本书以Python数据分析与挖掘的常用技术与真实案例相结合的方式，深入浅出地介绍Python数据分析与挖掘的重要内容。本书共11章，分为基础篇（第1～5章）和实战篇（第6～11章），基础篇包括数据挖掘基础、Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等基础知识；实战篇包括6个案例，分别为信用卡高风险客户识别、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测、电视产品个性化推荐，以及基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测。本书大部分章节包含实训和课后习题，通过练习和操作实践，可帮助读者巩固所学的内容。
本书可作为“1+X”证书制度试点工作中的大数据应用开发（Python）职业技能等级（高级）证书的教学和培训用书，也可作为高校数据科学或人工智能相关专业的教材，还可作为数据挖掘爱好者的自学用书。

基础篇
第1章 数据挖掘基础
1.1 数据挖掘发展史
1.2 数据挖掘的常用方法
1.3 数据挖掘的通用流程
1.3.1 目标分析
1.3.2 数据抽取
1.3.3 数据探索
1.3.4 数据预处理
1.3.5 分析与建模
1.3.6 模型评价
1.4 常用数据挖掘工具
1.5 Python数据挖掘环境配置
小结
课后习题
第2章 Python数据挖掘编程基础
2.1 Python使用入门
2.1.1 基本命令
2.1.2 判断与循环
2.1.3 函数
2.1.4 库的导入与添加
2.2 Python数据分析预处理的常用库
2.2.1 NumPy
2.2.2 pandas
2.2.3 Matplotlib
2.3 Python数据挖掘建模的常用库和框架
2.3.1 scikit-learn
2.3.2 深度学习框架
2.3.3 其他
小结
实训判断、函数、类型转换的使用
课后习题
第3章 数据探索
3.1 数据校验
3.1.1 一致性校验
3.1.2 缺失值校验
3.1.3 异常值校验
3.2 数据特征分析
3.2.1 描述性统计分析
3.2.2 分布分析
3.2.3 对比分析
3.2.4 周期性分析
3.2.5 贡献度分析
3.2.6 相关性分析
小结
实训
实训1 分布分析、描述性统计分析和贡献度分析
实训2 对比分析、相关性分析和周期性分析
课后习题
第4章 数据预处理
4.1 数据清洗
4.1.1 重复值处理
4.1.2 缺失值处理
4.1.3 异常值处理
……
实战篇