正版 Python绘图指南(分形与数据可视化) 胡洁著 电子工业出版社

第1章 海岸线有多长 1
1.1 海岸线 2
1.2 科赫（Koch）曲线 2
1.3 分形的特性 3
1.4 算法 4
1.5 科赫曲线.py源码 5
1.6 源码剖析 7
1.6.1 Turtle模块 7
1.6.2 函数 10
1.6.3 递归算法 11
1.7 数据可视化Tips 14
1.7.1 数据 14
1.7.2 可视化 16
第2章 基因与生成元算法 19
2.1 一生二，二生三 20
2.2 生成元 20
2.3 算法 23
2.4 生成元.py源码 24
2.5 源码剖析 27
2.6 数据可视化Tips 29
2.6.1 色彩 29
2.6.2 配色方案 32



第3章 植物算法之美 35
3.1 L文法系统（L-System） 36
3.2 经典的分形图形 38
3.2.1 科赫曲线（Koch Curve） 38
3.2.2 科赫雪花（Snowflake Curve） 40
3.2.3 分形龙（Dragon Curve） 41
3.3 分形维数 42
3.4 植物形态模拟 44
3.4.1 分形树 44
3.4.2 随机分形树 49
3.5 L文法系统.py源码 50
3.6 Matplotlib库 55
3.6.1 安装 56
3.6.2 组成部分 57
3.6.3 使用方式 57
3.6.4 折线函数Plot 58
3.6.5 显示模式 63
3.6.6 坐标轴函数 64
3.6.7 图像保存到文件 65
3.6.8 颜色格式 66
3.6.9 RcParams变量 66
3.7 源码剖析 67
3.7.1 栈和分形树 67
3.7.2 类和对象 68
3.7.3 L系统函数 72
3.8 数据可视化Tips――可视化材料 74
3.8.1 数据类型 74
3.8.2 空间结构 76
3.8.3 视觉元素和背景信息 77
3.8.4 材料的整合 78
3.9 L文法系统―随机.py源码 79
第4章 凝聚、凝聚、凝聚 82
4.1 扩散有限凝聚模型（DLA） 83
4.2 混沌和秩序 84
4.3 凝聚体 85
4.3.1 凝聚体类型1 85
4.3.2 凝聚体类型2 86
4.4 DLA（中心点，方形）.py源码 87
4.5 随机数和Random模块 90
4.6 NumPy库 92
4.6.1 入门介绍 92
4.6.2 ndarray对象 92
4.6.3 NumPy创建数组 94
4.6.4 Random模块 96
4.7 Matplotlib.Pyplot模块函数 97
4.7.1 散点函数Scatter 97
4.7.2 其他绘图函数 100
4.7.3 Figure和Axes函数 103
4.8 源码剖析 105
4.9 数据可视化Tips 108
4.9.1 数据统计图 108
4.9.2 数据的统计分析 108
4.9.3 不同数据统计图的应用场景 111
4.10 DLA（一根线）.py源码 112
第5章 拼贴与显影 115
5.1 迭代函数系统（IFS） 116
5.2 IFS分形图 117
5.3 IFS.py源码 122
5.4 源码剖析1 124
5.5 IFS拼贴图.py源码 126
5.6 源码剖析2 129
5.7 画布其他元素 130
5.7.1 标题 130
5.7.2 网格 131
5.7.3 x轴、y轴标签 132
5.7.4 x轴、y轴刻度 133
5.7.5 文本 134
5.7.6 注释 135
5.7.7 图例 137
5.7.8 显示中文字符 138
5.8 数据可视化Tips：增强可读性 138
第6章 优雅的曲线 142
6.1 螺旋线 143
6.2 规律与图形 143
6.2.1 极坐标系 143
6.2.2 阿基米德螺旋线 144
6.2.3 斐波那契螺旋线 145
6.2.4 蝴蝶曲线 146
6.3 螺线缩略图.py源码 147
6.4 OO（面向对象）方式 151
6.4.1 Subplot函数 151
6.4.2 Subplots函数 152
6.4.3 Axes对象方法 153
6.5 极坐标 155
6.6 LaTeX排版系统 157
6.7 缩略图源码剖析 158
6.8 数据可视化Tips：多视图关联设计 161
第7章 奇异瑰丽的图案 163
7.1 曼德勃罗集 164
7.2 分形图 165
7.2.1 曼德勃罗图形 165
7.2.2 朱利亚图形 167
7.2.3 可交互的缩略图 169
7.3 曼德勃罗缩略图.py源码 169
7.4 网格坐标矩阵 172
7.5 函数向量化 174
7.6 图像生成函数Imshow 176
7.7 Matplotlib事件处理 180
7.8 自定义ColorMap 182
7.9 缩略图源码剖析 185
7.9.1 Iterator函数 185
7.9.2 Plot_julia函数 186
7.9.3 函数 187
7.9.4 Plot_mandelbrot函数 188
7.9.5 主程序 189
7.10 数据可视化Tips 189
7.10.1 可视化交互设计 189
7.10.2 热力图 190
第8章 生命的迭代演化 191
8.1 细胞自动机 192
8.2 生命细胞分布图 193
8.3 生命游戏.py源码 198
8.4 源码剖析1 200
8.5 生命游戏(animation).py源码 202
8.6 程序安装 203
8.6.1 FFmpeg 203
8.6.2 ImageMagick 204
8.7 创建和保存动画 205
8.8 源码剖析2 206
8.9 数据可视化Tips――动画 207
第9章 股票交割单数据可视化案例 208
9.1 数据可视化的过程 209
9.2 收集数据 211
9.3 设计可视化方案 212
9.3.1 提出问题 212
9.3.2 选择合适的数据图表 212
9.4 制作和保存图表 213
9.4.1 成交次数柱状图 213
9.4.2 个股成交次数折线图 218
9.4.3 成交气泡图 222
9.4.4 资金盈亏图 228
附录A 分形 241
附录B 可视化的起源和发展 246

胡洁，网名timedot，近20年IT从业和管理经验，担任过开发、测试经理、QA经理、高级项目经理等多个职务，擅长PB、C、C++、Java、Perl、Python等编程语言。热爱传统文化，喜爱编程，遵崇“科学艺术本相通，科技人文可相融”的创作理念，将致力于为计算机科学融入更多的人文气息。

编程绘图的实战详解，科学与艺术兼备，将思想与实用融为一体，并融入了深刻的自然哲学思想，是程序员“画师”的入门读物。
思想性：普及分形理论的经典算法，探索自然事物的无穷奥秘。
实战性：程序绘图，由浅及深，通俗易懂，示例丰富，讲解细致。
系统性：涵盖数据可视化的概念、定义、组织、布局、设计、制作等全过程，并提供完整的项目案例。
结构性：以绘图为点，分形与数据可视化为线，结构清晰，逻辑严密，相辅相成，相合相融。

Python是科学可视化的有利工具，第三方的Matplotlib、Numpy库功能强大，被广泛地应用于科学计算和绘图领域。本书通过分形与计算机图像处理的经典算法实例，来详细讲解Python绘图与数据可视化的使用方法和技巧。本书内容共分八个章节，采用的Python工具为Turtle、Matplotlib和Numpy，其中以Turtle模块开始，作为入门，逐步过渡到专业级的matplotlib和Numpy库。本书图文并茂，讲解细致，既是Python的绘图指南，也是分形与混沌的通俗化读物。

"思想性：普及分形理论的经典算法，探索自然事物的无穷奥秘。 实战性：程序绘图，由浅及深，通俗易懂，示例丰富，讲解细致。 系统性：涵盖数据可视化的概念、定义、组织、布局、设计、制作等全过程，并提供完整的项目案例。 结构性：以绘图为点，分形与数据可视化为线，结构清晰，逻辑严密，相辅相成，相合相融。"