دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: 2 نویسندگان: Yim. Aldrin, Chung. Claire, Yu. Allen سری: ISBN (شابک) : 9781788625173, 178862517X ناشر: Packt Publishing سال نشر: 2018 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 29 مگابایت
در صورت تبدیل فایل کتاب Matplotlib for Python Developers: Effective techniques for data visualization with Python به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Matplotlib برای توسعه دهندگان پایتون: تکنیک های موثر برای تجسم داده ها با پایتون نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
از قدرت Matplotlib برای تجسم و درک موثرتر دادههای خود استفاده کنید ویژگیهای کلیدی با Matplotlib تجسم دادههای مؤثر انجام دهید و از دادههای خود بینشهای عملی دریافت کنید نمودارها، نمودارها و نمودارهای دو بعدی جذاب طراحی کنید و آنها را در وب مستقر کنید. این راهنمای عملی با کد و نمونه های به روز شده کتاب شرح پایتون یک زبان برنامه نویسی همه منظوره است که به طور فزاینده ای برای تجزیه و تحلیل داده ها و تجسم استفاده می شود. Matplotlib یک بسته تجسم داده محبوب در پایتون است که برای طراحی نمودارها و نمودارهای موثر استفاده می شود. این یک منبع عملی و کاربردی است که به شما کمک میکند تا با استفاده از کتابخانه Matplotlib دادهها را با پایتون تجسم کنید. Matplotlib برای توسعهدهندگان پایتون، نسخه دوم به شما نشان میدهد که چگونه با استفاده از Matplotlib نمودارها، نمودارها و نمودارهای جذاب ایجاد کنید. همچنین با بسته های شخص ثالث، Seaborn، Pandas، Basemap و Geopandas آشنا خواهید شد و نحوه استفاده از آنها را با Matplotlib یاد خواهید گرفت. پس از آن، نقشه های خود را در ابزارهای شخص ثالث مانند GTK 3، Qt 5 و wxWidgets جاسازی و سفارشی می کنید. همچنین می توانید با کمک مثال های عملی ارائه شده در این کتاب، ظاهر و احساس تجسم خود را تغییر دهید. در ادامه، Matplotlib 2.1.x را در وب، از یک پلتفرم مبتنی بر ابر با استفاده از بستههای شخص ثالث مانند جنگو، کاوش خواهید کرد. در نهایت، تکنیکهای تجسم تعاملی و بیدرنگ را با کمک مثالهای عملی در دنیای واقعی در جریان کار فعلی خود ادغام خواهید کرد. در پایان این کتاب، با استفاده از کتابخانه تجسم دادههای محبوب پایتون Matplotlib 2.1 کاملاً راحت خواهید بود. x و استفاده از قدرت آن برای ایجاد تجسم های جذاب، روشنگر و قدرتمند. آنچه یاد خواهید گرفت نمودارهای استاتیک دوبعدی و سه بعدی مانند نمودارهای میله ای، نقشه های حرارتی و نمودارهای پراکنده ایجاد کنید برای درک رابط کاربری با GTK 3، Qt5 و wxWidgets آشنا شوید. باطن Matplotlib توسعه نمودارهای ایستا پیشرفته با بسته های شخص ثالث مانند Pandas، GeoPandas، و Seaborn ایجاد نمودارهای تعاملی با به روز رسانی در زمان واقعی توسعه تصویرسازی نمودار مبتنی بر وب، مبتنی بر Matplotlib با بسته های شخص ثالث مانند کد تجسم داده Django Write که به راحتی در پلتفرم ابری قابل گسترش است این کتاب برای چه کسی است این کتاب اساساً برای هر کسی است که می خواهد با استفاده از کتابخانه Matplotlib تصاویر بصری داده ایجاد کند. اگر یک دانشمند داده یا تحلیلگر هستید و می خواهید با استفاده از پایتون تصاویر جذابی ایجاد کنید، این کتاب برای شما مفید خواهد بود. مقداری دانش برنامه نویسی پایتون تنها چیزی است که برای شروع به کار نیاز دارید. فهرست مطالب مقدمه Matplotlib شروع با Matplotlib تزئین نمودارها با سبک ها و انواع Plot Advanced Matplotlib تعبیه Matplotlib در GTK 3 جاسازی Matplotlib در Qt 5 Embedding Matplotlibx W Matplotlibx IntegratingPlogidxs با برنامه های کاربردی وب Matplotlib در دنیای واقعی یکپارچه سازی تجسم داده ها در گردش کار
Leverage the power of Matplotlib to visualize and understand your data more effectivelyKey Features Perform effective data visualization with Matplotlib and get actionable insights from your data Design attractive graphs, charts, and 2D plots, and deploy them to the web Get the most out of Matplotlib in this practical guide with updated code and examples Book DescriptionPython is a general-purpose programming language increasingly being used for data analysis and visualization. Matplotlib is a popular data visualization package in Python used to design effective plots and graphs. This is a practical, hands-on resource to help you visualize data with Python using the Matplotlib library.Matplotlib for Python Developers, Second Edition shows you how to create attractive graphs, charts, and plots using Matplotlib. You will also get a quick introduction to third-party packages, Seaborn, Pandas, Basemap, and Geopandas, and learn how to use them with Matplotlib. After that, you’ll embed and customize your plots in third-party tools such as GTK+3, Qt 5, and wxWidgets. You’ll also be able to tweak the look and feel of your visualization with the help of practical examples provided in this book. Further on, you’ll explore Matplotlib 2.1.x on the web, from a cloud-based platform using third-party packages such as Django. Finally, you will integrate interactive, real-time visualization techniques into your current workflow with the help of practical real-world examples.By the end of this book, you’ll be thoroughly comfortable with using the popular Python data visualization library Matplotlib 2.1.x and leveraging its power to build attractive, insightful, and powerful visualizations.What you will learn Create 2D and 3D static plots such as bar charts, heat maps, and scatter plots Get acquainted with GTK+3, Qt5, and wxWidgets to understand the UI backend of Matplotlib Develop advanced static plots with third-party packages such as Pandas, GeoPandas, and Seaborn Create interactive plots with real-time updates Develop web-based, Matplotlib-powered graph visualizations with third-party packages such as Django Write data visualization code that is readily expandable on the cloud platform Who this book is forThis book is essentially for anyone who wants to create intuitive data visualizations using the Matplotlib library. If you’re a data scientist or analyst and wish to create attractive visualizations using Python, you’ll find this book useful. Some knowledge of Python programming is all you need to get started.Table of Contents Introduction to Matplotlib Getting Started with Matplotlib Decorating Graphs with Plot Styles and Types Advanced Matplotlib Embedding Matplotlib in GTK+3 Embedding Matplotlib in Qt 5 Embedding Matplotlib in wxWidgets Using wxPython Integrating Matplotlib with Web Applications Matplotlib in the Real World Integrating Data Visualization into the Workflow
Cover
Title Page
Copyright and Credits
Dedication
Packt Upsell
Contributors
Table of Contents
Preface
Chapter 1: Introduction to Matplotlib
What is Matplotlib?
Merits of Matplotlib
Easy to use
Diverse plot types
Hackable to the core (only when you want)
Open source and community support
What's new in Matplotlib 2.x?
Improved functionality and performance
Improved color conversion API and RGBA support
Improved image support
Faster text rendering
Change in the default animation codec
Changes in default styles
Matplotlib website and online documentation. Output formats and backends Static output formats
Raster images
Vector images
Setting up Matplotlib
Installing Python
Python installation for Windows
Python installation for macOS
Python installation for Linux
Installing Matplotlib
About the dependencies
Installing the pip Python package manager
Installing Matplotlib with pip
Setting up Jupyter Notebook
Starting a Jupyter Notebook session
Running Jupyter Notebook on a remote server
Editing and running code
Manipulating notebook kernel and cells
Embed your Matplotlib plots
Documenting in Markdown
Save your hard work! Interactive navigation toolbarConfiguring Matplotlib
Configuring within Python code
Reverting to default settings
Global setting via configuration rc file
Finding the rc configuration file
Editing the rc configuration file
Summary
Chapter 3: Decorating Graphs with Plot Styles and Types
Controlling the colors
Default color cycle
Single-lettered abbreviations for basic colors
Standard HTML color names
RGB or RGBA color code
Hexadecimal color code
Depth of grayscale
Colormaps
Creating custom colormaps
Line and marker styles
Marker styles
Choosing the shape of markers. Using custom characters as markersAdjusting marker sizes and colors
Fine-tuning marker styles with keyword arguments
Line styles
Color
Line thickness
Dash patterns
Designing a custom dash style
Cap styles
Spines
More native Matplotlib plot types
Choosing the right plot
Histogram
Bar plot
Setting bar plot properties
Drawing bar plots with error bars using multivariate data
Mean-and-error plots
Pie chart
Polar chart
Controlling radial and angular grids
Text and annotations
Adding text annotations
Font
Mathematical notations
Mathtext
LaTeX support
External text renderer.