模块1
认知数据分析与构建程序运行
环境 1
学习与训练 1
1.1　初识数据分析 1
1.1.1　数据分析定义 1
1.1.2 比较数据分析与数据挖掘 2
1.1.3 数据分析在企业经营决策中的　　 主要作用 3
1.1.4 常用数据分析框架 3
1.1.5 常用数据分析方法 3
1.1.6 常用数据分析工具 4
1.1.7 数据分析过程中常见数据问题 7
1.2 熟悉与准备数据分析的编程环境 7
1.2.1 熟悉与使用Python的交互式编程环境 7
1.2.2 熟悉与使用Jupyter Notebook集成开发环境 8
1.2.3 熟悉与使用PyCharm集成开发环境 18
应用与实战 19
【任务1-1】在Jupyter Notebook开发环境中打开并运行Python
　　　　　　　　　 程序t1-01.ipynb 19
【任务1-2】在Jupyter Notebook开发环境中打开并运行Python
　　　　　　　　　 程序t1-02.ipynb 21
在线练习与考核 22

模块2
Python基础 23
学习与训练 23
2.1　Python的编码规范与命名要求 23
2.2 Python转义字符与注释 24
2.2.1 Python转义字符 24
2.2.2 Python程序的注释 25
2.3 Python 3数据类型及其应用 26
2.3.1 Python 3的数值类型 26
2.3.2 Python字符串操作与计算 26
2.3.3 Python列表创建与应用 28
2.3.4 Python元组创建与应用 30
2.3.5 Python字典创建与应用 31
2.3.6 Python集合创建与应用 31
2.3.7 Python 3数据类型的判断 32
2.3.8 Python数据类型的转换 32
2.4 Python运算符及其应用 32
2.4.1 Python的算术运算符与算术表达式 32
2.4.2 Python的赋值运算符与变量定义 33
2.4.3 Python的比较运算符与比较表达式 34
2.4.4 Python的逻辑运算符与逻辑表达式 34
2.4.5 Python的成员运算符 35
2.4.6 Python运算符优先级 35
2.5 Python基本结构及应用 36
2.5.1 顺序结构与流程控制 36
2.5.2 Python选择结构及其应用 37
2.5.3 for循环语句及其应用 38
2.5.4 while循环语句及其应用 39
2.5.5 Python循环结构中的跳转语句 40
2.6 Python常用内置函数及应用 40
2.6.1 Python数学运算函数及应用 40
2.6.2 Python输入输出函数及应用 41
2.6.3 Python 3日期和时间函数 41
2.7 Python函数定义及应用 43
2.7.1 定义Python函数 43
2.7.2 调用Python函数 43
2.7.3 Python函数变量作用域 44
2.8 创建与导入Python模块 45
2.8.1 创建Python模块 45
2.8.2 导入Python模块 45
2.8.3 下载与安装第三方模块 45
2.9 创建与使用Python包 46
应用与实战 46
【任务2-1】计算与输出购买商品的优惠金额与应付金额 46
【任务2-2】应用for循环语句显示进度的百分比 47
【任务2-3】自定义与应用实现要求功能的函数 47
【任务2-4】使用Collections实现数据统计 47
在线练习与考核 47

模块3
NumPy基础 48
学习与训练 48
3.1　初识NumPy 48
3.1.1 NumPy概述 48
3.1.2 安装NumPy 49
3.2 使用多种方法创建NumPy数组
对象 50
3.2.1 初识ndarray对象 50
3.2.2 熟悉与使用NumPy数据类型 50
3.2.3 创建NumPy一维数组对象 52
3.2.4 创建NumPy二维数组对象 54
3.2.5 创建NumPy多维数组对象 58
3.2.6 创建NumPy区间数组对象 58
3.3 使用ndarray对象的属性 60
3.3.1 使用size属性和dtype属性 60
3.3.2 使用shape属性 61
3.3.3 使用ndim属性 61
3.3.4 使用itemsize属性 62
3.3.5 使用nbytes属性 63
3.4 NumPy数组对象基本操作 64
3.4.1 NumPy数组索引和切片 64
3.4.2 NumPy副本和视图 68
3.4.3 NumPy数组高级索引 69
3.4.4 NumPy数组遍历 71
3.4.5 NumPy数组变维操作 73
3.4.6 NumPy数组转置操作 74
3.4.7 连接与分割NumPy数组操作 75
3.4.8 NumPy数组元素增、删、改、查操作 76
3.4.9 NumPy字符串处理 78
3.5 NumPy数组算术运算与矩阵乘法 79
3.5.1 NumPy数组广播机制 79
3.5.2 NumPy数组的算术运算 81
3.5.3 NumPy数组的矩阵乘法运算 82
3.6 NumPy统计计算与分析 83
3.6.1 NumPy数组统计计算 83
3.6.2 NumPy数组线性代数运算 85
3.6.3 NumPy数组排序 86
3.6.4 NumPy数组搜索 86
3.6.5 删除NumPy数组中的重复元素 87
3.7 使用NumPy读写文件 87
3.7.1 常见的数据文件格式 87
3.7.2 使用numpy loadtxt()和numpysavetxt()函数读写TXT或CSV文件 88
3.7.3 使用load()和save()函数读写NPY或NPZ文件 89
3.7.4 使用h5py读写HDF5文件 89
3.7.5 使用NumPy的genfromtxt()函数从文本文件中读取数据 90
应用与实战 90
【任务3-1】计算两个二维数组的矩阵乘积 90
【任务3-2】统计、分析粮食播种面积和粮食产量数据 90
在线练习与考核 91

模块4
数据结构应用与数据
读写操作 92
学习与训练 92
4.1　初识pandas 92
4.2 熟悉pandas的Series结构 94
4.2.1 创建Series对象 94
4.2.2 访问Series数据 97
4.2.3 使用Series的常用属性 100
4.2.4 使用Series的常用方法与函数 100
4.3 熟悉pandas的DataFrame结构 101
4.3.1 创建DataFrame对象 102
4.3.2 使用列索引操作DataFrame 107
4.3.3 使用行索引操作DataFrame 111
4.3.4 使用DataFrame的常用属性和方法 112
4.4 pandas创建与操作索引 113
4.4.1 创建pandas的索引 114
4.4.2 获取pandas的索引 114
4.4.3 熟知pandas索引的特性 114
4.4.4 pandas索引设置 116
4.5 pandas基本操作 118
4.5.1 pandas数据显示格式设置 118
4.5.2 pandas字符串操作 119
4.5.3 pandas遍历操作 120
4.5.4 pandas排序操作 121
4.5.5 pandas的元素值排名操作 123
4.5.6 pandas数据类型转换 123
4.5.7 创建与使用pandas分类对象 126
4.6 pandas数据筛选 127
4.6.1 Series对象中元素筛选 127
4.6.2 DataFrame对象中元素筛选 128
4.7 pandas创建与操作多层索引 129
4.7.1 创建多层索引 130
4.7.2 多层索引操作 130
4.8 pandas读写文件中的数据 131
4.8.1 pandas读取Excel文件中的数据 131
4.8.2 使用to_excel()函数将DataFrame数据写入Excel文件 132
4.8.3 pandas读取CSV文件中的数据 132
4.8.4 将DataFrame数据写入CSV文件 133
应用与实战 134
【任务4-1】药品销售数据导入与审阅 134
【任务4-2】网上商城用户消费数据导入与审阅 135
在线练习与考核 135

模块5
数据预处理 136
学习与训练 136
5.1　数据清理 136
5.1.1 pandas缺失值处理 136
5.1.2 pandas清洗无效数据 141
5.1.3 pandas重复值检测与处理 142
5.1.4 pandas异常值检测与处理 143
5.1.5 pandas删除数据集中指定行或列的数据 148
5.2 pandas数据合并 148
5.2.1 使用merge()函数通过主键合并数据 149
5.2.2 使用join()函数通过索引或指定列合并数据 151
5.2.3 使用concat()函数沿轴连接数据 152
5.2.4 使用append()函数纵向连接DataFrame对象 152
5.2.5 使用combine_first()函数合并重叠数据 153
5.3 pandas数据抽取 153
5.3.1 字段抽取 154
5.3.2 字段拆分 154
5.3.3 数据记录抽取 154
5.3.4 日期转换与日期抽取 155
5.4 pandas数据重塑 156
5.4.1 重塑层次化索引 157
5.4.2 使用pivot()函数实现轴向旋转 157
5.4.3 使用melt()函数将DataFrame对象从宽数据格式转换为长数据格式 160
5.4.4 使用pivot_table()函数聚合与透视数据 161
5.5 pandas数据变换 165
5.5.1 重命名索引的标签 165
5.5.2 离散化连续数据 165
应用与实战 166
【任务5-1】药品销售数据预处理 166
【任务5-2】网上商城用户消费数据预处理 166
在线练习与考核 167

模块6
统计计算与数据分析 168
学习与训练 168
6.1　pandas数据运算 168
6.1.1 Series对象的运算 168
6.1.2 DataFrame对象的运算 171
6.1.3 DataFrame对象与Series对象之间的运算 172
6.2 pandas统计分析 173
6.2.1 pandas数据分析的基本方法 173
6.2.2 应用pandas的统计函数 182
6.2.3 应用pandas的窗口函数 186
6.2.4 应用pandas的聚合函数 188
6.2.5 应用pandas的格式化函数 189
6.3 pandas数据分组与聚合运算 190
6.3.1 pandas数据分组 190
6.3.2 pandas数据聚合 191
6.3.3 pandas分组的转换操作 191
6.3.4 pandas分组的数据过滤操作 192
应用与实战 192
【任务6-1】药品销售数据统计与分析 192
【任务6-2】网上商城用户消费数据统计与分析 193
在线练习与考核 194

模块7
数据分析可视化展示 195
学习与训练 195
7.1　初识Matplotlib 195
7.1.1　Matplotlib概述 195
7.1.2　认知Matplotlib的Pyplot模块 197
7.1.3　使用Matplotlib绘制图形时实现支持中文显示 200
7.1.4　熟悉Pyplot模块的plot()函数 202
7.1.5　使用plot()函数绘制图形时设置辅助元素 205
7.2　应用Pyplot模块的函数绘制图形 209
7.2.1 使用Pyplot的plot()函数绘制线性函数图形与波形图 209
7.2.2　使用Pyplot的plot()函数绘制折线图 210
7.2.3　使用Pyplot的bar()函数绘制柱形图 211
7.2.4　使用Pyplot的barh()函数绘制条形图 213
7.2.5　使用Pyplot的scatter()函数绘制散点图 214
7.2.6　使用Pyplot的pie()函数绘制饼图 216
7.2.7　使用Pyplot的boxplot()函数绘制箱形图 218
7.2.8　使用Pyplot的hist()函数绘制直方图 220
7.2.9　在同一画布的不同区域绘制多个图形 220
7.3　使用pandas的plot()方法绘制图形 222
7.3.1　使用Series对象的plot()方法绘制图形 222
7.3.2　使用DataFrame对象的plot()方法绘制图形 224
7.4　使用seaborn模块绘制统计图表 227
7.4.1　初识seaborn模块 227
7.4.2　seaborn的风格设置 227
7.5　使用pyecharts模块实现数据可视化 231
7.5.1　初识pyecharts模块 231
7.5.2　pyecharts绘制图形的基本方法 232
应用与实战 236
【任务7-1】药品销售数据可视化展示与分析 236

【任务7-2】网上商城用户消费行为可视化展示与分析 236
【任务7-3】绘制折线图分析股票数据 237
【任务7-4】绘制学习小组课程成绩的箱形图 238
【任务7-5】绘制旅客年龄分布的箱形图 238
【任务7-6】使用pyecharts模块分析订单数据与用户购物偏好 239
在线练习与考核 239

模块8
时间序列操作与数据
抽样 240
学习与训练 240
8.1　pandas时间生成与转换 240
8.1.1 pandas时间序列 240
8.1.2　pandas日期和时间格式化 248
8.1.3 Pandas的Timedelta 250
8.2　pandas随机抽样 251
8.3　pandas数据重抽样 253
8.3.1　使用resample()函数实现数据降抽样 253
8.3.2　使用resample()函数实现数据升抽样 253
8.3.3　使用asfreq()函数实现频率转换 253
8.3.4　对缺失值进行插值处理 253
应用与实战 256
【任务8-1】对日期和时间数据进行灵活处理 256
【任务8-2】分析股票数据时应用pandas日期序列 257
在线练习与考核 257

模块9
数据分析与可视化综合
实战 258
学习与训练 258
9.1　数据分析的过程 258
9.2　基于互联网的数据分析的专业术语解释 260
应用与实战 261
【综合实战9-1】分析城市气温数据 261
【综合实战9-2】分析网上商城订单数据 270
在线练习与考核 277
参考文献 278