Data Visualization With Python And Project Implementation

学习使用 Python 进行数据可视化。应用 Python 可视化和预测 Covid-19 的实用项目。

最后更新 12/2020
MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz
语言：英语 | 大小：11.06 GB | 时长：22h 54m

你会学到什么

• 如何使用 Python 进行数据可视化
• 使用 Python 进行数据可视化的成熟实践项目——“可视化 Covid-19”
• 如何使用 Python 编程开发有用、直观和信息丰富的可视化
• 数据可视化简介——它是什么、它的重要性和好处
• 用于数据可视化的顶级 Python 库
• Matplotlib 简介，用 pip 安装 Matplotlib
• 使用 Matplotlib 进行基本绘图
• NumPy 和熊猫
• 数据可视化工具——条形图、直方图、饼图
• 更多数据可视化工具——散点图、面积图、堆积面积图、箱线图
• 高级数据可视化工具——华夫饼图、词云、热图
• 专业数据可视化工具（一）——气泡图、等高线图、箭袋图
• 专业数据可视化工具（二）——Matplotlib中的3D绘图
• 3D 线图、3D 散点图、3D 等高线图、3D 线框图、3D 曲面图
• Seaborn – Seaborn 简介、Seaborn 功能、安装 Seaborn
• Seaborn中不同类别的情节，使用seaborn的一些基本情节
• 使用 Seaborn 进行数据可视化——带状图、群图、绘制双变量分布
• 散点图、Hexbin 图、KDE、Regplot、可视化成对关系、箱线图、小提琴图、点图

要求

热情和决心在世界上留下自己的印记！

描述

热烈欢迎 Uplatz 的 Python 数据可视化和项目实施课程。数据可视化允许人类以多种不同的方式探索数据，并看到在查看原始形式时不可能看到的模式和见解。人类渴望叙事，可视化让我们能够从我们的数据存储中提取故事。数据可视化是一门试图通过将数据置于视觉环境中来理解数据的学科，以便暴露可能无法检测到的模式、趋势和相关性。随着数据集变得更大和更复杂，只有 AI、物化视图等复杂的编码语言将能够从中收集见解。

高级分析正在为下一波创新铺平道路。人脑比任何其他类型的数据都更好地处理视觉数据，这很好，因为我们的大脑处理的大部分信息都是视觉的。与其他刺激相比，视觉处理和响应都发生得更快。良好的可视化可能是难以消化的大量数据和有用的业务信息之间的区别。随着数据量的增加，几乎不可能仅依靠一种方式频率表和统计数据来理解数据。良好的可视化可以加速理解数据和获得洞察力的过程。为什么使用 Python 进行数据可视化？Python 提供了多个出色的图形库，其中包含许多不同的功能。

无论您是想创建交互式、实时还是高度定制的绘图，python 都有一个出色的库供您使用。Python 编程语言为各种项目提供不同类型的库。同样，python 有各种用于数据可视化的库，因此用户可以非常详细地了解数据集并正确分析它。每个可视化库都有自己的规范。将特定库用于特定任务有助于用户以更轻松、更准确的方式完成任务。有些解放者比其他解放者工作得更好。Python 使用两个专有库进行数据可视化。

基于 MatplotlibPython 的绘图库为 matplotlib 提供了完整的 2D 支持以及有限的 3D 图形支持。它有助于在跨平台的交互环境中生成出版质量数据。它也可以用于动画。Matplotlib 是一个用于在 Python 编程语言中绘制图形的库。它用于绘制二维数组。Matplotlib 基于 NumPy 数组构建。它旨在与边界 SciPy 堆栈一起使用。它是由 John Hunter 在 2002 年开发的。可视化的好处是用户可以对大量数据集进行可视化访问。Matplotlib 是一个由各种图组成的库，例如直方图、条形图、线图、散点图等。Matplotlib 带有各种各样的图。图表有助于理解模式、趋势和建立相关性。

由于 matplotlib 是 Python 中第一个数据可视化库，许多其他库都是在它之上开发或设计为与它并行工作以分析数据集。SeabornSeaborn 是一个用于在 Python 中创建信息丰富且有吸引力的统计图形的库。该库建立在 Matplotlib 库之上。Seaborn 提供了各种功能，例如内置主题、调色板、函数和工具来可视化单变量、双变量、线性回归、数据矩阵、统计时间序列等，使我们能够构建复杂的可视化。Seaborn 是一个 Python 编程库，主要用于制作数据集的统计图形。

它还与用于 Datasets 数据结构的 Pandas 紧密集成。Seaborn 非常有助于以更好的方式探索和理解数据。它为绘制有吸引力和信息量大的代数图形提供了高水平的交叉点。数据可视化中使用的其他一些关键 Python 库是：Pandas 可视化 – 易于使用的界面，基于 Matplotlib Ggplot – 基于 R 的 ggplot2，使用语法GraphicsPygalMissingnoPlotly – 可以创建交互式绘图GleamLeatherGeoplotlibBokehFoliumUplatz 提供这门完整的 Python 数据可视化课程。

这门 Python 数据可视化课程将帮助您使用 Python 最流行和最强大的数据可视化库。了解如何使用 Matplotlib、Seaborn、Bokeh 等创建分类、聚合和地理空间数据的有用静态和交互式可视化。使用 Python 进行数据可视化 – 课程大纲1。数据可视化简介什么是数据可视化数据可视化的好处数据可视化的重要性Top Python Libraries for Data Visualization2。Matplotlib Matplotlib 简介安装 Matplotlib 和 pipBasic Plotting 和 Matplotlib 在同一个 plot 上绘制两条或多条线3。Numpy 和 Pandas 什么是 numpy？为什么要使用 numpy？安装 numpy numpy 的示例什么是 pandas？pandas 的主要特点 Python Pandas – 环境设置Pandas – 数据结构与示例4. 数据可视化工具条形图直方图饼图5。更多数据可视化工具Scatter PlotArea PlotSTACKED Area PlotBox Plot6。高级数据可视化工具华夫饼图Word CloudHEAT MAP7。

专业数据可视化工具（上）气泡图等高线图Quiver Plot8。专业数据可视化工具（第二部分）Matplotlib 中的三维绘图 线图3D 散点图3D 等高线图3D 线框图3D 曲面图9。Seaborn seaborn介绍Seaborn功能安装seabornSeaborn中不同类别的plot使用seaborn10的一些基本的plot。数据可视化使用 SeabornStrip PlotSwarm PlotPlotting Bivariate DistributionScatter plot, Hexbin plot, KDE, RegplotVisualizing Pairwise RelationshipBox plot, Violin Plots, Point Plot11。数据可视化项目

概述

第 1 节：数据可视化简介

第 1 讲 数据可视化简介

第 2 节：Matplotlib

第 2 讲 Matplotlib – 第 1 部分

第 3 讲 Matplotlib – 第 2 部分

第 3 节：NumPy 和 Pandas

第 4 讲 NumPy 和 Pandas – 第 1 部分

第 5 讲 NumPy 和 Pandas – 第 2 部分

第 6 讲 NumPy 和 Pandas – 第 3 部分

第 4 节：数据可视化工具

第 7 讲数据可视化工具 – 第 1 部分

第 8 讲数据可视化工具 – 第 2 部分

第 9 讲数据可视化工具 – 第 3 部分

第 5 节：更多数据可视化工具

第 10 讲 更多数据可视化工具 – 第 1 部分

第 11 讲 更多数据可视化工具 – 第 2 部分

第 12 讲 更多数据可视化工具 – 第 3 部分

第 6 节：高级数据可视化工具

第 13 讲高级数据可视化工具 – 第 1 部分

第 14 讲高级数据可视化工具 – 第 2 部分

第 15 讲高级数据可视化工具 – 第 3 部分

第七节：专业数据可视化工具（一）

第 16 讲 专业数据可视化工具（一）——第 1 部分

第 17 讲专用数据可视化工具（I） – 第 2 部分

第 18 讲 专业数据可视化工具（上）——第 3 部分

第 8 节：专业数据可视化工具（II）

第 19 讲 专业数据可视化工具（二）——第 1 部分

第 20 讲专用数据可视化工具（二）——第 2 部分

第 21 讲 专业数据可视化工具（二）——第 3 部分

第 22 讲专用数据可视化工具（II）——第 4 部分

第 9 节：Seaborn

第 23 讲 Seaborn – 第 1 部分

第 24 讲 Seaborn – 第 2 部分

第 25 讲 Seaborn – 第 3 部分

第 10 节：使用 Seaborn 进行数据可视化

第 26 讲使用 Seaborn 进行数据可视化 – 第 1 部分

第 27 课使用 Seaborn 进行数据可视化 – 第 2 部分

第 28 课使用 Seaborn 进行数据可视化 – 第 3 部分

第 29 课使用 Seaborn 进行数据可视化 – 第 4 部分

第 30 讲使用 Seaborn 进行数据可视化 – 第 5 部分

第 11 节：使用 Python 进行数据可视化项目

第 31 讲 Python 数据可视化项目 – 第 1 部分

第 32 讲 Python 数据可视化项目 – 第 2 部分

第 33 讲 Python 数据可视化项目 – 第 3 部分

第 34 讲 Python 数据可视化项目 – 第 4 部分

第 35 讲 Python 数据可视化项目——第 5 部分

第 36 讲 Python 数据可视化项目——第 6 部分

数据分析师和顾问、Python 程序员和开发人员、业务分析师和顾问、任何希望在商业智能、可视化和分析领域从事职业的人、数据可视化经理、数据工程师和数据科学家、数据可视化开发人员、数据架构师、数据可视化主管、渴望成为 BI 和可视化专业人士的新手和初学者、数据分析师 – Python、Tableau、SQL、BI 解决方案经理、报告分析师、机器学习专业人士

Learn to use Python for Data Visualization. Practical project on applying Python for visualizing & predicting Covid-19.

Last updated 12/2020
MP4 | Video: h264, 1280×720 | Audio: AAC, 44.1 KHz
Language: English | Size: 11.06 GB | Duration: 22h 54m

What you’ll learn

• How to use Python for Data Visualization
• Full-fledged hands-on Project on Data Visualization with Python – “Visualizing Covid-19”
• How to develop useful, intuitive and informative visualizations using Python programming
• Introduction to Data Visualization – what it is, its importance & benefits
• Top Python Libraries for Data Visualization
• Introduction to Matplotlib, Install Matplotlib with pip
• Basic Plotting with Matplotlib
• NumPy and Pandas
• Data Visualization tools – Bar chart, Histogram, Pie chart
• More Data Visualization tools – Scatter Plot, Area Plot, Stacked Area Plot, Box Plot
• Advanced data Visualization tools – Waffle Chart, Word Cloud, Heat map
• Specialized data Visualization tools (I) – Bubble charts, Contour plots, Quiver Plot
• Specialized data Visualization tools (II) – 3D Plotting in Matplotlib
• 3D Line Plot, 3 D Scatter Plot, 3D Contour Plot, 3D Wireframe Plot, 3D Surface Plot
• Seaborn – Introduction to Seaborn, Seaborn functionalities, Installing Seaborn
• Different categories of plot in Seaborn, Some basic plots using seaborn
• Data Visualization using Seaborn – Strip Plot, Swarm Plot, Plotting Bivariate Distribution
• Scatter plot, Hexbin plot, KDE, Regplot, Visualizing Pairwise Relationship, Box plot, Violin Plots, Point Plot

Requirements

Enthusiasm and determination to make your mark on the world!

Description

A warm welcome to the Data Visualization with Python and Project Implementation course by Uplatz.Data Visualizations allow humans to explore data in many different ways and see patterns and insights that would not be possible when looking at the raw form. Humans crave narrative and visualizations allow us to pull a story out of our stores of data. Data visualization is the discipline of trying to understand data by placing it in a visual context so that patterns, trends and correlations that might not otherwise be detected can be exposed.As datasets become bigger and more complex, only AI, materialized views, and more sophisticated coding languages will be able to glean insights from them.

Advanced analytics is paving the way for the next wave of innovation. The human brain processes visual data better than any other kind of data, which is good because most of the information our brains process is visual. Visual processing and responses both occur more quickly compared to other stimuli.A good visualization could be the difference between hard to digest piles of data and useful business information. With increasing volume of data, it is next to impossible to rely on just one way frequency tables and statistics to understand the data. Good visualizations can accelerate the process of understanding data and gaining insights.Why Python for Data Visualization?Python offers multiple great graphing libraries that come packed with lots of different features.

No matter if you want to create interactive, live or highly customized plots python has an excellent library for you.Python programming language has different types of libraries for all kind of projects. Likewise, python has various libraries for visualization of Data, so that user can understand the dataset in very detailed way and analyze it properly.Each library of visualization has its own specification. Using the particular libraries for specific task helps the user to complete the task in more easy and accurate way. Some liberates work better than the others.Python uses two exclusive libraries for data visualization.

MatplotlibPython based plotting library offers matplotlib with a complete 2D support along with limited 3D graphic support. It is useful in producing publication quality figures in interactive environment across platforms. It can also be used for animations as well. Matplotlib is a library used for plotting graphs in the Python programming language. It is used plot 2 – dimensional arrays. Matplotlib is built on NumPy arrays. It is designed to work with the border SciPy stack. It was developed by John Hunter in 2002. The benefit of visualization is that user can have visual access to large amounts of the dataset. Matplotlib is a library which is consists of various plots such as histogram, bar, line, scatter, etc. Matplotlib comes with a huge variety of plots. Plots are helpful for understanding patterns, trends and for making correlations. It has instruments for reasoning about quantitative information.

As matplotlib was the very first library of data visualization in python, many other libraries are developed on top of it or designed to work parallel to it for the analysis of the dataset.SeabornSeaborn is a library for creating informative and attractive statistical graphics in python. This library is built on top of the Matplotlib library. Seaborn offers various features such as built in themes, color palettes, functions and tools to visualize univariate, bivariate, linear regression, matrices of data, statistical time series etc. that allows us to build complex visualizations. Seaborn is a library of Python programming basically used for making statistical graphics of the dataset.

It is also integrated closely with Pandas, which is used for the data structure of Datasets. Seaborn is very helpful to explore and understand data in a better way. It provides a high level of a crossing point for sketching attractive and informative algebraic graphics.Some of the other key Python libraries used in data visualization are:Pandas visualization – easy to use interface, built on MatplotlibGgplot – based on R’s ggplot2, uses Grammar of GraphicsPygalMissingnoPlotly – can create interactive plotsGleamLeatherGeoplotlibBokehFoliumUplatz offers this complete course on Data Visualization with Python.

This Data Visualization in Python course will help you use Python’s most popular and robust data visualization libraries. Learn how to use Matplotlib, Seaborn, Bokeh, and others to create useful static and interactive visualizations of categorical, aggregated, and geospatial data.Data Visualization with Python – Course Syllabus1. Introduction to Data VisualizationWhat is data visualizationBenefits of data visualizationImportance of data visualizationTop Python Libraries for Data Visualization2. MatplotlibIntroduction to MatplotlibInstall Matplotlib with pipBasic Plotting with MatplotlibPlotting two or more lines on the same plot3. Numpy and PandasWhat is numpy?Why use numpy?Installation of numpyExample of numpyWhat is a panda?Key features of pandasPython Pandas – Environment SetupPandas – Data Structure with example4. Data Visualization toolsBar chartHistogramPie Chart5. More Data Visualization toolsScatter PlotArea PlotSTACKED Area PlotBox Plot6. Advanced data Visualization toolsWaffle ChartWord CloudHEAT MAP7.

Specialized data Visualization tools (Part-I)Bubble chartsContour plotsQuiver Plot8. Specialized data Visualization tools (Part-II)Three-Dimensional Plotting in Matplotlib3D Line Plot3D Scatter Plot3D Contour Plot3D Wireframe Plot3D Surface Plot9. SeabornIntroduction to seabornSeaborn FunctionalitiesInstalling seabornDifferent categories of plot in SeabornSome basic plots using seaborn10. Data Visualization using SeabornStrip PlotSwarm PlotPlotting Bivariate DistributionScatter plot, Hexbin plot, KDE, RegplotVisualizing Pairwise RelationshipBox plot, Violin Plots, Point Plot11. Project on Data Visualization

Overview

Section 1: Introduction to Data Visualization

Lecture 1 Introduction to Data Visualisation

Section 2: Matplotlib

Lecture 2 Matplotlib – part 1

Lecture 3 Matplotlib – part 2

Section 3: NumPy and Pandas

Lecture 4 NumPy and Pandas – part 1

Lecture 5 NumPy and Pandas – part 2

Lecture 6 NumPy and Pandas – part 3

Section 4: Data Visualization Tools

Lecture 7 Data Visualisation Tools – part 1

Lecture 8 Data Visualisation Tools – part 2

Lecture 9 Data Visualisation Tools – part 3

Section 5: More Data Visualization Tools

Lecture 10 More Data Visualisation Tools – part 1

Lecture 11 More Data Visualisation Tools – part 2

Lecture 12 More Data Visualisation Tools – part 3

Section 6: Advanced Data Visualization Tools

Lecture 13 Advanced Data Visualisation Tools – part 1

Lecture 14 Advanced Data Visualisation Tools – part 2

Lecture 15 Advanced Data Visualisation Tools – part 3

Section 7: Specialized Data Visualization Tools (I)

Lecture 16 Specialized Data Visualisation Tools (I) – part 1

Lecture 17 Specialized Data Visualisation Tools (I) – part 2

Lecture 18 Specialized Data Visualisation Tools (I) – part 3

Section 8: Specialized Data Visualization Tools (II)

Lecture 19 Specialized Data Visualisation Tools (II) – part 1

Lecture 20 Specialized Data Visualisation Tools (II) – part 2

Lecture 21 Specialized Data Visualisation Tools (II) – part 3

Lecture 22 Specialized Data Visualisation Tools (II) – part 4

Section 9: Seaborn

Lecture 23 Seaborn – part 1

Lecture 24 Seaborn – part 2

Lecture 25 Seaborn – part 3

Section 10: Data Visualization using Seaborn

Lecture 26 Data Visualisation using Seaborn – part 1

Lecture 27 Data Visualisation using Seaborn – part 2

Lecture 28 Data Visualisation using Seaborn – part 3

Lecture 29 Data Visualisation using Seaborn – part 4

Lecture 30 Data Visualisation using Seaborn – part 5

Section 11: Project on Data Visualization with Python

Lecture 31 Project on Data Visualisation with Python – part 1

Lecture 32 Project on Data Visualisation with Python – part 2

Lecture 33 Project on Data Visualisation with Python – part 3

Lecture 34 Project on Data Visualisation with Python – part 4

Lecture 35 Project on Data Visualisation with Python – part 5

Lecture 36 Project on Data Visualisation with Python – part 6

Data Analysts & Consultants,Python Programmers & Developers,Business Analysts & Consultants,Anyone wishing to make a career in Business Intelligence, Visualization and Analytics,Data Visualization Managers,Data Engineers & Data Scientists,Data Visualization Developers,Data Architects,Data Visualization Leads,Newbies and beginners aspiring to become BI & Visualization professionals,Data Analysts – Python, Tableau, SQL,BI Solutions Manager,Reporting Analysts,Machine Learning Professionals