Python数据分析实战：数据可视化用pyecharts与bokeh

在Python动手学数据分析的第四章节，主要探讨了数据可视化的应用，以泰坦尼克号数据集为例。这一章详细介绍了几个流行的Python可视化库，如pyecharts和bokeh，以及如何利用它们进行数据展示。 首先，章节涵盖了pyecharts库，这是一种用于创建交互式图表的强大工具。通过这个库，学习者可以创建柱状图，如使用`Bar`类来显示一年降水量与蒸发量的变化，通过`mark_line`和`mark_point`功能添加平均值线和最大最小值标记。 接着，章节重点讲解了如何使用`fake`库生成模拟数据，这对于理解数据生成和可视化过程非常有帮助。它提供了一种创建随机数据的方法，包括指定数据类型。常用方法如随机生成指定类型的数值或类别数据，这对于构建测试场景和理解数据分布至关重要。 泰坦尼克号数据集的应用实例中，展示了如何通过`unstack()`和`stack()`方法转换数据，以展示性别与生存状况的对比，以及生存人数与死亡人数的比例图。默认的`plot()`函数通常用于绘制折线图，但在这里，它被用来呈现不同票价下的生存与死亡人数分布，并通过`sort_values()`函数对数据进行排序。 任务六涉及年龄分布的可视化，通过`bins`参数进行数据分段，然后使用`hist()`函数创建直方图，并调整透明度(`alpha`)和添加密度曲线。另外，还讨论了不同仓位等级的年龄分布，这里可能换用了另一种库（如seaborn或matplotlib）中的`kdeplot()`函数，以展示更精细的核密度估计图。 这一章节不仅教授了基础的数据可视化技术，如柱状图和直方图的制作，还强调了在实际应用中如何灵活运用这些工具，以及如何根据数据特性选择合适的可视化方法。此外，通过使用不同的库，学习者能够了解到Python数据可视化生态系统的多样性，有助于他们在实际工作中做出最佳选择。