数据分析与可视化

本章习题

8.5 总结

8.4 绘制交互图

8.3 计算机模拟

8.2 空间数据可视化

8.1 文本数据可视化

第8章 高级可视化

本章习题

7.8 总结

7.7 随机块模型

7.6 最大流

7.5 有向无环图的检验

7.4 可平面图的检验

7.3 社交网络分析

7.2 图的聚集系数

7.1 有向图和多重图

第7章 图结构数据和网络模型

本章习题

6.4 总结

6.3 阈值模型

6.2 随机模型

6.1 回报率模型和确定性模型

第6章 金融和统计模型

本章习题

5.7 总结

5.6 k-means聚类

5.5 主成分分析

5.4 支持向量机

5.3 逻辑回归

5.2 KNN算法

5.1 分类方法

第5章 统计学与机器学习

本章习题

4.5 总结

4.4 使用matplotlib进行可视化

4.3 数据结构

4.2 标量选择、切片与索引

4.1 NumPy、SciPy和MKL函数

第4章 数值计算与交互式绘图

本章习题

3.4 总结

3.3 交互式可视化的库

3.2 利用Anaconda进行可视化

3.1 Python IDE

第3章 常见Python IDE

本章习题

2.5 总结

2.4 交互式可视化和布局

2.3 Python中的可视化工具

2.2 可视化的一些实践结果

2.1 利用数据可视化创造有趣的故事

第2章 数据可视化

本章习题

1.5 总结

1.4 如何利用可视化帮助决策

1.3 数据可视化与统计图表

1.2 知识的提取流程

1.1 理解数据、信息和知识

第1章 数据可视化概述

前言

内容提要

版权页

封面

封面

版权页

内容提要

前言

第1章 数据可视化概述

1.1 理解数据、信息和知识

1.2 知识的提取流程

1.3 数据可视化与统计图表

1.4 如何利用可视化帮助决策

1.5 总结

本章习题

第2章 数据可视化

2.1 利用数据可视化创造有趣的故事

2.2 可视化的一些实践结果

2.3 Python中的可视化工具

2.4 交互式可视化和布局

2.5 总结

本章习题

第3章 常见Python IDE

3.1 Python IDE

3.2 利用Anaconda进行可视化

3.3 交互式可视化的库

3.4 总结

本章习题

第4章 数值计算与交互式绘图

4.1 NumPy、SciPy和MKL函数

4.2 标量选择、切片与索引

4.3 数据结构

4.4 使用matplotlib进行可视化

4.5 总结

本章习题

第5章 统计学与机器学习

5.1 分类方法

5.2 KNN算法

5.3 逻辑回归

5.4 支持向量机

5.5 主成分分析

5.6 k-means聚类

5.7 总结

本章习题

第6章 金融和统计模型

6.1 回报率模型和确定性模型

6.2 随机模型

6.3 阈值模型

6.4 总结

本章习题

第7章 图结构数据和网络模型

7.1 有向图和多重图

7.2 图的聚集系数

7.3 社交网络分析

7.4 可平面图的检验

7.5 有向无环图的检验

7.6 最大流

7.7 随机块模型

7.8 总结

本章习题

第8章 高级可视化

8.1 文本数据可视化

8.2 空间数据可视化

8.3 计算机模拟

8.4 绘制交互图

8.5 总结

本章习题