Python商业数据可视化实战（全彩）

《Python商业数据可视化实战》由浅入深、循序渐进地介绍了基于Python的商业数据可视化技术，并结合实际案例详细介绍了Python在数据可视化方面的具体应用。

《Python商业数据可视化实战》重点介绍了Python的9个可视化库，分别为Matplotlib、Seaborn、Pyecharts、Bokeh、HoloViews、Plotly、Pygal、plotnine、Altair，并介绍了商业数据可视化的思维，不仅做到授之以鱼，更做到授之以渔。

读者通过学习本书，能够轻松、快速地掌握商业数据可视化技术。

《Python商业数据可视化实战》的内容和案例适用于互联网、咨询、零售、能源等行业从事数据可视化分析的读者，可以作为Python软件培训机构和数据可视化研究者的参考资料，也可以作为高等学校计算机相关专业学生的教材或教师的教学参考书。

王国平具有十余年金融、电力、互联网等行业从业经历，现已出版十余本专著；擅长数据分析、数据可视化、机器学习等，精通Python、SPSS、Tableau、Power BI等数据分析工具，熟悉MySQL、SQL Server等数据库，以及Hadoop、Hive、Zeppelin、Spark等大数据分析及可视化工具。

10大商业数据可视化案例，满足读者学习需求

以案例为主线，既包括软件应用与操作的方法和技巧，又融入了数据可视化的实战案例。

前言

大数据时代正在变革我们的生活、工作和思维，如何让大数据更有意义，使之更贴近于大多数人，重要的手段之一就是实现数据可视化。

在数据可视化的研究热潮中，如何让数据生动呈现，成了一个具有挑战性的任务，随之也出现了大量的可视化软件。相对于其他商业可视化软件，Python是开源且免费的，而且具有易上手、效果好的优点。

本书基于Python 3.9.0编写，由浅入深地介绍了基于Python的商业数据可视化技术，并结合案例详细阐述实际应用。全书以案例为主线，既包括软件应用与操作的方法和技巧，又融入了数据可视化的实战案例。读者通过学习本书，能够轻松、快速地掌握可视化方法。

本书的内容

第1章介绍商业数据可视化的挑战及其难点、3种商业数据可视化思维和6种商业数据可视化技巧，以及Python可视化开发环境、用Python连接各类数据源和Python数据可视化库。

第2章介绍Matplotlib可视化库（它是Python中比较基础且使用最多的可视化库），重点讲解Matplotlib在绘制图形时的参数配置和图形整合。通过实际案例从企业门店经营的角度客观、公正地分析如何提升门店的销售额。

第3章介绍Seaborn可视化库（它是基于Matplotlib的更高级的API封装，使用户绘图更加容易），重点讲解Seaborn在绘制图形时的风格设置和颜色设置。通过实际案例介绍如何研究销售数据背后隐藏的规律。

第4章介绍Pyecharts可视化库（它是一个用于生成Echarts图表的类库），重点讲解Pyecharts在绘制图形时的基本元素和主要图形。通过实际案例介绍如何从商品的角度研究企业商品的现状。

第5章介绍Bokeh可视化库（它基于JavaScript实现交互式可视化，可以在浏览器中实现美观的视觉效果），重点讲解Bokeh在绘制图形时的主要接口和基本配置。通过实际案例介绍如何从朋友圈营销的角度研究商品营销情况。

第6章介绍HoloViews可视化库（它旨在使数据分析和可视化更加简便），重点讲解HoloViews在绘制图形时的参数配置和组成对象。通过实际案例介绍如何从客户价值的角度研究不同类型客户的价值。

第7章介绍Plotly可视化库（它是数据分析和可视化的交互式在线平台），重点讲解Plotly在绘制图形时的绘图语法和主要图形。通过实际案例介绍从客户满意度的角度研究如何提升客户的满意指数。

第8章介绍Pygal可视化库（它以面向对象的方式来创建各种视图），重点讲解Pygal在绘制图形时的参数配置和主要图形。通过实际案例介绍如何从客户流失率的角度研究企业的客户流失现状。

第9章介绍plotnine可视化库（它是Python中图形语法的一种实现），重点讲解plotnine在绘制图形时的基本语法和绘图过程。通过实际案例介绍如何从商品配送的角度研究企业商品的配送准时性。

第10章介绍Altair可视化库（它是基于交互式图形语法的可视化库），重点讲解Altair在绘制图形时的参数配置和主要图形。通过实际案例介绍如何从订单商品退货的角度研究企业商品的退货现状。

本书的特色

（1）内容新颖，讲解详细

本书是一本内容新颖的Python著作，详细介绍了基于Python的商业数据可视化技术，对初学者帮助较大。书中详细介绍了大量可视化案例，便于读者练习实践。

（2）案例丰富、高效学习

本书以案例为主线，既包括软件应用与操作的方法和技巧，又融入了商业数据可视化的实战案例。读者通过学习本书，能够轻松、快速地掌握可视化方法。本书基于Python 3.9.0编写，为了使读者能够快速提高数据可视化的综合能力，本书的可视化案例尽可能贴近实际工作。

（3）提供下载文件、方便学习

本书配套资源中包含案例采用的数据源及教学PPT等，供读者在阅读本书时使用。

本书的读者对象

本书的内容和案例适用于互联网、咨询、零售、能源等行业从事数据可视化分析的读者，可以作为Python软件培训机构和数据可视化研究者的参考资料，也可以作为高等学校计算机相关专业学生的教材或教师的教学参考书。

另外，本书案例中涉及的图为代码运行结果图，均未添加单位。

由于作者水平有限，书中难免存在疏漏和不足之处，恳请广大读者批评与指正。

作 者

2020年8月

目录
第1章 Python商业数据可视化概述 / 1
1．1 商业数据可视化概述 2
1．1．1 商业数据可视化的挑战及其难点 2
1．1．2 3种商业数据可视化思维 4
1．1．3 6种商业数据可视化技巧 6
1．2 Python可视化开发环境 9
1．2．1 Spyder 10
1．2．2 Jupyter Notebook 11
1．2．3 JupyterLab 12
1．3 用Python连接各类数据源 14
1．3．1 连接单个文件数据 14
1．3．2 连接关系型数据库 15
1．4 Python数据可视化库简介 17
1．4．1 探索式可视化库 17
1．4．2 交互式可视化库 17
1．5 上机实践题 19

第2章 Python数据可视化的经典：Matplotlib / 20
2．1 Matplotlib可视化库概述 21
2．1．1 Matplotlib可视化库简介 21
2．1．2 Matplotlib参数配置 21
2．1．3 Matplotlib图形整合 32
2．2 Matplotlib数据可视化案例 34 2．2．1 提升门店销售额 34
2．2．2 制作门店销售额的树状图 36
2．2．3 制作业绩考核的误差条形图 40
2．3 上机实践题 42

第3章 基于Matplotlib的高级API封装：Seaborn / 43
3．1 Seaborn可视化库概述 44
3．1．1 Seaborn可视化库简介 44
3．1．2 Seaborn风格设置 45
3．1．3 Seaborn颜色设置 50
3．2．3 制作销售金额的线性回归图 58
3．2 Seaborn数据可视化案例 54
3．2．1 解读企业销售数据 54
3．2．2 制作销售数据的密度直方图 55
3．3 上机实践题 65

第4章 Python与Echarts的有机结合：Pyecharts / 66
4．1 Pyecharts可视化库概述 67
4．1．1 Pyecharts可视化库简介 67
4．1．2 Pyecharts基本元素 70
4．1．3 Pyecharts主要图形 76
4．2 Pyecharts数据可视化案例 91
4．2．1 了解企业商品的现状 91
4．2．2 制作各类型商品的关键词词云 92
4．2．3 制作商品销售额的主题河流图 94
4．3 上机实践题 97

第5章 基于JavaScript的交互式可视化库：Bokeh / 98
5．1 Bokeh可视化库概述 99
5．1．1 Bokeh可视化库简介 99
5．1．2 Bokeh主要接口 102
5．1．3 Bokeh基本配置 105
5．2 Bokeh数据可视化案例 116
5．2．1 做好朋友圈的商品营销 116
5．2．2 制作客户成功分享商品的和弦图 116
5．2．3 制作客户成功分享商品的网络关系图 118
5．3 上机实践题 120

第6章 用较少的代码呈现视图：HoloViews / 121
6．1 HoloViews可视化库概述 122
6．1．1 HoloViews可视化库简介 122
6．1．2 HoloViews参数配置 124
6．1．3 HoloViews组成对象 132
6．2 HoloViews数据可视化案例 138
6．2．1 衡量不同类型的客户价值 138
6．2．2 制作不同类型客户价值的面积图 138
6．2．3 制作不同地区客户价值的箱形图 140
6．3 上机实践题 142

第7章 基于浏览器的在线可交互可视化库：Plotly / 143
7．1 Plotly可视化库概述 144
7．1．1 Plotly可视化库简介 144
7．1．2 Plotly绘图语法 144
7．1．3 Plotly主要图形 147
7．2 Plotly数据可视化案例 155
7．2．1 提升客户的满意指数 155
7．2．2 制作客户不满意订单的环形图 156
7．2．3 制作客户满意度的时间序列图 158
7．3 上机实践题 160

第8章 以面向对象的方式创建视图：Pygal / 161
8．1 Pygal可视化库概述 162
8．1．1 Pygal可视化库简介 162
8．1．2 Pygal参数配置 162
8．1．3 Pygal主要图形 165
8．2 Pygal数据可视化案例 183
8．2．1 有效降低客户的流失率 183
8．2．2 制作各月份客户流失量的折线图 184
8．2．3 制作各地区客户流失量的雷达图 186
8．3 上机实践题 188

第9章 Python版ggplot2的可视化库：plotnine / 189
9．1 plotnine可视化库概述 190
9．1．1 plotnine可视化库简介 190
9．1．2 plotnine基本语法 190
9．1．3 plotnine绘图过程 193
9．2 plotnine数据可视化案例 202
9．2．1 商品配送准时性及影响因素分析 202
9．2．2 制作商品准时配送的分面散点图 203
9．2．3 制作各地区延迟配送的小提琴图 205
9．3 上机实践题 206

第10章 基于交互式图形语法的可视化库：Altair / 207
10．1 Altair可视化库概述 208
10．1．1 Altair可视化库简介 208
10．2 Altair数据可视化案例 225
10．2．1 有效规避订单商品退货 225
10．2．2 制作各类型商品退货量的多线图 226
10．1．2 Altair参数配置 210
10．1．3 Altair主要图形 216
10．2．3 制作各月份商品退货量的脊线图 228
10．3 上机实践题 229

附录A Python 3．9．0及可视化库安装 / 230
附录B Python常用第三方工具包简介 / 233
B．1 数据分析类包 233
B．2 数据可视化类包 234
B．3 机器学习类包 235
参考文献 / 238