这是 Python 数据可视化系列的第二节《Matplotlib 下》。
Matplotlib 上
之前 Python 数据分析和基础系列的所有课程链接如下。
NumPy 上
NumPy 下
Pandas 上
Pandas 下
SciPy 上
SciPy 下
Pandas 时间序列
Pandas 高频数据采样
默顿模型计量经济资本
LSMC 定价美式和百慕大期权
负油价和负利率模型
Nelson-Siegel 构建债券收益率曲线
外汇交易组合保证金制定系统
FR007 利率掉期定价和曲线拔靴
量化投资 - 向量化回测
编程概览
元素型数据
容器型数据
流程控制:条件-循环-异常处理
函数上:低阶函数
函数下:高阶函数
类和对象:封装-继承-多态-组合
字符串专场:格式化和正则化
解析表达式:简约也简单
生成器和迭代器:简约不简单
装饰器:高端不简单
上节深度探索 Matplotlib,这节广度探索 Matplotlib,本节从功能角度出发来广度探索的四种绘图方法,包括如何绘制
合适图 - 通过数据关系画出最合适的图
有效图 - 为读者着想画出更能有效表达信息的图
动态图 - 增强视觉效果画出动态的图
立体图 - 真实呈现三维数据的图
在做图表设计时候经常面临着怎么选用合适的图表,图表展示的数据关系主要分五大类:分布 (distribution)、联系 (relationship)、趋势 (trend)、比较 (comparison) 和构成 (composition)。
有效图从为用户习惯考虑,为信息展示考虑,为色盲用户考虑。
看下面视频效果,再学代码如何实现。
看下面图片效果,再学代码如何实现。
想学就开始吧!
绝不会让你失望!
付费用户(付 1 赠 1)可以获得:
观看课程视频 (97 分钟)
Python 代码 (Jupyter Notebook)