MARC

 008260202s2023        xx            o                  0  eng  d
■001EBC30285893
■003MiAaPQ
■00520260202073946.0
■006m          o    d  |            
■007cr  cnu||||||||
■020    ▼a9781098111823▼q(electronic  bk.)
■020    ▼z9781098111878
■035    ▼a(MiAaPQ)EBC30285893
■035    ▼a(Au-PeEL)EBL30285893
■035    ▼a(OCoLC)1354205695
■040    ▼aMiAaPQ▼beng▼erda▼epn▼cMiAaPQ▼dMiAaPQ
■1001  ▼aDale,  Kyran.
■24510▼aData  Visualization  with  Python  and  JavaScript
■250    ▼a2nd  ed.
■264  1▼aSebastopol▼bO'Reilly  Media,  Incorporated▼c2023.
■264  4▼c?023.
■300    ▼a1  online  resource  (569  pages)
■336    ▼atext▼btxt▼2rdacontent
■337    ▼acomputer▼bc▼2rdamedia
■338    ▼aonline  resource▼bcr▼2rdacarrier
■5050  ▼aCover  --  Copyright  --  Table  of  Contents  --  Preface  --  The  Second  Edition  --  Conventions  Used  in  This  Book  --  Using  Code  Examples  --  O'Reilly  Online  Learning  --  How  to  Contact  Us  --  Acknowledgments  --  Second  Edition  --  Introduction  --  Who  This  Book  Is  For  --  Minimal  Requirements  to  Use  This  Book  --  Why  Python  and  JavaScript?  --  Why  Not  Python  in  the  Browser?  --  Why  Python  for  Data  Processing  --  Python's  Getting  Better  All  the  Time  --  What  You'll  Learn  --  The  Choice  of  Libraries  --  Preliminaries  --  The  Dataviz  Toolchain  --  1.  Scraping  Data  with  Scrapy  --  2.  Cleaning  Data  with  pandas  --  3.  Exploring  Data  with  pandas  and  Matplotlib  --  4.  Delivering  Your  Data  with  Flask  --  5.  Transforming  Data  into  Interactive  Visualizations  with  Plotly  and  D3  --  Smaller  Libraries  --  Using  the  Book  --  A  Little  Bit  of  Context  --  Summary  --  Recommended  Books  --  Part  I.  Basic  Toolkit  --  Chapter  1.  Development  Setup  --  The  Accompanying  Code  --  Python  --  Anaconda  --  Installing  Extra  Libraries  --  Virtual  Environments  --  JavaScript  --  Content  Delivery  Networks  --  Installing  Libraries  Locally  --  Databases  --  Getting  MongoDB  Up  and  Running  --  Easy  MongoDB  with  Docker  --  Integrated  Development  Environments  --  Summary  --  Chapter  2.  A  Language-Learning  Bridge  Between  Python  and  JavaScript  --  Similarities  and  Differences  --  Interacting  with  the  Code  --  Python  --  JavaScript  --  Basic  Bridge  Work  --  Style  Guidelines,  PEP  8,  and  use  strict  --  CamelCase  Versus  Underscore  --  Importing  Modules,  Including  Scripts  --  JavaScript  Modules  --  Keeping  Your  Namespaces  Clean  --  Outputting  "Hello  World!"  --  Simple  Data  Processing  --  String  Construction  --  Significant  Whitespace  Versus  Curly  Brackets  --  Comments  and  Doc-Strings  --  Declaring  Variables  Using  let  or  var  --  Strings  and  Numbers  --  Booleans  --  Data  Containers:  dicts,  objects,  lists,  Arrays  --  Functions.
■5058  ▼aIterating:  for  Loops  and  Functional  Alternatives  --  Conditionals:  if,  else,  elif,  switch  --  File  Input  and  Output  --  Classes  and  Prototypes  --  Differences  in  Practice  --  Method  Chaining  --  Enumerating  a  List  --  Tuple  Unpacking  --  Collections  --  Underscore  --  Functional  Array  Methods  and  List  Comprehensions  --  Map,  Reduce,  and  Filter  with  Python's  Lambdas  --  JavaScript  Closures  and  the  Module  Pattern  --  A  Cheat  Sheet  --  Summary  --  Chapter  3.  Reading  and  Writing  Data  with  Python  --  Easy  Does  It  --  Passing  Data  Around  --  Working  with  System  Files  --  CSV,  TSV,  and  Row-Column  Data  Formats  --  JSON  --  Dealing  with  Dates  and  Times  --  SQL  --  Creating  the  Database  Engine  --  Defining  the  Database  Tables  --  Adding  Instances  with  a  Session  --  Querying  the  Database  --  Easier  SQL  with  Dataset  --  MongoDB  --  Dealing  with  Dates,  Times,  and  Complex  Data  --  Summary  --  Chapter  4.  Webdev  101  --  The  Big  Picture  --  Single-Page  Apps  --  Tooling  Up  --  The  Myth  of  IDEs,  Frameworks,  and  Tools  --  A  Text-Editing  Workhorse  --  Browser  with  Development  Tools  --  Terminal  or  Command  Prompt  --  Building  a  Web  Page  --  Serving  Pages  with  HTTP  --  The  DOM  --  The  HTML  Skeleton  --  Marking  Up  Content  --  CSS  --  JavaScript  --  Data  --  Chrome  DevTools  --  The  Elements  Tab  --  The  Sources  Tab  --  Other  Tools  --  A  Basic  Page  with  Placeholders  --  Positioning  and  Sizing  Containers  with  Flex  --  Filling  the  Placeholders  with  Content  --  Scalable  Vector  Graphics  --  The  <  --  g>  --  Element  --  Circles  --  Applying  CSS  Styles  --  Lines,  Rectangles,  and  Polygons  --  Text  --  Paths  --  Scaling  and  Rotating  --  Working  with  Groups  --  Layering  and  Transparency  --  JavaScripted  SVG  --  Summary  --  Part  II.  Getting  Your  Data  --  Chapter  5.  Getting  Data  Off  the  Web  with  Python  --  Getting  Web  Data  with  the  Requests  Library  --  Getting  Data  Files  with  Requests  --  Using  Python  to  Consume  Data  from  a  Web  API.
■5058  ▼aConsuming  a  RESTful  Web  API  with  Requests  --  Getting  Country  Data  for  the  Nobel  Dataviz  --  Using  Libraries  to  Access  Web  APIs  --  Using  Google  Spreadsheets  --  Using  the  Twitter  API  with  Tweepy  --  Scraping  Data  --  Why  We  Need  to  Scrape  --  Beautiful  Soup  and  lxml  --  A  First  Scraping  Foray  --  Getting  the  Soup  --  Selecting  Tags  --  Crafting  Selection  Patterns  --  Caching  the  Web  Pages  --  Scraping  the  Winners'  Nationalities  --  Summary  --  Chapter  6.  Heavyweight  Scraping  with  Scrapy  --  Setting  Up  Scrapy  --  Establishing  the  Targets  --  Targeting  HTML  with  Xpaths  --  Testing  Xpaths  with  the  Scrapy  Shell  --  Selecting  with  Relative  Xpaths  --  A  First  Scrapy  Spider  --  Scraping  the  Individual  Biography  Pages  --  Chaining  Requests  and  Yielding  Data  --  Caching  Pages  --  Yielding  Requests  --  Scrapy  Pipelines  --  Scraping  Text  and  Images  with  a  Pipeline  --  Specifying  Pipelines  with  Multiple  Spiders  --  Summary  --  Part  III.  Cleaning  and  Exploring  Data  with  pandas  --  Chapter  7.  Introduction  to  NumPy  --  The  NumPy  Array  --  Creating  Arrays  --  Array  Indexing  and  Slicing  --  A  Few  Basic  Operations  --  Creating  Array  Functions  --  Calculating  a  Moving  Average  --  Summary  --  Chapter  8.  Introduction  to  pandas  --  Why  pandas  Is  Tailor-Made  for  Dataviz  --  Why  pandas  Was  Developed  --  Categorizing  Data  and  Measurements  --  The  DataFrame  --  Indices  --  Rows  and  Columns  --  Selecting  Groups  --  Creating  and  Saving  DataFrames  --  JSON  --  CSV  --  Excel  Files  --  SQL  --  MongoDB  --  Series  into  DataFrames  --  Summary  --  Chapter  9.  Cleaning  Data  with  pandas  --  Coming  Clean  About  Dirty  Data  --  Inspecting  the  Data  --  Indices  and  pandas  Data  Selection  --  Selecting  Multiple  Rows  --  Cleaning  the  Data  --  Finding  Mixed  Types  --  Replacing  Strings  --  Removing  Rows  --  Finding  Duplicates  --  Sorting  Data  --  Removing  Duplicates  --  Dealing  with  Missing  Fields  --  Dealing  with  Times  and  Dates  --  The  Full  clean_data  Function.
■5058  ▼aAdding  the  born_in  column  --  Merging  DataFrames  --  Saving  the  Cleaned  Datasets  --  Summary  --  Chapter  10.  Visualizing  Data  with  Matplotlib  --  pyplot  and  Object-Oriented  Matplotlib  --  Starting  an  Interactive  Session  --  Interactive  Plotting  with  pyplot's  Global  State  --  Configuring  Matplotlib  --  Setting  the  Figure's  Size  --  Points,  Not  Pixels  --  Labels  and  Legends  --  Titles  and  Axes  Labels  --  Saving  Your  Charts  --  Figures  and  Object-Oriented  Matplotlib  --  Axes  and  Subplots  --  Plot  Types  --  Bar  Charts  --  Scatter  Plots  --  seaborn  --  FacetGrids  --  PairGrids  --  Summary  --  Chapter  11.  Exploring  Data  with  pandas  --  Starting  to  Explore  --  Plotting  with  pandas  --  Gender  Disparities  --  Unstacking  Groups  --  Historical  Trends  --  National  Trends  --  Prize  Winners  Per  Capita  --  Prizes  by  Category  --  Historical  Trends  in  Prize  Distribution  --  Age  and  Life  Expectancy  of  Winners  --  Age  at  Time  of  Award  --  Life  Expectancy  of  Winners  --  Increasing  Life  Expectancies  over  Time  --  The  Nobel  Diaspora  --  Summary  --  Part  IV.  Delivering  the  Data  --  Chapter  12.  Delivering  the  Data  --  Serving  the  Data  --  Organizing  Your  Flask  Files  --  Serving  Data  with  Flask  --  Delivering  Data  Files  --  Dynamic  Data  with  Flask  APIs  --  A  Simple  Data  API  with  Flask  --  Using  Static  or  Dynamic  Delivery  --  Summary  --  Chapter  13.  RESTful  Data  with  Flask  --  The  Tools  for  a  RESTful  Job  --  Creating  the  Database  --  A  Flask  RESTful  Data  Server  --  Serializing  with  marshmallow  --  Adding  our  RESTful  API  Routes  --  Posting  Data  to  the  API  --  Extending  the  API  with  MethodViews  --  Paginating  the  Data  Returns  --  Deploying  the  API  Remotely  with  Heroku  --  CORS  --  Consuming  the  API  Using  JavaScript  --  Summary  --  Part  V.  Visualizing  Your  Data  with  D3  and  Plotly  --  Chapter  14.  Bringing  Your  Charts  to  the  Web  with  Matplotlib  and  Plotly  --  Static  Charts  with  Matplotlib  --  Adapting  to  Screen  Sizes.
■5058  ▼aUsing  Remote  Images  or  Assets  --  Charting  with  Plotly  --  Basic  Charts  --  Plotly  Express  --  Plotly  Graph-Objects  --  Mapping  with  Plotly  --  Adding  Custom  Controls  with  Plotly  --  From  Notebook  to  Web  with  Plotly  --  Native  JavaScript  Charts  with  Plotly  --  Fetching  JSON  Files  --  User-Driven  Plotly  with  JavaScript  and  HTML  --  Summary  --  Chapter  15.  Imagining  a  Nobel  Visualization  --  Who  Is  It  For?  --  Choosing  Visual  Elements  --  Menu  Bar  --  Prizes  by  Year  --  A  Map  Showing  Selected  Nobel  Countries  --  A  Bar  Chart  Showing  Number  of  Winners  by  Country  --  A  List  of  the  Selected  Winners  --  A  Mini-Biography  Box  with  Picture  --  The  Complete  Visualization  --  Summary  --  Chapter  16.  Building  a  Visualization  --  Preliminaries  --  Core  Components  --  Organizing  Your  Files  --  Serving  the  Data  --  The  HTML  Skeleton  --  CSS  Styling  --  The  JavaScript  Engine  --  Importing  the  Scripts  --  Modular  JS  with  Imports  --  Basic  Data  Flow  --  The  Core  Code  --  Initializing  the  Nobel  Prize  Visualization  --  Ready  to  Go  --  Data-Driven  Updates  --  Filtering  Data  with  Crossfilter  --  Running  the  Nobel  Prize  Visualization  App  --  Summary  --  Chapter  17.  Introducing  D3-​The  Story  of  a  Bar  Chart  --  Framing  the  Problem  --  Working  with  Selections  --  Adding  DOM  Elements  --  Leveraging  D3  --  Measuring  Up  with  D3's  Scales  --  Quantitative  Scales  --  Ordinal  Scales  --  Unleashing  the  Power  of  D3  with  Data  Binding/Joining  --  Updating  the  DOM  with  Data  --  Putting  the  Bar  Chart  Together  --  Axes  and  Labels  --  Transitions  --  Updating  the  Bar  Chart  --  Summary  --  Chapter  18.  Visualizing  Individual  Prizes  --  Building  the  Framework  --  Scales  --  Axes  --  Category  Labels  --  Nesting  the  Data  --  Adding  the  Winners  with  a  Nested  Data-Join  --  A  Little  Transitional  Sparkle  --  Updating  the  Bar  Chart  --  Summary  --  Chapter  19.  Mapping  with  D3  --  Available  Maps  --  D3's  Mapping  Data  Formats  --  GeoJSON  --  TopoJSON.
■5058  ▼aConverting  Maps  to  TopoJSON.
■588    ▼aDescription  based  on  publisher  supplied  metadata  and  other  sources.
■590    ▼aElectronic  reproduction.  Ann  Arbor,  Michigan  :  ProQuest  Ebook  Central,  2026.  Available  via  World  Wide  Web.  Access  may  be  limited  to  ProQuest  Ebook  Central  affiliated  libraries.  
■655  4▼aElectronic  books.
■77608▼iPrint  version▼aDale,  Kyran▼tData  Visualization  with  Python  and  JavaScript▼dSebastopol  :  O'Reilly  Media,  Incorporated,c2023▼z9781098111878
■7972  ▼aProQuest  (Firm)
■85640▼uhttps://ebookcentral.proquest.com/lib/baekseok-ebooks/detail.action?docID=30285893▼zClick  to  View

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서