"思想性：普及分形理論的經典算法，探索自然事物的無窮奧秘。實戰性：程序繪圖，由淺及深，通俗易懂，示例豐富，講解細致。繫統性：涵蓋數據可視化的概念、定義、組織、布局、設計、制作等全過程，並提供完整的項目案例。結構性：以繪圖為點，分形與數據可視化為線，結構清晰，邏輯嚴密，相輔相成，相合相融。"

●第1章 海岸線有多長 1
1.1 海岸線 2
1.2 科赫（Koch）曲線 2
1.3 分形的特性 3
1.4 算法 4
1.5 科赫曲線.py源碼 5
1.6 源碼剖析 7
1.6.1 Turtle模塊 7
1.6.2 函數 10
1.6.3 遞歸算法 11
1.7 數據可視化Tips 14
1.7.1 數據 14
1.7.2 可視化 16
第2章 基因算法 19
2.1 一生二，二生三 20
2.2 20
2.3 算法 23
2.4.py源碼 24
2.5 源碼剖析 27
2.6 數據可視化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文法繫統（L-System） 36
3.2 經典的分形圖形 38
3.2.1 科赫曲線（Koch Curve） 38
3.2.2 科赫雪花（Snowflake Curve） 40
3.2.3 分形龍（Dragon Curve） 41
3.3 分形維數 42
3.4 植物形態模擬 44
3.4.1 分形樹 44
3.4.2 隨機分形樹 49
3.5 L文法繫統.py源碼 50
3.6 Matplotlib庫 55
3.6.1 安裝 56
3.6.2 組成部分 57
3.6.3 使用方式 57
3.6.4 折線函數Plot 58
3.6.5 顯示模式 63
3.6.6 坐標軸函數 64
3.6.7 圖像保存到文件 65
3.6.8 顏色格式 66
3.6.9 RcParams變量 66
3.7 源碼剖析 67
3.7.1 棧和分形樹 67
3.7.2 類和對像 68
3.7.3 L繫統函數 72
3.8 數據可視化Tips――可視化材料 74
3.8.1 數據類型 74
3.8.2 空間結構 76
3.8.3素和背景信息 77
3.8.4 材料的整合 78
3.9 L文法繫統―隨機.py源碼 79
第4章 凝聚、凝聚、凝聚 82
4.1 擴散有限凝聚模型（DLA） 83
4.2 混沌和秩序 84
4.3 凝聚體 85
4.3.1 凝聚體類型1 85
4.3.2 凝聚體類型2 86
4.4 DLA（中心點，方形）.py源碼 87
4.5 隨機數和Random模塊 90
4.6 NumPy庫 92
4.6.1 入門介紹 92
4.6.2 ndarray對像 92
4.6.3 NumPy創建數組 94
4.6.4 Random模塊 96
4.7 Matplotlib.Pyplot模塊函數 97
4.7.1 散點函數Scatter 97
4.7.2 其他繪圖函數 100
4.7.3 Figure和Axes函數 103
4.8 源碼剖析 105
4.9 數據可視化Tips 108
4.9.1 數據統計圖 108
4.9.2 數據的統計分析 108
4.9.3 不同數據統計圖的應用場景 111
4.10 DLA（一根線）.py源碼 112
第5章 拼貼與顯影 115
5.1 迭代函數繫統（IFS） 116
5.2 IFS分形圖 117
5.3 IFS.py源碼 122
5.4 源碼剖析1 124
5.5 IFS拼貼圖.py源碼 126
5.6 源碼剖析2 129
5.7 畫素 130
5.7.1 標題 130
5.7.2 網格 131
5.7.3 x軸、y軸標簽 132
5.7.4 x軸、y軸刻度 133
5.7.5 文本 134
5.7.6 注釋 135
5.7.7 圖例 137
5.7.8 顯示中文字符 138
5.8 數據可視化Tips：增強可讀性 138
第6章 優雅的曲線 142
6.1 螺旋線 143
6.2 規律與圖形 143
6.2.1 極坐標繫 143
6.2.2 阿基米德螺旋線 144
6.2.3 斐波那契螺旋線 145
6.2.4 蝴蝶曲線 146
6.3 螺線縮略圖.py源碼 147
6.4 OO（面向對像）方式 151
6.4.1 Subplot函數 151
6.4.2 Subplots函數 152
6.4.3 Axes對像方法 153
6.5 極坐標 155
6.6 LaTeX排版繫統 157
6.7 縮略圖源碼剖析 158
6.8 數據可視化Tips：多視圖關聯設計 161
第7章 奇異瑰麗的圖案 163
7.1 曼德勃羅集 164
7.2 分形圖 165
7.2.1 曼德勃羅圖形 165
7.2.2 朱利亞圖形 167
7.2.3 可交互的縮略圖 169
7.3 曼德勃羅縮略圖.py源碼 169
7.4 網格坐標矩陣 172
7.5 函數向量化 174
7.6 圖像生成函數Imshow 176
7.7 Matplotlib事件處理 180
7.8 自定義ColorMap 182
7.9 縮略圖源碼剖析 185
7.9.1 Iterator函數 185
7.9.2 Plot_julia函數 186
7.9.3 Onclick函數 187
7.9.4 Plot_mandelbrot函數 188
7.9.5 主程序 189
7.10 數據可視化Tips 189
7.10.1 可視化交互設計 189
7.10.2 熱力圖 190
第8章 生命的迭代演化 191
8.1 細胞自動機 192
8.2 生命細胞分布圖 193
8.3 生命遊戲.py源碼 198
8.4 源碼剖析1 200
8.5 生命遊戲（animation）.py源碼 202
8.6 程序安裝 203
8.6.1 FFmpeg 203
8.6.2 ImageMagick 204
8.7 創建和保存動畫 205
8.8 源碼剖析2 206
8.9 數據可視化Tips――動畫 207
第9章 股票交割單數據可視化案例 208
9.1 數據可視化的過程 209
9.2 收集數據 211
9.3 設計可視化方案 212
9.3.1 提出問題 212
9.3.2 選擇合適的數據圖表 212
9.4 制作和保存圖表 213
9.4.1 成交次數柱狀圖 213
9.4.2 個股成交次數折線圖 218
9.4.3 成交氣泡圖 222
9.4.4 資金盈虧圖 228
附錄A 分形 241
附錄B 可視化的起源和發展 246

Python 是可視化的有力工具，被廣泛地應用於科學計算和繪圖領域。本書采用Turtle、Matplotlib、NumPy這三個Python工具，以分形與計算機圖像處理的經典算法為例，通過程序和圖像幫助讀者一步步掌握Python繪圖和數據可視化的方法和技巧，並且讓讀者感受到分形的魅力。
本書圖文並茂，講解細致，既是Python的繪圖指南，也是分形的通俗化讀物，適合熟悉Python基礎知識，對分形和數據可視化感興趣的Python繪圖初學者。