Киран Дейл | Визуализация данных с помощью Python и JаvaScript. Анализ и преобразование данных, 2-е изд. (2025) [PDF]

Оглавление:
Предисловие
Второе издание
Принятые в книге обозначения
Использование примеров кода
Благодарности
Введение
Для кого эта книга?
Почему именно Python и JavaScript?
Чему вы научитесь
Предварительные сведения
Тулчейн для визуализации данных
Как пользоваться этой книгой
Немного контекста
Резюме.
Рекомендуемые книги
Раздел 1. Базовый пакет инструментов
Глава 1. Подготовка окружения
Сопутствующий код
Python.
Установка дополнительных библиотек
JavaScript
Базы данных
Интегрированная среда разработки
Резюме.
Глава 2. Обучающий мостик между Python и JavaScript
Сходство и различия
Взаимодействие с кодом
Строим мост
Примеры различий
Шпаргалка
Резюме
Глава 3. Чтение и запись данных с помощью Python
Просто ли это?
Передача данных
Работа с системными файлами
CSV, TSV и табличные форматы данных
JSON
SQL
MongoDB
Работа с датами, временем и сложными типами данных
Резюме
Глава 4. Основы веб-разработки
Общая картина
Одностраничные приложения
Настройка инструментов
Создание веб-страницы
Chrome DevTools
Базовая страница с плейсхолдерами
Позиционирование и изменение размера контейнеров с помощью Flex
Масштабируемая векторная графика
Резюме
Раздел 11. Получение данных
Глава 5. Получение данных из интернета с помощью Python
Получение данных из интернета с помощью библиотеки Requests
Получение файлов данных с помощью Requests
Использование Python для получения данных через web API
Доступ к web API с помощью библиотек
Скрейпинr данных
Получение объекта BeautifulSoup
Выбор тегов
Резюме
Глава 6. Эффективный скрейпинг с помощью Scrapy
Установка Scrapy
Постановка целей
Работа с XPath в Scrapy
Первый паук Scrapy
Скрейnинr биографических страниц лауреатов
Цепочка запросов и извлечение данных
Конвейеры Scrapy
Скрейпинr текста и изображений с помощью конвейера
Резюме.
Раздел 111. Очистка и исследование данных с помощью pandas
Глава 7. Введение в NumPy
Массив NumPy
Создание функций для работы с массивами
Резюме.
Глава 8. Знакомство с библиотекой pandas
Почему pandas оптимальна для визуализации данных
Зачем разработали pandas
Классификация данных и измерения
DataFrame
Создание и сохранение структур DataFrame
Создание DataFrame из Series
Резюме
Глава 9. Очистка данных с помощью pandas
Чистая правда о грязных данных
Проверка качества данных
Индексы и отбор данных с помощью pandas
Очистка данных
Полная функция для очистки данных
Добавление столбца born_in
Сохранение очищенных наборов данных
Резюме.
Глава 10. Визуализация данных с помощью Matplotlib
Pyplot и объектно-ориентированная библиотека Matplotlib
Запуск интерактивной сессии
Создание интерактивных графиков с помощью глобального состояния pyplot
Фигуры и объектно-ориентированная Matplotlib
Типы графиков
Seaborn
Резюме
Глава 11. Анализ данных с помощью pandas
Начало исследования
Построение графиков с помощью pandas
Гендерные диспропорции
Национальные тренды
Возраст и ожидаемая продолжительность жизни лауреатов
Нобелевская «диаспора»
Резюме
Раздел IV. Передача данных
Глава 12. Передача данных
Передача данных
Доставка файлов данных
Динамическое обновление данных с помощью Flask API
Использование динамической или статической доставки
Резюме
Глава 13. RESTful Data с помощью Flask
Инструменты для работы с RESTful
Создание базы данных
Flask RESTful для работы с данными
Добавление маршрутов RESTful API
Расширение API с помощью MethodView
Пагинация возвращаемых данных
Удаленное развертывание API на Heroku
Резюме
Раздел V. Визуализация данных с помощью D3 и Plotly
Глава 14. Перенос диаграмм в интернет с помощью Matplotlib и Plotly
Создание статических диаграмм с помощью Matplotlib
Построение диаграмм с помощью Plotly
Из Notebook в веб-формат с помощью Plotly
Создание нативных JavaScript-диarpaмм с помощью Plotly
Интерактивная визуализация Plotly с помощью JavaScript и HTML
Резюме
Глава 15. Разработка концепции визуализации Нобелевской премии
Для кого эта визуализация?
Выбор визуальных элементов
Строка меню
Распределение премии по годам
Карта, показывающая выборку стран нобелевских лауреатов
Столбчатая диаграмма, показывающая количество лауреатов по странам
Список выбранных лауреатов
Визуализация целиком
Резюме
Глава 16. Создание визуализации
Предварительные сведения
НТМL-каркас
Стили CSS
Движок JavaScript
Запуск приложения для визуализации данных о нобелевских лауреатах
Резюме
Глава 17. Введение в DЗ на примере столбчатой диаграммы
Формулирование задачи
Работа с выборкой
Добавление элементов DOM
Использование D3
Шкалы в D3: от данных к их визуальному представлению
Привязка данных к элементам DOM - главное преимущество D3
Обновление DOM при изменении данных
Сборка столбчатой диаграммы
Оси и метки
Переходы
Резюме
Глава 18. Визуализация отдельных премий
Создание структуры
Шкалы
Оси
Метки номинаций
Вложенные данные
Добавление лауреатов с помощью вложенных объединений данных 543
Добавим немного блеска!
Резюме
Глава 19. Картографирование с помощью DЗ
Доступные карты
Форматы данных для картографирования в DЗ
Библиотека DЗ-geo, проекции и пути
Соединение элементов воедино
Обновление карты
Добавление индикаторов показателей
Готовая карта
Создание простой всплывающей подсказки
Резюме
Глава 20. Визуализация данных отдельных лауреатов
Создание списка лауреатов
Создание биографического блока
Резюме
Глава 21. Строка меню
Создание НТМL-элементов с помощью DЗ
Создание строки меню
Резюме
Глава 22. Заключение
Подведение итогов
Дальнейшее развитие
Заключительные замечания
Приложение А. Паттерн enter/exit библиотеки DЗ
Метод enter
Доступ к привязанным данным
Об авторе
Послесловие
Алфавитный указатель