<h1>恭喜！🎉 </h1>
<p style="color:#637381;">干得好！课程已完成！</p>

要继续，请输入您的详细信息以登录。

我们已将一个6位数的验证码发送至 #MAIL_ADDRESS#\n请检查您的收件箱或垃圾邮件，并在下方输入验证码以继续。

验证码已发送

感谢您的付款。现在您只需点击下面的按钮即可访问 {collectionName}。

继续课程

解锁此独家课程

您的电子邮件地址目前似乎不在授权访问列表中。请确保您使用的是受邀的电子邮件地址，或联系内容所有者寻求帮助。

访问需要验证

第 11 章客座讲师视频

Dimitra Skandali 教授：第 11 章

第 11 章：数据可视化

课程介绍视频

11.1 编码单变量数据

授课视频 11.1

编码单变量数据

学习目标

箱线图

使用 Python 创建箱线图

直方图

使用 Python 创建直方图

帕累托图

11.2 编码随时间变化的数据

授课视频 11.2

对随时间变化的数据进行编码

学习成果

折线图和趋势曲线

使用 Python 进行时间序列数据可视化

创建有效可视化图表的指南

选择最佳的可视化类型

11.3 绘制概率分布图

授课视频 11.3

绘制概率分布图

绘制二项分布图

绘制泊松分布图

绘制正态分布图

11.4 使用 Python 进行地理空间和热图数据可视化

授课视频 11.4

使用 Python 进行地理空间和热力图数据可视化

空间和网格热力图

使用 Python 生成热力图

地理信息系统 (GIS) 映射简介

使用 Python 进行地理绘图

11.5 使用 Python 进行多变量和网络数据可视化

授课视频 11.5 

使用 Python 进行多变量和网络数据可视化

重温散点图

三维数据可视化

知识复查

知识自测：数据可视化基础

知识自测：单变量数据编码

知识自测：理解箱线图

知识自测：箱线图的 Python 实现

知识自测：直方图与数据分布

知识自测：帕累托图分析

知识自测：时间序列数据编码

知识自测：折线图与趋势曲线

知识自测：有效可视化指南

知识自测：绘制二项分布图

知识检查：绘制泊松分布图

知识检查：绘制正态分布图

知识检查：空间热力图与网格热力图

知识检查：使用 Python 进行 GIS 绘图

知识自测：多变量数据和散点图

欢迎来到《Python 数据可视化：从单变量到多变量技术》，这是一门旨在改变您分析、解释和呈现数据方式的综合课程。在当今竞争激烈、数据驱动的世界中，清晰传达复杂见解的能力是一项无价的技能。

欢迎来到《Python 数据可视化：从单变量到多变量技术》，这是一门旨在改变您分析、解释和呈现数据方式的综合课程。在当今竞争激烈、数据驱动的世界中，清晰传达复杂见解的能力是一项无价的技能。本课程将带您开启一段引人入胜的旅程，从单变量数据可视化的基础知识，到使用 Python 强大的库掌握复杂的多变量和地理空间可视化。无论您处理的是简单的分布还是复杂的三维数据集，您都将学习如何选择正确的图表并有效地实施它们，以讲述一个引人入胜的故事。

在整个课程中，您将探索用于单变量数据分析的基本可视化工具，如箱线图、直方图和帕累托图。您还将深入研究时间序列分析，学习如何绘制折线图和趋势曲线，以准确跟踪和预测随时间的变化。我们将涵盖基本概率分布的图形绘制，包括二项分布、泊松分布和正态分布，为您的可视化数据提供坚实的统计基础。此外，您还将通过地理信息系统 (GIS) 映射和网格热图解锁空间数据的力量，并使用高级散点图、相关性热图和 3D 可视化处理多变量数据。到本课程结束时，您将构建一个强大的 Python 可视化技术组合，使您有信心创建引人入胜的数据驱动叙事，从而推动决策制定。

第 11 章：使用 Python 进行数据可视化：从单变量到多变量技术

<div class="simple-box-wrapper">
    <div class="simple-box">
        <div class="column">
            <p>Data visualization is a critical skill in the modern data science landscape, transforming raw numbers into compelling, understandable narratives. This comprehensive course delves deep into the art and science of graphical data representation using Python. By leveraging powerful programming libraries, learners will explore how to effectively encode various data types to uncover hidden patterns, trends, and insights. From the foundational principles of visualizing single variables to the complexities of multi-dimensional datasets, this journey equips participants with the practical tools needed to make data-driven decisions and communicate analytical findings with clarity and precision.</p>

<p>Throughout the modules, the curriculum systematically progresses through increasingly sophisticated visualization techniques. Participants will begin by mastering univariate data encoding through boxplots, histograms, and Pareto charts, before advancing to time-series analysis using line charts and trend curves. The course also provides a rigorous examination of graphing probability distributions, including binomial, Poisson, and normal distributions. Moving beyond basic charts, learners will tackle advanced topics such as geospatial Geographic Information System (GIS) mapping, spatial heatmaps, and multivariate network visualizations, including three-dimensional data representations and correlation heatmaps. Coupled with best-practice guidelines for selecting the optimal visual format and reinforced by comprehensive quizzes, this course ensures a robust, hands-on mastery of Python's data visualization capabilities.</p>
        </div>
    </div>
</div>
