Учебник Визуализация данных на Python для начинающих

Программа курса

1. 1 Зачем визуализация и выбор графика

   1. Зачем визуализировать данные

      Почему таблица из тысяч чисел не работает, а график работает: квартет Энскомба, восприятие и роль визуализации в анализе данных.

   2. Как выбрать тип графика

      Дерево решений для выбора графика: сравнение, динамика, распределение, связь, состав. От вопроса к данным к нужной диаграмме.

   3. Восприятие и кодирование данных

      Визуальные каналы: положение, длина, угол, площадь, цвет. Иерархия точности по Кливленду и МакГиллу и как она диктует выбор графика.

2. 2 Matplotlib: основы

   1. Анатомия фигуры Matplotlib

      Figure, Axes, Axis и элементы графика: как устроена иерархия объектов Matplotlib и почему это знание экономит часы.

   2. Два интерфейса: pyplot и объектный

      plt.plot() против fig, ax = plt.subplots(): чем отличаются стейтовый и объектно-ориентированный API Matplotlib и какой выбрать.

   3. Настройка графика: подписи, легенда, сетка

      Заголовки, подписи осей, легенда, сетка, лимиты и аннотации в Matplotlib — как превратить сырой график в читаемый.

3. 3 Типы графиков

   1. Столбчатые диаграммы

      Bar и barh: сравнение категорий, сортировка, группировка и накопление. Когда столбики честны, а когда лгут.

   2. Линейные графики и área

      Line и area для динамики во времени: тренды, несколько серий, заполненные области и почему линия требует упорядоченной оси.

   3. Диаграммы рассеяния и пузырьки

      Scatter и bubble для связи двух и трёх переменных: корреляция, выбросы, кластеры и кодирование третьего измерения размером.

   4. Распределения: гистограмма, boxplot, violin

      Гистограмма, ящик с усами и скрипичная диаграмма: как показать форму данных, медиану, квартили и выбросы.

   5. Состав целого: stacked bar и pie

      Доли целого через накопленные столбики и круговые диаграммы: когда pie допустим, а когда вреден, и чем его заменить.

4. 4 Seaborn и статистическая визуализация

   1. Знакомство с Seaborn

      Seaborn поверх Matplotlib: красивые статграфики одной строкой, работа с DataFrame, темы и палитры. Когда он выгоднее голого Matplotlib.

   2. Figure-level и axes-level функции

      relplot/displot/catplot против scatterplot/histplot/boxplot: ключевое различие уровней Seaborn, фасетинг и когда что выбирать.

   3. Статистические графики: heatmap, pairplot, регрессия

      Heatmap корреляций, pairplot для разведки, регрессия и доверительные интервалы в Seaborn — инструменты разведочного анализа.

5. 5 Plotly и интерактив

   1. Plotly и интерактивная визуализация

      Plotly Express против graph_objects: интерактивные графики для браузера и дашбордов, hover, zoom и когда интерактив оправдан.

   2. Дашборды и интерактивные отчёты

      Subplots, фильтры, слайдеры и связанные графики в Plotly: как собрать дашборд и не утопить пользователя в данных.

6. 6 Принципы хорошей визуализации и дашборды

   1. Как графики лгут и как не лгать

      Обрезанная ось, двойные оси, 3D, искажённые площади: каталог приёмов, которыми графики вводят в заблуждение, и как их избегать.

   2. Цвет, палитры и доступность

      Sequential, diverging и qualitative палитры, контраст WCAG и дальтонизм: как выбрать цвет, который информирует, а не запутывает.

   3. Сторителлинг данными и финальный чеклист

      Заголовок-вывод, data-ink ratio, фокус внимания и контекст: как собрать график, который рассказывает историю, а не просто показывает числа.