前    言

关于本书

本书将介绍数据可视化的内容及其重要性。随后，读者将学习如何计算平均值、中位数和方差以了解统计学方面的知识，并观察对应数值之间的差异。除此之外，读者还将学习关键的NumPy和Pandas技术，如索引、切片、迭代、过滤和分组机制。接下来，将介绍可视化的不同类型并对其进行比较。据此，读者将能够了解如何选取特定的可视化类型。其间，读者将探讨不同的图表，同时还包括自定义图表。

在了解了各种可视化库之后，读者将学习如何使用Matplotlib和Seaborn简化可视化的创建过程。除此之外，本书还将引入高级可视化技术，如地理图和交互式图表。读者将学习如何利用地理空间数据创建交互式可视化内容，并可集成至Web页面中。我们可通过任意数据集构建美观且具有洞察力的可视化内容。通过等值线图以及Bokeh，我们还将学习如何在地图上绘制地理空间数据，并通过添加微件和动画显示信息扩展图表。

最后，本书将对所学知识进行整合，读者将得到一个新的数据集，并以此创建一个具有洞察力的可视化图表。

本书目标

? 了解各种图表及其最佳用例。

? 与不同的绘图库协同工作并讨论其优缺点。

? 学习如何创建具有洞察力的可视化内容。

? 了解创建优良可视化图表的所需条件。

? 提升Python数据整理技能。

? 学习相关的业界标准工具。

? 了解数据格式和表达方式。

适合读者

本书是针对想步入数据科学领域的开发人员和相关人士而编写的，他们希望通过数据可视化进一步丰富其个人专业项目。在阅读本书之前，读者不需要具备数据分析和可视化方面的经验，但需要了解Python的基本知识以及高中水平的数学知识。尽管本书是一本入门级的数据可视化书籍，但具有一定经验的读者仍可从中受益，并可通过真实数据提升他们的Python技能。

本书以通俗易懂的语言讲述了数据可视化技术，并完美地平衡了理论与实践之间的内容。具体来说，每一章内容都是在前一章的基础上加以设计的。另外，本书还包含了多项操作，并在现实生活中的业务场景和高度相关的环境中实践、运用所学的技能。

软件和硬件需求

为了获得最佳体验，推荐使用以下硬件配置。

? 操作系统：Windows 7 SP1 32/64-bit，Windows 8.1 32/64-bit，Windows 10 32/64-bit，Ubuntu 14.04（及后续版本），macOS Sierra（及后续版本）。

? 处理器：双核或更高配置。

? 内存：4GB RAM。

? 存储：10GB可用空间。

除此之外，读者还需要安装下列软件。

? 浏览器：Google Chrome或Mozilla Firefox。

? Conda。

? JupyterLab和Jupyter Notebook。

? Sublime Text（最新版本）、Atom IDE（最新版本）或其他类似的文本编辑应用程序。

? Python 3。

? 安装以下Python库：NumPy、pandas、Matplotlib、seaborn、geoplotlib、Bokeh和squarify。

本书约定

本书通过不同的文本风格区分相应的信息类型。下面通过一些示例对此类风格以及具体含义的解释予以展示。

代码块如下所示。

# indexing the first value of the second row (1st row, 1st value)

first_val_first_row = dataset[0][0]

np.mean(first_val_first_row)

安装和配置过程

在阅读本书之前，需要安装Python 3.6、pip以及其他库，具体操作步骤如下。

安装Python

读者可访问https://realpython.com/installing-python/并遵循相关指令安装Python。

安装pip

（1）访问https://pip.pypa.io/en/stable/installing/并下载get-pip.py文件。

（2）使用下列命令进行安装：

python get-pip.py

考虑到计算机中Python之前的版本已经使用了Python命令，因而这里可能需要使用python3 get-pip.py命令。

安装库

使用pip命令安装库，如下所示。

python -m pip install --user numpy matplotlib jupyterlab pandas squarify bokeh geoplotlib seaborn

与JupyterLab和Jupyter Notebook协同工作

读者可能需要在JupyterLab中针对不同练习和操作展开工作。对此，可访问https://github.com/TrainingByPackt/Data-Visualization-with-Python下载相关内容。

读者可使用GitHub进行下载，或者单击右上角的Clone or download按钮，并以压缩文件方式进行下载。

当打开Jupyter Notebook时，需要通过终端遍历目录。对此，可输入下列命令：

cd Data-Visualization-with-Python/chapter01/

随后执行下列步骤：

（1）使用cd命令访问文件夹，如下所示。

cd Activity01

（2）调用jupyter-lab启用JupyterLab。类似地，对于Jupyter Notebook，可调用jupyter notebook命令。

导入Python库

本书中的练习和操作都需要使用各种库，其导入过程较为简单，具体各项操作步骤如下所示。

（1）当导入诸如NumPy和pandas时，可运行以下代码，这将把全部NumPy库导入当前文件中。

import numpy     # import numpy

（2）可利用np而非numpy调用numpy中的方法，如下所示。

import numpy as np   # import numpy and assign alias np

（3）导入部分内容。下列代码仅加载库中的mean方法。

from numpy import mean   # only import the mean method of numpy

安装代码包

将类的代码包复制至C:/Code文件夹中。

附加资源

读者可访问https://github.com/TrainingByPackt/Data-Visualization-with-Python查看本书的代码包。

除此之外，读者还可访问https://github.com/PacktPublishing/查看其他代码包以及视频内容。