本书全面讲解Python数据分析的相关知识和技术，内容包括Python数据分析概述、NumPy数值计算、Matplotlib数据可视化、Pandas数据分析、数据预处理、Sklearn机器学习。本书以培养学生编程能力和数据分析能力为目标，注重技术应用能力的培养。本书内容充实、结构合理、实用性强，具有明确的应用能力培养目标，易于接受和理解，学完本书后，可以具备数据分析的基本能力。本书适合作为普通高等院校人工智能、数据科学与大数据以及计算机相关专业课程的教材，也可以作为相关从业人员的技术参考用书。

吴道君，男，广东岭南职业技术学院讲师、不错软件工程师，承担编程基础C++、软件工程、J2EE编程开发、.net开发等多门课程的教学任务。2011年12月指导学生参加第二届“国信蓝点杯”全国软件专业人才设计与开发大赛并获得个人赛全国总决赛“二等奖”，2013年在广东省首届信息技术类专业带头人“说专业”竞赛中获得“二等奖”。主编2016年9月于我社出版的《Java程序设计》一书。朱家荣：本科，就职于广西师范大学，从事数学、计算机等学科的课程教学，近10年主要担任《现代教育技术》、《教育技术与多媒体课件制作（含微课制作）》、《计算机应用基础》等课程教学。主持（或主要参与）完成广西教育厅科研项目，广西教育厅新世纪教改革工程项目等10多项，发表学术论文20多篇、主编参编教材多部，参与的《竞赛驱动 双向融通 地方高师院校师范生教师职业能力提升的研究与实践》项目获2017年广西高等教育自治区级教学成果奖一等奖。

章Python数据分析概述11.1数据分析的概念、流程和应用11.1.1数据分析的概念11.1.2数据分析的流程21.1.3数据分析的应用21.2数据分析工具31.2.1常用工具41.2.2Python数据分析41.3Python数据分析环境5小结9习题9实验10第2章NumPy数值计算152.1NumPy多维数组152.1.1数组创建152.1.2数组对象属性222.1.3数组数据类型232.2数组操作242.2.1修改数组形状242.2.2翻转数组262.2.3连接数组272.2.4分割数组282.2.5数组元素添加与删除302.3数组索引与切片322.3.1数组索引322.3.2数组切片332.3.3布尔型索引342.3.4花式索引352.4数组的运算352.4.1数组和标量间的运算352.4.2广播362.4.3算术函数372.4.4集合运算402.4.5统计运算412.4.6排序432.4.7搜索442.5线性代数452.5.1数组相乘462.5.2矩阵行列式462.5.3逆矩阵462.5.4线性方程组472.5.5特征值和特征向量472.6数组的存取48小结48习题48实验51第3章Matplotlib数据可视化543.1线形图543.1.1绘制线形图543.1.2颜色设置553.1.3线型设置563.1.4坐标点设置573.1.5线宽设置593.2其他图形593.2.1散点图593.2.2柱形图613.2.3条形图633.2.4饼图643.2.5直方图653.2.6箱线图673.3自定义设置693.3.1图例设置693.3.2坐标网格设置703.3.3坐标系设置713.3.4样式设置与注解723.3.5RC设置733.4子图743.4.1创建子图743.4.2子图坐标系设置763.4.3图形嵌套773.5绘制三维图形78小结81习题82实验82第4章Pandas数据分析894.1Pandas数据结构894.2DataFrame基本功能944.3读取外部数据954.3.1CSV文件964.3.2Sqlite数据库984.4数据帧的列操作和行操作994.4.1列操作994.4.2行操作1014.5不错索引1034.5.1重建索引1034.5.2更换索引1064.5.3层次化索引1074.6Pandas数据运算1084.6.1算术运算1084.6.2函数应用与映射运算1094.6.3排序1114.6.4迭代1134.6.5唯一值与值计数1154.7统计函数1164.7.1描述性统计1164.7.2变化率1194.7.3协方差1204.7.4相关性1204.7.5数据排名1214.8分组与聚合1224.8.1分组1224.8.2聚合1244.9透视表与交叉表1274.9.1透视表1274.9.2交叉表128小结129习题129实验129第5章数据预处理1345.1数据清洗1345.1.1重复值1345.1.2缺失值1355.1.3异常值1405.2合并连接与重塑1425.2.1merge合并1425.2.2concat合并1445.2.3combine_first合并1465.2.4数据重塑1475.3数据变换1495.3.1虚拟变量1495.3.2函数变换1505.3.3连续属性离散化1515.3.4规范化1525.3.5随机采样154小结156习题156实验156第6章Sklearn机器学习1626.1术语1626.2Sklearn1646.2.1Sklearn数据集1656.2.2Sklearn常用算法1716.2.3数据预处理1756.2.4数据集拆分1776.2.5模型评估1776.2.6Sklearn常用方法1786.2.7模型的保存和载入1796.3降维1796.3.1PCA（主成分分析）1796.3.2LDA（线性评价分析）1816.4回归1826.4.1线性回归1836.4.2逻辑回归1846.4.3回归决策树1856.5分类1866.5.1朴素贝叶斯1876.5.2分类决策树1886.5.3SVM（支持向量机）1896.5.4神经网络1906.5.5K？近邻算法1916.6聚类1926.6.1K？means算法1936.2.2DBSCAN194小结195习题195实验196参考文献200