第1章　Python基础应用　001
1.1　数据分析基础　001
1.1.1　什么是数据分析　001
1.1.2　数据分析的基本流程　002
1.1.3　Python与数据分析　002
1.2　Python概述　003
1.2.1　Python的发展　003
1.2.2　Python的特点　003
1.3　Python开发环境配置　004
1.3.1　Python解释器的安装　004
1.3.2　Anaconda开发环境的安装　005
1.3.3　Python第三方库　006
1.3.4　编写Python程序　008
1.4　Python基本语法规则　009
1.4.1　缩进与对齐　009
1.4.2　注释　010
1.4.3　变量　011
1.4.4　赋值　011
1.4.5　保留字　012
1.4.6　基本输入和输出　013
思维导图　014
课后习题　015
章节实训　016

第2章　基本数据类型　017
2.1　数值类型　017
2.1.1　整型　017
2.1.2　浮点型　019
2.1.3　布尔型　020
2.1.4　复数型　020
2.2　数值运算　021
2.2.1　基本运算　021
2.2.2　数值运算函数　026
2.3　字符串类型　027
2.3.1　字符串的创建　027
2.3.2　转义字符　028
2.3.3　字符串基本操作　028
2.3.4　format()函数的基本使用　031
2.4　不同数据类型的转换　033
思维导图　034
课后习题　034
章节实训　036

第3章　程序的控制结构　037
3.1　程序的基本结构　037
3.2　程序的选择结构　038
3.2.1　单分支选择结构　039
3.2.2　二分支选择结构　040
3.2.3　多分支选择结构　040
3.3　程序的循环结构　042
3.3.1　for语句　042
3.3.2　while语句　044
3.3.3　特殊的流程控制语句　045
3.4　程序的异常处理　046
3.5　random库的使用　048
思维导图　049
课后习题　049
章节实训　050

第4章　函数　051
4.1　函数的定义与调用　051
4.1.1　函数的定义　051
4.1.2　函数的调用　053
4.2　函数的参数与返回值　054
4.2.1　默认参数　054
4.2.2　关键字参数　054
4.2.3　可变长参数　054
4.2.4　返回值　055
4.3　变量的作用域　056
4.3.1　局部变量　056
4.3.2　全局变量　057
4.4　递归　058
思维导图　059
课后习题　059
章节实训　060

第5章　组合数据类型　061
5.1　列表　062
5.1.1　列表简介　062
5.1.2　列表的操作　062
5.2　元组　068
5.2.1　元组简介　068
5.2.2　元组的操作　068
5.3　集合　070
5.3.1　集合简介　070
5.3.2　集合的操作　071
5.4　字典　073
5.4.1　字典简介　073
5.4.2　字典的操作　074
5.5　jieba库的使用　078
5.5.1　英文文本分词　078
5.5.2　中文文本分词　078
5.6　wordcloud库的使用　079
思维导图　080
课后习题　080
章节实训　082

第6章　Python文件操作　083
6.1　Python文件概述　083
6.2　文件操作　084
6.2.1　文件的基本操作　084
6.2.2　CSV文件的操作　088
6.3　Python文件夹的操作　089
6.3.1　创建文件夹　089
6.3.2　判断文件夹是否存在　090
6.3.3　重命名文件夹　090
6.3.4　改变文件夹　091
6.3.5　获取文件及文件夹名称列表　091
6.3.6　获取绝对路径　092
6.3.7　删除文件夹　092
思维导图　093
课后习题　093
章节实训　094

第7章　pandas数据分析　095
7.1　pandas数据结构　095
7.1.1　Series对象　096
7.1.2　DataFrame对象　097
7.2　DataFrame数据的基本操作　100
7.2.1　数据的提取　101
7.2.2　数据的修改　106
7.2.3　数据的增加　107
7.2.4　数据的删除　109
7.2.5　数据的筛选　109
7.3　数据的导入与导出　111
7.3.1　数据导入　111
7.3.2　数据导出　113
7.4　数据的预处理　115
7.4.1　索引修改　115
7.4.2　排序　117
7.4.3　数据合并　119
7.4.4　缺失值处理　124
7.4.5　重复值处理　125
7.5　数据分组统计　127
7.5.1　数据的描述性统计　127
7.5.2　常用聚合函数　127
7.5.3　数据的分组聚合　129
7.6　创建透视表和交叉表　132
7.6.1　创建透视表　132
7.6.2　创建交叉表　133
思维导图　134
课后习题　135
章节实训　137

第8章　Python时间序列分析　138
8.1　时间获取　138
8.2　时间的格式化　144
8.2.1　时间戳　144
8.2.2　时间字符串　145
8.2.3　不同单位的时间　147
8.3　时间列的基本操作　147
8.3.1　时间列格式的转换　147
8.3.2　时间列的使用　150
8.4　时间索引　152
8.4.1　时间索引的建立　152
8.4.2　时间索引的使用　153
思维导图　155
课后习题　156
章节实训　157

第9章　Python可视化分析　158
9.1　Matplotlib数据可视化　158
9.1.1　利用Matplotlib绘制散点图　160
9.1.2　利用Matplotlib绘制折线图　162
9.1.3　利用Matplotlib绘制柱状图　164
9.1.4　利用Matplotlib绘制饼图　167
9.2　pyecharts 数据可视化　169
9.2.1　利用pyecharts绘制柱状图　169
9.2.2　利用pyecharts绘制饼图　173
9.2.3　利用pyecharts绘制漏斗图　174
9.2.4　利用pyecharts绘制仪表盘　175
思维导图　176
课后习题　176
章节实训　177

第10章　NumPy科学计算　178
10.1　创建NumPy数组　180
10.1.1　通过列表和其他类数组对象创建数组　181
10.1.2　创建特殊NumPy数组　182
10.1.3　创建矩阵　184
10.2　NumPy数组操作　185
10.2.1　数组切片和索引　185
10.2.2　数组的重构　188
10.2.3　数组和标量间的运算　188
10.2.4　通用函数　189
10.2.5　矩阵操作　190
10.2.6　数组排序　192
10.2.7　统计函数　192
10.3　用NumPy处理线性代数的相关计算　194
10.3.1　向量化运算　194
10.3.2　特征值与特征向量　195
10.3.3　用NumPy求线性方程组的解　195
思维导图　197
课后习题　198
章节实训　199

第11章　Python机器学习　200
11.1　分类　200
11.1.1　特征选择的引入　201
11.1.2　特征选择指标的计算　201
11.1.3　决策树的可视化　204
11.2　回归　208
11.2.1　回归的引入　208
11.2.2　逻辑回归　209
11.2.3　线性回归　211
11.3　聚类　215
11.3.1　K-Means聚类算法的介绍　216
11.3.2　K-Means聚类算法的实现　216
思维导图　218
课后习题　219
章节实训　220