本书主要针对数据科学、统计学、商学领域的教学，介绍基于Python软件的数据可视化基础知识、数据计算与交互式绘图，机器学习中的可视化工具和技术，以及特定数据结构下的可视化技术，如金融数据结构、生物数据结构、网络数据结构中的可视化展示，并配以丰富的案例，紧密结合常见的统计方法和机器学习方法。
本书配有大量实际案例和习题，涉及金融、经济管理、医疗影像、健康大数据、地理数据等方面的知识，内容翔实，能让授课教师充分备课，让学生全面学习，极大地提升学生的动手能力，并与现实生活接轨，让学生为胜任“全球信息化时代”的数据科学工作做好充分准备。此外，本书还配有PPT课件、教学大纲、教学进度表、部分源代码和数据文件、课后习题答案等教学资源，用书老师可在人邮教育社区免费下载使用。
本书可作为高等院校数据科学、统计学、商学等相关专业的教材，也可供经管领域的技术人员学习使用，还可作为机器学习和人工智能等领域的研究人员的参考书。

第1章 数据可视化概述
1.1 理解数据、信息和知识
1.1.1 数据和信息
1.1.2 知识
1.2 知识的提取流程
1.2.1 从数据中提取信息
1.2.2 从信息中提取知识
1.3 数据可视化与统计图表
1.4 如何利用可视化帮助决策
1.5 总结
本章习题
第2章 数据可视化
2.1 利用数据可视化创造有趣的故事
2.2 可视化的一些实践结果
2.3 Python中的可视化工具
2.4 交互式可视化和布局
2.5 总结
本章习题
第3章 常见Python IDE
3.1 Python IDE
3.1.1 Python 3.x与Python 2.
3.1.2 不同类型的交互式工具
3.1.3 不同类型的Python IDE
3.2 利用Anaconda进行可视化
3.2.1 绘制3D曲面图
3.2.2 绘制方形树状图
3.3 交互式可视化的库
3.3.1 bokeh
3.3.2 VisPy
3.4 总结
本章习题
第4章 数值计算与交互式绘图
4.1 NumPy、SciPy和MKL函数
4.1.1 NumPy介绍
4.1.2 SciPy介绍
4.1.3 MKL函数介绍
4.2 标量选择、切片与索引
4.2.1 标量选择
4.2.2 切片
4.2.3 数组索引
4.3 数据结构
4.3.1 堆栈
4.3.2 元组
4.3.3 集合
4.3.4 队列
4.3.5 字典
4.3.6 矩阵表示的字典
4.3.7 字典树
4.4 使用matplotlib进行可视化
4.5 总结
本章习题
第5章 统计学与机器学习
5.1 分类方法
5.1.1 线性回归模型实例
5.1.2 线性回归模型
5.1.3 决策树
5.1.4 贝叶斯定理
5.1.5 朴素贝叶斯分类器
5.2 KNN算法
5.3 逻辑回归
5.4 支持向量机
5.5 主成分分析
5.6 k-means聚类
5.7 总结
本章习题
第6章 金融和统计模型
6.1 回报率模型和确定性模型
6.2 随机模型
6.2.1 蒙特卡罗模拟
6.2.2 投资组合估值
6.2.3 模拟模型
6.2.4 几何布朗运动模拟
6.2.5 基于扩散的模拟
6.3 阈值模型
6.4 总结
本章习题
第7章 图结构数据和网络模型
7.1 有向图和多重图
7.1.1 存储图数据
7.1.2 图形展示
7.2 图的聚集系数
7.3 社交网络分析
7.4 可平面图的检验
7.5 有向无环图的检验
7.6 最大流
7.7 随机块模型
7.8 总结
本章习题
第8章 高级可视化
8.1 文本数据可视化
8.1.1 利用TextBlob构造朴素贝叶斯分类器
8.1.2 利用词云了解电影影评
8.2 空间数据可视化
8.3 计算机模拟
8.3.1 Python随机相关的程序包
8.3.2 SciPy中的随机函数
8.3.3 模拟示例
8.3.4 信号处理
8.3.5 动画
8.4 绘制交互图
8.5 总结
本章习题
参考文献