这本书主要针对数据科学、统计学、商学领域的教学，详细介绍了基于Python软件的数据可视化基础知识、数据计算与交互式绘图，机器学习中的可视化工具和技术，以及特定数据结构下的可视化技术，如金融数据结构、生物数据结构、网络数据结构中的可视化展示。书中配有大量实际案例和习题，涉及金融、经济管理、医疗影像、健康大数据、地理数据等方面的知识，旨在帮助学生全面提升动手能力，并与现实生活接轨，为胜任“全球信息化时代”的数据科学工作做好充分准备。此外，该书还配备了PPT课件、教学大纲、教学进度表、部分源代码和数据文件、课后习题答案等教学资源，方便教师备课和学生自学。
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
8.5 总结
本章习题
参考文献
