其他图形以及商业应用——电影票房数据可视化、房地产市场数据可视化、交通数据可视化、招聘信息可视化。讲解简洁而不失深度，内容丰富、全面，历史资料翔实完整。本书以极简的文字介绍了复杂的案例，易于理解。《Python数据可视化方法、实践与应用》适用于已经了解了Python语言基础语法的读者，也适用于希望进一步提高自己Python开发水平的读者，还可以作为大专院校相关专业的师生用书和培训机构的教材。

第1章 数据采集
1.1 处理网络数据
1.1.1 解析HTML和XML数据
1.1.2 处理HTTP 数据
1.1.3 处理URL 数据
1.2 网络爬虫技术
1.2.1 网络爬虫基础
1.2.2 使用Beautiful Soup爬取网络数据
1.2.3 使用XPath爬取网络数据
1.2.4 爬取体育新闻信息并保存到XML文件
1.2.5 爬取XX百科
1.3 使用专业爬虫库Scrapy
1.3.1 Scrapy框架基础
1.3.2 搭建Scrapy环境
1.3.3 创建第一个Scrapy项目
1.3.4 爬取某电影网的热门电影信息
1.3.5 爬取某网站中的照片并保存到本地
1.3.6 爬取某网站中的主播照片并保存到本地
第2章 使用数据库保存数据
2.1 操作SQLite 3数据库
2.1.1 sqlite3模块介绍
2.1.2 使用sqlite3模块操作SQLite 3数据库
2.1.3 SQLite和Python的类型
2.2 操作MySQL数据库
2.2.1 搭建PyMySQL环境
2.2.2 实现数据库连接
2.2.3 创建数据库表
2.3 使用MariaDB数据库
2.3.1 搭建MariaDB数据库环境
2.3.2 在Python程序中使用MariaDB数据库
2.3.3 使用MariaDB创建MySQL数据库
2.4 使用MongoDB数据库
2.4.1 搭建MongoDB环境
2.4.2 在Python程序中使用MongoDB数据库
2.5 使用ORM(对象关系映射)操作数据库
2.5.1 Python和ORM
2.5.2 使用SQLAlchemy
2.5.3 使用mongoengine
第3章 绘制散点图和折线图
3.1 绘制散点图
3.1.1 绘制一个简单的点
3.1.2 添加标题和标签
3.1.3 绘制10个点
3.1.4 修改散点的大小
3.1.5 设置散点的颜色和透明度
3.1.6 修改散点的形状
3.1.7 绘制两组数据的散点图
3.1.8 为散点图设置图例
3.1.9 自定义散点图样式
3.1.10 使用pygal绘制散点图
3.2 绘制折线图
3.2.1 绘制最简单的折线
3.2.2 设置标签文字和线条粗细
3.2.3 绘制1000个点组成折线图
3.2.4 绘制渐变色的折线图
3.2.5 绘制多幅子图
3.2.6 绘制正弦函数和余弦函数曲线
3.2.7 绘制3条不同的折线
3.2.8 绘制浏览器市场占有率变化折线图
3.2.9 绘制XY线图
3.2.10 绘制水平样式的浏览器市场占有率变化折线图
3.2.11 绘制叠加折线图
3.2.12 绘制某网站用户访问量折线图
3.3 绘制其他类型的散点图和折线图
3.3.1 绘制随机漫步图
3.3.2 大数据可视化分析某地的天气情况
3.3.3 在Tkinter中使用Matplotlib绘制图表
3.3.4 绘制包含点、曲线、注释和箭头的统计图
3.3.5 在两栋房子之间绘制箭头指示符
3.3.6 根据坐标绘制行走路线图
3.3.7 绘制方程式曲线图
3.3.8 绘制星空图
3.4 绘制BTC(比特币)和ETH(以太币)的价格走势图
3.4.1 抓取数据
3.4.2 绘制BTC/美元价格曲线
3.4.3 绘制BTC和ETH的历史价格曲线图
3.5 Flask+pygal+SQLite实现数据分析
3.5.1 创建数据库
3.5.2 绘制统计图
第4章 绘制柱状图
4.1 绘制基本的柱状图
4.1.1 绘制只有一个柱子的柱状图
4.1.2 绘制有两个柱子的柱状图
4.1.3 设置柱状图的标签
4.1.4 设置柱状图的颜色
4.1.5 绘制堆叠柱状图
4.1.6 绘制并列柱状图
4.1.7 绘制2002—2013年网页浏览器使用变化柱状图
4.1.8 绘制直方图
4.1.9 绘制横向柱状图
4.1.10 绘制有图例横向柱状图
4.1.11 绘制分组柱状图
4.1.12 模拟电影票房柱状图
4.1.13 绘制正负柱状图
4.1.14 绘制不同商品销量的统计 柱状图
4.2 可视化分析掷骰子游戏的结果次数
4.2.1 使用库pygal实现模拟掷骰子功能
4.2.2 同时掷两个骰子
4.3 可视化分析最受欢迎的开源项目
4.3.1 统计前30名最受欢迎的Python库
4.3.2 使用pygal实现数据可视化
4.4 可视化统计显示某网店各类口罩的销量
4.4.1 准备CSV文件
4.4.2 可视化CSV文件中的数据
4.5 数据挖掘：可视化处理文本情感分析数据
4.5.1 准备CSV文件
4.5.2 可视化两个剧本的情感分析数据
第5章 绘制饼状图
5.1 绘制基本的饼状图
5.1.1 绘制简易的饼状图
5.1.2 修饰饼状图
5.1.3 突出显示某个饼状图的部分
5.1.4 为饼状图添加图例
5.1.5 使用饼状图可视化展示某地区程序员的工龄
5.1.6 绘制多个饼状图
5.1.7 绘制多系列饼状图
5.1.8 绘制圈状饼状图
5.1.9 绘制环状饼状图
5.1.10 绘制半饼状图
5.1.11 使用库pandas、numpy 和matplotlib绘制饼状图
5.2 爬取热门电影信息并制作可视化分析饼状图
5.2.1 创建MySQL数据库
5.2.2 爬取并分析电影数据
5.3 机器学习实战：Scikit-Learn聚类分析并可视化处

前言互联网的飞速发展伴随着海量信息的产
生，而海量信息的背后对应的则是海量数据。如
何从这些海量数据中获取有价值的信息来供人们
学习和工作使用，这就不得不用到大数据挖掘和
分析技术。数据可视化分析作为大数据技术的核
心一环，其重要性不言而喻。随着云时代的来临
，数据可视化分析技术将具有越来越重要的战略
意义。大数据已经渗透到每一个行业和业务职能
领域，逐渐成为重要的生产要素，人们对于海量
数据的运用将预示着新一轮生产率增长和消费者
盈余浪潮的到来。数据可视化分析技术将帮助企
业用户在合理时间内攫取、管理、处理、整理海
量数据，为企业经营决策提供积极的帮助。数据
可视化分析作为数据存储和挖掘分析的前沿技术
，已广泛应用于物联网、云计算、移动互联网等
战略性新兴产业。虽然数据可视化分析目前在国
内还处于初级阶段，但是其商业价值已经显现出
来，特别是有实践经验的数据可视化分析人才更
是成为各企业争夺的热门。为了满足日益增长的
数据可视化分析人才需求，很多大学开始尝试开
设不同程度的数据可视化分析课程。“数据可视
化分析”作为大数据时代的核心技术，必将成为
高校数学与统计学专业的重要课程之一。本书的
特色1．内容全面本书详细讲解Python数据可视
化分析所需要的开发技术，循序渐进的讲解了这
些技术的使用方法和技巧，帮助读者快速步入
Python 数据分析的高手之列。2．实例驱动教
学本书采用理论加实例的教学方式，通过对这些
实例实现了对知识点的横向切入和纵向比较，让
读者有更多的实践演练机会，并且可以从不同的
方位展现一个知识点的用法，真正实现了拔高的
教学效果。3．详细介绍了数据分析的流程本书
从一开始便对数据分析的流程进行了详细介绍，
而且在讲解中结合了多个实用性很强的数据分析
项目案例，带领读者掌握Python数据分析的相
关知识，以解决实际工作中的数据分析问题。4
．二维码布局全书，扫码后可以观看讲解视频本
书正文的每一个二级目录都有一个二维码，通过
二维码扫描可以观看讲解视频，既包括实例讲解
也包括教程讲解，对读者的开发水平实现了拔高
处理。5．贴心提示和注意事项提醒本书根据需
要在各章安排了很多“注意”“说明”和“技巧
”等小板块，让读者可以在学习过程中更轻松地
理解相关知识点及概念，更快地掌握个别技术的
应用技巧。本书的内容
本书的读者对象软件工程师。Python语言
初学者。Python初学者和自学者。专业数据分
析人员。数据库工程师和管理员。研发工程师。
大学及中学教育工作者。致谢本书在编写过程中
，得到了清华大学出版社各位专业编辑们的大力
支持，正是各位专业人士们的求实、耐心和效率
，才使得本书能够在这么短的时间内出版。另外
，也十分感谢我的家人给予的巨大支持。本人水
平毕竟有限，书中存在纰漏之处在所难免，诚请
读者提出宝贵的意见或建议，以便修订并使之更
臻完善。
编 者

《Python数据可视化方法、实践与应用》的特色如下：
1．内容全面
本书详细讲解Python数据可视化分析所需要的开发技术，循序渐进地讲解了这些技术的使用方法和技巧，帮助读者快速步入Python 数据分析的高手之列。
2．实例驱动教学
本书采用理论加实例的教学方式，通过对这些实例实现了对知识点的横向切入和纵向比较，让读者有更多的实践演练机会，并且可以从不同的方位展现一个知识点的用法，真正实现了拔高的教学效果。
3．详细介绍了数据分析的流程
本书从一开始便对数据分析的流程进行了详细介绍，而且在讲解中结合了多个实用性很强的数据分析项目案例，带领读者掌握Python数据分析的相关知识，以解决实际工作中的数据分析问题。