本书共10章，内容包括Python基本语法、Python科学计算、数据分析、数据处理、数据可视化等，通过图像分析、视觉分析、时序分析等方面的例子指导读者进行数据分析方面的工作。
本书与数据分析应用紧密结合，语言通俗易懂、案例实用性强，能够使读者对Python数据分析有一个较为全面的认识。除综合案例外，本书每章后面附有习题和作业，便于读者了解自己对内容的掌握程度。
本书可作为计算机科学与技术、人工智能、大数据、统计学及相关专业的本科生、研究生教材，也可以作为从事人工智能、大数据相关研究的科研人员的参考书。
本书配有授课电子课件，需要的教师可登录www.cmpedu.com免费注册，审核通过后下载，或联系编辑索取（微信：15910938545，电话：010-88379739）。

前言
第1章 Python简介
1.1 Python概要介绍
1.1.1 Python主要特点
1.1.2 Python不足
1.1.3 Python发展现状
1.2 Python发展历史
1.2.1 Python起源
1.2.2 Python各版本
1.3 Python常用工具包
1.4 Python常见问题
1.4.1 Python安装
1.4.2 Python IDE安装
1.4.3 Python和其他语言接口
1.4.4 工具包的安装
1.4.5 工具包的导入
1.5 Python在国内的发展
1.5.1 国内镜像
1.5.2 中小学教育
1.5.3 国内使用Python情况
习题和作业
第2章 Python语法
2.1 Python常用数据结构
2.1.1 列表
2.1.2 元组
2.1.3 集合
2.1.4 字典
2.2 分支与循环
2.2.1 分支
2.2.2 循环
2.2.3 三目表达式
2.3 函数、类和模块
2.3.1 函数
2.3.2 类
2.3.3 模块
2.4 Python语言与其他语言比较
习题和作业
第3章 Python科学计算
3.1 Python基本计算
3.1.1 算术运算
3.1.2 比较运算
3.1.3 赋值运算
3.1.4 逻辑运算
3.1.5 成员运算符
3.1.6 计算实例
3.2 利用NumPy科学计算
3.2.1 多维数组
3.2.2 广播特性
3.2.3 遍历轴
3.2.4 数组操作
3.2.5 矩阵运算
3.2.6 应用案例——图像压缩
3.3 Scipy包
3.3.1 Scipy简单介绍
3.3.2 基本操作
3.3.3 图像处理
3.3.4 快速傅里叶变换
3.3.5 函数插值
3.3.6 优化
3.4 NumPy与Python的性能比较
习题和作业
第4章 Python数据分析
4.1 Pandas包
4.1.1 读入csv文件
4.1.2 截取数据与描述数据
4.1.3 数据显示
4.1.4 数据处理
4.2 Scikit-learn包
4.2.1 特征降维
4.2.2 聚类
4.2.3 分类
4.3 其他Python分析包
4.3.1 频谱分析
4.3.2 时频分析
4.3.3 动力学分析
习题和作业
第5章 Python数据处理
5.1 数据清洗
5.2 数据预处理
5.3 统计分析
5.4 网络数据采集
5.4.1 网络爬虫
5.4.2 网页解析
5.5 案例应用
习题和作业
第6章 Python数据可视化
6.1 可视化的基本概念
6.2 利用Matplotlib进行可视化
6.2.1 绘制Matplotlib的图表组成元素
6.2.2 图表的美化和修饰
6.3 绘制统计图形
6.4 案例应用
6.4.1 气温数据可视化分析
6.4.2 交通线路图可视化
习题和作业
第7章 Python图像分析
7.1 图像分析简介
7.2 卷积神经网络组成
7.2.1 卷积层
7.2.2 激活函数层
7.2.3 池化层
7.2.4 Dropout层
7.2.5 Batch Normalization(BN)层
7.2.6 全连接层
7.3 经典卷积网络架构
7.3.1 LeNet-5
7.3.2 Alexlvet
7.3.3 VGGNet
7.3.4 ResNet
7.4 案例应用
7.4.1 MNIST手写数字识别
7.4.2 Kaggle猫狗大战
7.5 深度学习框架
习题和作业
第8章 Python视觉分析
8.1 基于OpenCV的视频操作
8.2 目标检测简介
8.3 R-CNN系列发展历程
8.4 Faster R-CNN详解
8.5 YOLO系列发展历程
8.6 YOLOv4详解
8.7 案例应用
8.7.1 Faster R-CNN目标检测
8.7.2 YOLOv4目标检测
8.8 国内视觉分析研究
8.8.1 工业界
8.8.2 学术界
习题和作业
第9章 Python时序分析
9.1 时序分析介绍
9.2 循环神经网络
9.2.1 记忆单元
9.2.2 输入输出序列
9.2.3 LSTM单元
9.2.4 GRU单元
9.3 案例应用
9.3.1 LSTM预测JetRail高铁乘客
9.3.2 GRU预测飞机乘客
9.3.3 LSTM预测温度
习题和作业
第10章 综合案例
10.1 人脸识别系统
10.1.1 人脸数据收集
10.1.2 训练人脸分类器
10.1.3 人脸识别实现
10.2 PM2.5预测系统
10.2.1 数据导入
10.2.2 建立数据集
10.2.3 构造预测模型
10.2.4 模型训练与测试
参考文献