Ocena:
Książka jest przewodnikiem po wizualizacji danych w Pythonie, który jest szczególnie odpowiedni dla początkujących. Oferuje jasne instrukcje krok po kroku i przykłady różnych bibliotek, takich jak Matplotlib, Bokeh, Altair i Plotly. Chociaż skutecznie wprowadza podstawowe pojęcia, niektórzy użytkownicy stwierdzili, że treść może być zbyt uproszczona dla osób z wcześniejszym doświadczeniem.
Zalety:⬤ Dobrze skonstruowana z instrukcjami krok po kroku.
⬤ Dobra dla zupełnie początkujących.
⬤ Obejmuje niezbędne biblioteki (Matplotlib, Bokeh, Altair, Plotly).
⬤ Zawiera praktyczne przykłady i wizualizacje, dzięki czemu jest przydatny dla rzeczywistych danych (takich jak dane COVID-19).
⬤ Przejrzyste wyjaśnienia i dobra równowaga między podręcznikiem a przewodnikiem.
⬤ Niektóre przykłady, w szczególności Bokeh i Altair, nie działały u wszystkich użytkowników, co może wynikać z problemów z konfiguracją.
⬤ Wersja na Kindle może mieć problemy z formatowaniem wpływające na czytelność.
⬤ Materiał może być zbyt podstawowy dla osób ze średnimi umiejętnościami w zakresie wizualizacji danych, które mogą znaleźć lepsze zasoby online.
(na podstawie 3 opinii czytelników)
Interactive Data Visualization with Python - Second Edition: Present your data as an effective and compelling story
Twórz własne przejrzyste i efektowne interaktywne wizualizacje danych za pomocą potężnych bibliotek wizualizacji danych Python
Kluczowe cechy
⬤ Zapoznaj się i korzystaj z interaktywnych bibliotek Pythona, takich jak Bokeh i Plotly.
⬤ Poznanie różnych zasad wizualizacji i zrozumienie, kiedy użyć której z nich.
⬤ Tworzenie interaktywnych wizualizacji danych przy użyciu rzeczywistych danych.
Opis książki
Przy tak dużej ilości danych generowanych w sposób ciągły, programiści, którzy potrafią prezentować dane jako efektowne i interesujące wizualizacje, są zawsze poszukiwani. Interaktywna wizualizacja danych z Pythonem wyostrza umiejętności eksploracji danych, mówi wszystko, co trzeba wiedzieć o interaktywnej wizualizacji danych w Pythonie.
Zaczniesz od nauki rysowania różnych wykresów za pomocą Matplotlib i Seaborn, nieinteraktywnych bibliotek do wizualizacji danych. Zapoznasz się z różnymi typami wizualizacji, porównasz je i dowiesz się, jak wybrać konkretny typ wizualizacji, aby odpowiadał Twoim wymaganiom. Po zapoznaniu się z różnymi nieinteraktywnymi bibliotekami wizualizacji, poznasz zasady intuicyjnej i przekonującej wizualizacji danych oraz użyjesz Bokeh i Plotly, aby przekształcić swoje wizualizacje w mocne historie. Zyskasz również wgląd w to, jak interaktywne wizualizacje danych i modeli mogą zoptymalizować wydajność modelu regresji.
Pod koniec kursu będziesz miał nowy zestaw umiejętności, który sprawi, że staniesz się osobą, która przekształci wizualizacje danych w angażujące i interesujące historie.
Czego się nauczysz
⬤ Poznaj i zastosuj różne interaktywne techniki wizualizacji danych.
⬤ Manipulować parametrami i stylami wykresów w celu tworzenia atrakcyjnych wykresów.
⬤ Dostosowywać wizualizacje danych dla różnych odbiorców.
⬤ Projektowanie wizualizacji danych przy użyciu interaktywnych bibliotek.
⬤ Wykorzystanie Matplotlib, Seaborn, Altair i Bokeh do rysowania atrakcyjnych wykresów.
⬤ Dostosowywanie wizualizacji danych do różnych scenariuszy.
Dla kogo jest ta książka
Niniejsza książka ma na celu zapewnienie solidnych podstaw szkoleniowych dla programistów Python, analityków danych i naukowców zajmujących się danymi, aby umożliwić im prezentowanie krytycznych danych w sposób, który najlepiej przyciąga uwagę i wyobraźnię użytkownika. Służy jako prosty przewodnik krok po kroku, który demonstruje różne typy i komponenty wizualizacji, zasady i techniki skutecznej interaktywności, a także typowe pułapki, których należy unikać podczas tworzenia interaktywnych wizualizacji danych. Studenci powinni posiadać średniozaawansowane kompetencje w pisaniu kodu w języku Python, a także pewną znajomość korzystania z bibliotek takich jak pandas.