第1章　数据分析及可视化概述 1
1.1　数据分析概述 1
1.1.1　传统的数据分析 1
1.1.2 大数据分析基础 2
1.1.3 数据分析可视化工具 5
1.2　数据的收集与管理 8
1.2.1 数据分析集的构成 8
1.2.2 数据的收集与保存 10
练习题1 12
第2章　Python数据分析基础 13
2.1 Python数据处理基础 13
2.1.1 Python的编程环境 13
2.1.2 Python的编程基础 16
2.1.3 Python的函数定义 19
2.2 Python数据处理方法 20
2.2.1 Python数据处理包 20
2.2.2 数据框的基本操作 26
2.2.3 数据框的重组与透视 31
练习题2 39
第3章　Python数据可视化方法 41
3.1 基于列表的可视化 41
3.1.1 Matplotlib的基本绘图 42
3.1.2 Matplotlib图形设置 46
3.2 基于数据框的可视化 49
3.2.1 基于pandas的可视化 49
3.2.2 基于cufflinks的可视化 58
练习题3 65
第4章　数据挖掘基础及可视化 67
4.1 数据的透视分析 67
4.1.1 透视表的构建 67
4.1.2 透视图的绘制 77
4.2 探索性数据分析 79
4.2.1 纵向数据探索性分析 79
4.2.2 横向数据探索性分析 83
练习题4 91
第5章　数据基本分析及可视化 92
5.1 数据的描述性统计分析 92
5.1.1 数据的描述统计 92
5.1.2 数据的综合统计 98
5.2 数据的聚类分析 103
5.2.1 聚类分析的思想 103
5.2.2 层次聚类分析 105
练习题5 110
第6章　数据综合评价及可视化 112
6.1 综合评价的方法及应用 112
6.1.1 单指标数据分析 112
6.1.2 综合评价指数的构建 117
6.2 综合指数的监测预警 124
6.2.1 综合指数的构建 125
6.2.2 综合指数的差异分析 126
6.2.3 综合指数的监测预警 128
练习题6 131
第7章　数据统计推断及可视化 133
7.1 随机抽样及其分布图 133
7.1.1 总体和样本 133
7.1.2 统计量的分布 135
7.2 参数的统计推断 136
7.2.1 参数的估计方法 136
7.2.2 假设检验的思想 138
7.2.3 均值比较的t检验 139
练习题7 149
第8章　数据模型分析及可视化 150
8.1 相关分析及可视化 150
8.1.1 两变量线性相关分析 150
8.1.2 多变量线性相关分析 154
8.2 线性回归模型及可视化 159
8.2.1 两变量线性回归模型 159
8.2.2 多变量线性回归模型 164
8.2.3 可线性化的非线性模型 175
8.3 一般线性模型及可视化 182
8.3.1 一般线性模型的形式 183
8.3.2 单因素方差分析模型 184
练习题8 188
第9章　文本数据挖掘及在线数据分析 190
9.1 文本数据预处理、挖掘及可视化 190
9.1.1 文本数据的预处理 190
9.1.2 文本数据挖掘及可视化 192
9.2 在线数据的获取及分析 197
9.2.1 简单数据的获取及分析 197
9.2.2 网络数据的获取及分析 204
练习题9 209
附录A　Excel数据分析及工具 210
A1 Excel中的分析函数 210
A1.1 函数结构及使用 210
A1.2 函数的输入及引用 211
A2 Excel中的数据分析工具 212
A2.1 Excel数据分析工具加载 212
A2.2 数据分析工具的使用 213
附录B　Python基本运算函数 215
B1 Python编程运算基础 215
B1.1 运算符及控制语句 215
B1.2 数据框的取值 217
B2 Python函数的使用 219
B2.1 内置函数 219
B2.2　库函数 219
附录C　Python数据分析平台快速入门 222
C1　安装anaconda 222
C1.1　安装anaconda个人版 222
C1.2　运行anaconda个人版 222
C2　Jupyter的启动 223
C2.1　菜单模式 223
C2.2　命令行模式 224
C3　Spyder的启动 226
C3.1　Spyder编程界面 226
C3.2　Spyder设置 226
参考文献 228