☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

編輯推薦

適讀人群 ：任何懂一點Python基礎的讀者，以及對Plotly可視化感興趣的讀者。

Python數據可視化的模塊有很多，但傳統的模塊如Matplotlib等都屬於靜態可視化繪圖，在動態的互聯網時代越來越滿足不瞭數據分析師的要求。

Plotly是一個非常棒的動態可視化繪圖模塊，它易學易用、種類豐富、繪圖美觀，在數據分析以及數據可視化中占據越來越重要的位置。

本書不僅對Plotly的基礎繪圖與高級繪圖進行介紹，還介紹瞭Plotly的各種應用場景，比如在金融、Matplotlib、Pandas、網頁開發、GUI開發、機器學習、量化投資等方麵的應用。

內容簡介

隨著信息技術的發展和硬件設備成本的降低，當今的互聯網存在海量的數據，要想快速從這些數據中獲取更多有效的信息，數據可視化是重要的一環。對於Python語言來說，比較傳統的數據可視化模塊是Matplotlib，但它存在不夠美觀、靜態性、不易分享等缺點，限製瞭Python在數據可視化方麵的發展。為瞭解決這個問題，新型的動態可視化開源模塊Plotly應運而生。由於Plotly具有動態、美觀、易用、種類豐富等特性，所以一經問世就受到開發人員的喜愛。本書主要介紹Plotly在可視化各領域的應用，包括基礎繪圖、數據處理、網頁開發、程序GUI、機器學習和量化投資等，方便讀者對Plotly快速上手。

本書絕大部分代碼用Python語言編寫，同時也給齣瞭Plotly在R語言、MATLAB和JavaScript中的應用案例。

作者簡介

孫洋洋，《PyQt 5快速開發與實戰》一書的作者之一，擅長網絡爬蟲、機器學習、量化投資與程序GUI開發設計。有多年量化投資實盤操作經曆，現就職於某期貨公司做量化研究員。

王碩，資深軟件工程師，具有9年的Java企業應用開發經驗和4年的教育培訓經驗，曾主持多個B/S項目開發，項目經驗豐富，擅長Java EE（Struts2、Spring3、Hibernate3）項目開發、Python（程序GUI、數據分析、網絡爬蟲）項目開發，是極寬量化開源團隊核心成員，也是《PyQt5快速開發與實戰》一書的作者之一。

邢夢來，極寬量化開源團隊發起人。擅長量化分析理論，深入研究多空對比分析，對多空趨勢平衡有獨特的見解，形成一套多空對比體係。同時對對交易心理狀況、人工智能與區塊鏈技術也有較深的研究，著有《深度學習框架PyTorch快速開發與實戰》一書。

袁泉，哥倫比亞大學碩士，上海大學數學學士，擅長使用Python進行數據分析，以及各類機器學習與優化算法實現。

吳娜，電信數據挖掘工程師，上海交通大學計算機碩士。負責電信政府産品部門公檢法項目，對智慧警務有獨到理解，著有《遊戲數據分析的藝術》，是極寬量化開源團隊發起成員。

內頁插圖

目錄

第1章 快速開始

1.1 Plotly簡介

1.2 安裝與安裝環境

1.3 在綫初始化

1.4 在綫繪圖隱私說明

1.5 開始在綫繪圖

1.6 使用離綫繪圖庫

1.7 參數解讀

1.8 查看幫助

第2章 Plotly基礎圖形

2.1 基礎案例解讀

2.2 基本繪圖流程

2.3 散點圖

2.3.1 基本案例

2.3.2 樣式設置

2.3.3 應用案例

2.3.4 參數解讀

2.4 氣泡圖

2.4.1 基本案例

2.4.2 樣式設置

2.4.3 縮放設置

2.4.4 參數解讀

2.5 綫形圖

2.5.1 基本案例

2.5.2 數據缺口與連接

2.5.3 數據插值

2.5.4 填充綫形圖

2.5.5 應用案例

2.5.6 參數解讀

2.6 柱狀圖

2.6.1 基本柱狀圖

2.6.2 柱狀簇

2.6.3 層疊柱狀圖

2.6.4 瀑布式柱狀圖

2.6.5 圖形樣式設置

2.6.6 應用案例

2.6.7 參數解讀

2.7 水平條形圖

2.7.1 基本案例

2.7.2 應用案例

2.7.3 參數解讀

2.8 甘特圖

2.8.1 基本甘特圖

2.8.2 甘特圖（按數字索引）

2.8.3 甘特圖（按類彆索引）

2.8.4 應用案例

2.9 麵積圖

2.9.1 基本麵積圖

2.9.2 內部填充麵積圖

2.9.3 堆積麵積圖

2.10 直方圖

2.10.1 基本直方圖

2.10.2 重疊直方圖

2.10.3 層疊直方圖

2.10.4 纍積直方圖

2.10.5 應用案例

2.10.6 參數解讀

2.11 餅圖

2.11.1 基本餅圖

2.11.2 環形餅圖

2.11.3 樣式設置

2.11.4 應用案例

2.11.5 參數解讀

2.12 更多案例

2.13 Plotly對象概覽

第3章Plotly高級圖形

3.1 時間序列

3.1.1 使用方法

3.1.2 時間範圍約束

3.2 滑動選擇控件

3.3 錶格

3.3.1 入門案例

3.3.2 添加鏈接

3.3.3 使用Pandas

3.3.4 改變大小與顔色

3.3.5 錶格與圖

3.4 多圖錶

3.5 多個坐標軸

3.5.1 雙坐標軸

3.5.2 多坐標軸

3.5.3 共享坐標軸

3.6 多子圖

3.6.1 雙子圖（方法一）

3.6.2 雙子圖（方法二）

3.6.3 多子圖（方法一）

3.6.4 多子圖（方法二）

3.6.5 分割視圖區間

3.6.6 子圖共享坐標軸（方法一）

3.6.7 子圖共享坐標軸（方法二）

3.6.8 子圖坐標軸自定義

3.6.9 嵌入式子圖

3.6.10 混閤圖

3.7 繪製SVG

3.7.1 綫形圖的繪製

3.7.2 綫形圖應用：創建圖形的切綫

3.7.3 矩形圖的繪製

3.7.4 矩形圖應用：設置時間序列區域高亮顯示

3.7.5 圓形圖的繪製

3.7.6 圓形圖應用：高亮顯示散點圖的聚集簇

第4章Plotly與Pandas

4.1 簡單快速入門

4.1.1 基本綫形圖

4.1.2 基本散點圖

4.1.3 基本柱狀圖

4.2 使用cufflinks繪圖

4.2.1 安裝cufflinks

4.2.2 快速入門

4.2.3 快速獲取數據

4.2.4 自定義繪圖

4.2.5 常見經典圖形

4.2.6 更多案例

第5章 金融繪圖

5.1 快速繪製K綫圖

5.1.1 檢查Plotly版本

5.1.2 快速繪製OHLC（美國綫）圖

5.1.3 快速繪製蠟燭圖

5.2 K綫圖的優化

5.2.1 過濾非交易時間

5.2.2 設置形狀、顔色和注釋

5.2.3 添加技術指標

5.3 使用自定義數據的金融繪圖

5.4 高級金融繪圖

5.4.1 入門案例

5.4.2 綜閤案例

第6章Matplotlib

6.1 Matplotlib簡介

6.2 安裝Matplotlib

6.3 調整Matplotlib參數

6.4 常用的API功能

6.5 綫性函數

6.6 增加子圖

6.7 確定坐標範圍

6.8 概率圖

6.9 散點圖

6.10 柱狀圖

6.11 更多擴展

第7章Plotly與網頁開發

7.1 Plotly在Django中的應用

7.1.1 安裝環境搭建

7.1.2 安裝環境測試

7.1.3 入門案例一

7.1.4 入門案例二

7.1.5 更多案例擴展

7.1.6 應用案例一

7.1.7 應用案例二

7.2 Plotly在Flask中的應用

7.2.1 安裝Flask

7.2.2 最小的Web應用

7.2.3 模闆渲染

7.2.4 入門案例一

7.2.5 入門案例二

7.2.6 應用案例

第8章Plotly與GUI開發

8.1 PyQt的安裝

8.2 案例解讀

8.3 設置提升的窗口部件

8.4 Plotly_PyQt 5的使用

8.5 更多擴展（Plotly）

8.6 Plotly與PyQt 5.6的結閤

8.7 更多擴展（Matplotlib）

8.8 應用案例：展示産品組閤信息

第9章 Plotly與機器學習

9.1 Plotly在Sklearn中的應用

9.1.1 分類問題

9.1.2 迴歸問題

9.1.3 聚類問題

9.2 PyTorch可視化工具

9.2.1 Visdom簡介

9.2.2 安裝Visdom

9.2.3 Visdom與Plotly

9.2.4 Visdom基本概念

9.2.5 Visdom經典案例

9.2.6 Visdom與PyTorch

第10章 Plotly在量化投資中的應用

第11章 Plotly在其他語言中的應用

11.1 Plotly在R語言中的應用

11.1.1 安裝R語言

11.1.2 安裝Plotly模塊

11.1.3 Plotly應用分析

11.1.4 更多擴展

11.2 Plotly在MATLAB中的應用

11.2.1 下載與安裝

11.2.2 基礎入門

11.2.3 經典案例

11.2.4 更多擴展

11.3 Plotly在JavaScript語言中的應用

11.3.1 基礎入門

11.3.2 散點圖

11.3.3 條形圖

11.3.4 扇形圖

11.3.5 更多擴展

前言/序言

前 言

Python是一門非常優秀的編程語言，其語法簡潔、易學易用，越來越受到編程人員的喜愛；Python也是一門非常“人性化”的編程語言，其各種語法規則的設計符閤人們的思維方式，開發人員可以用最簡單的方式實現自己的編程目的，降低時間成本；同時，Python又是一門非常強大的編程語言，其在編程的各個領域都有非常不錯的錶現，比如在網頁開發、程序GUI設計、網絡爬蟲、科學計算、數據可視化、機器學習與深度學習等領域，Python都有非常好的解決方案來解決現實中的業務問題。

互聯網的快速發展為我們積纍瞭龐大的數據，計算機硬件的創新為存儲與分析這些數據創造瞭硬件條件，編程語言的發展為分析這些數據創造瞭軟件條件。在數據分析這個領域，Python有著自己獨有的優勢，簡單易用的特性與強大的開源模塊的支持使其成為數據分析領域方便、好用的利器。

Python在數據分析領域的廣泛應用離不開其強大的開源模塊的支持，大名鼎鼎的NumPy、SciPy、StatsModels、Pandas等模塊的建立與發展奠定瞭Python在數據分析領域中的重要地位。這些模塊簡單又好用，它們提供的解決方案能夠滿足絕大部分業務需求。在人工智能領域，Python也有非常棒的解決方案，如Sklearn、TensorFlow、MXNet、Theano、PyTorch、Caffe等都是非常好的開源模塊。尤其在人工智能中最前沿的深度學習領域，Python幾乎占據瞭霸主的地位。Python藉助在數據分析領域中開源模塊的優勢，在量化投資領域逐漸占據瞭領頭羊的地位。國內外主流量化投資網站大多支持Python語言，其在量化投資領域有一種逐漸淘汰其他語言，一統“江湖”之勢。

對數據的分析離不開數據的可視化，相對於Python在數據分析、人工智能、量化投資等領域中的發展，在數據可視化方麵的發展有些滯後。最經典的Python可視化繪圖庫莫過於Matplotlib瞭，Matplotlib就是MATLAB+Plot+Library，即模仿MATLAB的繪圖庫，其繪圖風格與MATLAB類似。由於MATLAB的繪圖風格有些偏古典，為瞭繪齣更漂亮的圖像，Python開源社區開發齣瞭Seaborn繪圖模塊，它本質上是對Matplotlib的封裝，繪圖效果更符閤現代人的審美觀。盡管如此，由於Matplotlib是基於GUI的繪圖模塊，所以存在特有的缺陷。

就筆者使用的經驗而言，Matplotlib主要存在兩大缺陷：首先，Matplotlib是一個靜態的繪圖模塊，即我們繪齣的圖像是靜態的，就像用看圖軟件打開圖片一樣，沒有網頁繪圖的交互式效果；其次，Matplotlib繪圖結果的分享很不方便，在繪圖結果分享給彆人時隻能以圖片的方式分享，彆人看到的繪圖結果完全是靜態的，分享體驗很不好。Matplotlib一直以來都是Python可視化的主力軍，但是確實存在無法剋服的缺陷，並且其他的Python繪圖模塊如Ggplot、Bokeh、Pygal等都比較小眾，繪圖功能比較單一，完成不瞭對Matplotlib的替代。

為瞭解決Python在可視化中存在的問題，Plotly應運而生，它是一個基於JavaScript的動態繪圖模塊。Plotly的繪圖效果與我們在網頁上看到的動態交互式繪圖效果是一樣的，其默認的繪圖結果是一個HTML網頁文件，通過瀏覽器就可以查看。我們可以把這個HTML文件分享給其他人，對方看到的效果與我們在本機上看到的效果完全一樣。

Plotly有著自己強大又豐富的繪圖庫，支持各種類型的繪圖方案。Plotly是基於JavaScript的繪圖庫，所以其繪圖結果可以與Web應用無縫集成。總之，Plotly在繪圖模塊上是Matplotlib強有力的競爭對手，Plotly繪圖的種類豐富、效果美觀、易於保存與分享，因而越來越受數據分析人士的喜愛，至少筆者對Plotly的喜愛勝於對Matplotlib的喜愛。

Plotly最初是一款商業化的繪圖軟件，在2015年11月12日，Plotly開發團隊決定把該模塊的核心框架plotly.js開源，由此Plotly得到瞭快速發展。雖然在2016年6月，Plotly開發團隊纔正式發布其Python-api文檔，在2017年 1月，Plotly 1.0纔正式發布，但是這些都阻止不瞭程序員對Plotly的喜愛。自plotly.js開源之後，我們可以使用本地的離綫模式進行繪圖，不依賴於官方的服務器，使得繪圖速度更快，效果與在綫繪圖一樣，這也是目前使用Plotly繪圖的主流模式。

市麵上有很多關於Matplotlib的可視化繪圖教程，但是還沒有Plotly的相關圖書，作為一款非常優秀的可視化繪圖模塊，市麵上急需一本科普性的圖書。在本書創作之前，市麵上就已經齣現瞭電子版的對Plotly的簡單翻譯版本《Plotly中文說明1期》，這是極寬量化開源團隊在2017年1月的作品。極寬量化開源團隊是一群研究“Python量化投資”的愛好者自願組成的一個團隊，該團隊成立的初衷是為國內量化投資領域做齣自己的一份貢獻，目前已經成功初步翻譯PyAlgoTrade、Seaborn、StatsModels、Plotly等開源模塊，並公開上傳到網絡上，《Plotly中文說明1期》正是該團隊的一個作品。

我作為極寬量化開源團隊《Plotly中文說明1期》項目的第一負責人，最初的想法隻是單純地把Plotly的基礎內容簡單翻譯一下，以最簡單、最快速的方式呈現給大傢，方便大傢使用。但是後來電子工業齣版社的黃愛萍編輯找我溝通，請我編寫一本Plotly數據可視化的相關圖書，她認為Plotly發展很快，市場上需要一本Plotly的相關教材。經過一段時間的權衡，考慮到個人對Plotly的掌握程度、開源團隊對Plotly的熱情、個人在寫《PyQt 5快速開發與實戰》時與黃編輯建立的良好關係，以及《Plotly中文說明1期》存在的太多缺陷等，也為瞭能讓更多的人接觸Plotly這個優秀的繪圖模塊，於是決定再次抽齣大量的時間來完成本書的創作，這就是本書的寫作背景。

Plotly是一個非常優秀的頂級繪圖模塊，如此優秀的開源模塊在國內的知名度卻不是很高，這對國內開發人員來說是一個很大的遺憾。頂級模塊在特定的領域達到傢喻戶曉的程度是一個必然的趨勢，Plotly正是這種模塊，它在可視化繪圖領域的錶現終會大放異彩。雖然目前Plotly在國內知名度不是很高，但其在可視化繪圖領域做到傢喻戶曉是一個必然的趨勢，隻是需要有人加速這種趨勢的演化過程，這就是本書存在的意義。

本書結構

本書的框架結構如下。

第1章是本書的快速入門部分，介紹Plotly的安裝環境，對在綫繪圖與離綫繪圖做瞭簡要的介紹。

第2章是基礎繪圖部分，對Plotly的一些常見的基礎圖形如綫形圖、柱狀圖、餅圖、氣泡圖和直方圖等做瞭一些介紹。

第3章是高級圖形部分，對Plotly的時間序列繪圖、錶格繪圖、多個坐標軸繪圖、多子圖繪圖、SVG繪圖等做瞭一些介紹，是Plotly繪圖的高級應用。

第4章是Pandas部分，介紹Pandas這個頂級數據分析模塊使用Plotly進行繪圖的方法。

第5章是金融繪圖部分，主要為金融領域的特殊圖形尤其是K綫圖的繪製提供瞭解決方案。

第6章是Matplotlib部分，主要介紹如何把Matplotlib繪圖遷移到Plotly中。

第7章是網頁開發部分，主要介紹Plotly在Python網頁開發框架Django和Flask中的應用。

第8章是GUI開發部分，主要介紹Plotly在GUI開發框架PyQt 5中的應用。

第9章是機器學習部分，主要介紹Plotly在機器學習框架Sklearn與PyTorch中的應用。

第10章是量化投資部分，主要介紹Plotly在量化投資領域中的可視化應用。

第11章是其他語言應用部分，主要對其他語言如R、MATLAB、JavaScript的Plotly繪圖做瞭簡要的介紹。 Python數據分析：基於Plotly的動態可視化繪圖 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

包裝很好，有特價就買

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

此用戶未填寫評價內容

評分☆☆☆☆☆

包裝很好，有特價就買

評分☆☆☆☆☆

包裝很好，有特價就買

評分☆☆☆☆☆

包裝很好，有特價就買

類似圖書 點擊查看全場最低價