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:
نویسندگان: Igor Milovanovic
سری:
ISBN (شابک) : 9781782163367
ناشر: Packt
سال نشر: 2013
تعداد صفحات: 280
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 15 مگابایت
در صورت تبدیل فایل کتاب Python Data Visualization Cookbook 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 کتاب آشپزی تجسم داده 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.
امروزه، تجسم داده ها به عنوان یک نتیجه مستقیم از حجم عظیمی از داده های ایجاد شده در هر ثانیه، موضوع داغی است. تبدیل آن داده ها به اطلاعات برای متخصصان تجسم داده ها یک کار پیچیده است که در عین حال سعی در درک داده ها و انتقال عینی آن درک به دیگران دارند. این کتاب مجموعهای از دستور العملهای عملی است که به خواننده کمک میکند تا با استفاده از پایتون و تجسمسازی و کتابخانههای داده محبوب آن، درک محکمی از حوزه تجسم دادهها پیدا کند.
Today, data visualization is a hot topic as a direct result of the vast amount of data created every second. Transforming that data into information is a complex task for data visualization professionals, who, at the same time, try to understand the data and objectively transfer that understanding to others. This book is a set of practical recipes that strive to help the reader get a firm grasp of the area of data visualization using Python and its popular visualization and data libraries.
Cover ......Page 1
Copyright......Page 3
Credits......Page 4
About the Author......Page 5
About the Reviewers......Page 6
www.PacktPub.com......Page 8
Table of Contents......Page 10
Preface......Page 14
Introduction......Page 18
Installing matplotlib, NumPy, and SciPy......Page 19
Installing virtualenv and virtualenvwrapper......Page 21
Installing matplotlib on Mac OS X......Page 23
Installing matplotlib on Windows......Page 24
Installing Python Imaging Library (PIL) for image processing......Page 25
Customizing matplotlib's parameters in code......Page 27
Customizing matplotlib's parameters per project......Page 29
Introduction......Page 32
Importing data from CSV......Page 33
Importing data from Microsoft Excel files......Page 35
Importing data from fixed-width data files......Page 38
Importing data from tab-delimited files......Page 40
Importing data from a JSON resource......Page 41
Exporting data to JSON, CSV, and Excel......Page 44
Importing data from a database......Page 49
Cleaning up data from outliers......Page 53
Reading files in chunks......Page 59
Reading streaming data sources......Page 61
Importing image data into NumPy arrays......Page 63
Generating controlled random datasets......Page 69
Smoothing the noise in real-world data......Page 77
Chapter 3 : Drawing Your First Plots and Customizing Them......Page 84
Defining plot types – bar, line, and stacked charts......Page 85
Drawing simple sine and cosine plot......Page 91
Defining axis lengths and limits......Page 94
Defining plot line styles, properties, and format strings......Page 97
Setting ticks, labels, and grids......Page 102
Adding legend and annotations......Page 105
Moving spines to the center......Page 108
Making histograms......Page 109
Making bar charts with error bars......Page 112
Making pie charts count......Page 114
Plotting with filled areas......Page 116
Drawing scatter plots with colored markers......Page 118
Introduction......Page 122
Setting the transparency and size of axis labels......Page 123
Adding a shadow to the chart line......Page 126
Adding a data table to the figure......Page 129
Using subplots......Page 131
Customizing grids......Page 134
Creating contour plots......Page 138
Filling an under-plot area......Page 141
Drawing polar plots......Page 144
Visualizing the file system tree using a polar bar......Page 147
Creating 3D bars......Page 152
Creating 3D histograms......Page 156
Animating in matplotlib......Page 159
Animating with OpenGL......Page 163
Introduction......Page 170
Processing images with PIL......Page 171
Plotting with images......Page 177
Displaying image with other plots in the figure......Page 181
Plotting data on a map using Basemap......Page 185
Plotting data on a map using Google Map API......Page 190
Generating CAPTCHA images......Page 196
Introduction......Page 202
Understanding logarithmic plots......Page 203
Understanding spectrograms......Page 206
Creating a stem plot......Page 211
Drawing streamlines of vector flow......Page 214
Using colormaps......Page 218
Using scatter plots and histograms......Page 223
Plotting the cross-correlation between two variables......Page 230
Importance of autocorrelation......Page 233
Drawing barbs......Page 238
Making a box and whisker plot......Page 242
Making Gantt charts......Page 245
Making errorbars......Page 250
Making use of text and font properties......Page 253
Rendering text with LaTeX......Page 259
Understanding the difference between pyplot and OO API......Page 263
Index......Page 270