本書介紹了利用Python實現數據可視化。並介紹了數據、信息與知識之間的關系。書中涉及的可視化過程應用了大量流行的Python庫，你會學到采用Numpy、Scipy、IPython、MatPotLib、Pandas、Patsy和Scikit-Learn等生成可視化結果的不同方法。科斯·拉曼（Kirthi Raman），目前擔任Neustar公司首席數據工程師。Kirthi一直從事數據可視化方面的工作，精通JavaScript、Python、R和Java，是一位傑出的工程師。之前，他曾是Ouotient公司首席架構師、數據分析師和信息檢索專家。

譯者序前言第1章 數據可視化概念框架 1.1 數據、信息、知識和觀點 1.1.1 數據 1.1.2 信息 1.1.3 知識 1.1.4 數據分析和觀點 1.2 數據轉換 1.2.1 數據轉換為信息 1.2.2 信息轉換為知識 1.2.3 知識轉換為觀點 1.3 數據可視化歷史 1.4 可視化如何幫助決策 1.4.1 可視化適用於哪里 1.4.2 如今的數據可視化 1.5 可視化圖像 1.5.1 條形圖和餅圖 1.5.2 箱線圖 1.5.3 散點圖和氣泡圖 1.5.4 核密度估計圖 1.6 總結第2章 數據分析與可視化 2.1 為什麼可視化需要規划 2.2 Ebola案例 2.3 體育案例 2.4 用數據編寫有趣的故事 2.4.1 為什麼故事如此重要 2.4.2 以讀者驅動為導向的故事 2.4.3 以作者驅動為導向的故事 2.5 感知與表達方法 2.6 一些最好的可視化實踐 2.6.1 比較和排名 2.6.2 相關性 2.6.3 分布 2.6.4 位置定位或地理數據 2.6.5 局部到整體的關系 2.6.6 隨時間的變化趨勢 2.7 Python中的可視化工具 2.8 交互式可視化 2.8.1 事件監聽器 2.8.2 布局設計 2.9 總結第3章 開始使用Python IDE 3.1 Python中的IDE工具 3.1.1 Python 3.x和Python 2.7 3.1.2 交互式工具類型 3.1.3 Python IDE類型 3.2 Anaconda可視化繪圖 3.2.1 表面三維圖 3.2.2 方形圖 3.3 交互式可視化軟件包 3.3.1 Bokeh 3.3.2 VisPy 3.4 總結第4章 數值計算和交互式繪圖 4.1 NumPy、SciPy和MKL函數 4.1.1 NumPy 4.1.2 SciPy 4.1.3 MKL函數 4.1.4 Python的性能 4.2 標量選擇 4.3 切片 4.4 數組索引 4.4.1 數值索引 4.4.2 邏輯索引 4.5 其他數據結構 4.5.1 棧 4.5.2 元組 4.5.3 集合 4.5.4 隊列 4.5.5 字典 4.5.6 字典的矩陣表示 4.5.7 Trie樹 4.6 利用matplotlib進行可視化 4.6.1 詞雲 4.6.2 安裝詞雲 4.6.3 詞雲的輸入 4.6.4 繪制股票價格圖 4.7 體育運動中的可視化案例 4.8 總結第5章 金融和統計模型 5.1 確定性模型 5.2 隨機性模型 5.2.1 蒙特卡洛模擬 5.2.2 投資組合估值 5.2.3 模擬模型 5.2.4 幾何布朗運動模擬 5.2.5 基於擴散模擬 5.3 閾值模型 5.4 統計與機器學習綜述 5.4.1 k-最近鄰算法 5.4.2 廣義線性模型 5.5 創建動畫和交互圖 5.6 總結第6章 統計與機器學習 6.1 分類方法 6.1.1 理解線性回歸 6.1.2 線性回歸 6.1.3 決策樹 6.1.4 貝葉斯理論 6.1.5 朴素貝葉斯分類器 6.1.6 用TextBlob構建朴素貝葉斯分類器 6.1.7 用詞雲觀察積極情緒 6.2 k-最近鄰 6.3 邏輯斯諦回歸 6.4 支持向量機 6.5 主成分分析 6.6 k-均值聚類 6.7 總結第7章 生物信息學、遺傳學和網絡模型 7.1 有向圖和多重圖 7.1.1 存儲圖表數據 7.1.2 圖表展示 7.2 圖的聚集系數 7.3 社交網絡分析 7.4 平面圖測試 7.5 有向無環圖測試 7.6 最大流量和最小切割 7.7 遺傳編程示例 7.8 隨機區組模型 7.9 總結第8章 高級可視化 8.1 計算機模擬 8.1.1 Python的random包 8.1.2 SciPy的random函數 8.1.3 模擬示例 8.1.4 信號處理 8.1.5 動畫制作 8.1.6 利用HTML5進行可視化 8.1.7 Julia和Python有什麼區別 8.1.8 用D3.js進行可視化 8.1.9 儀表盤 8.2 總結附錄 繼續探索可視化