本书共9章，分为基础篇、中级篇、实战篇。基础篇（第1～3章）主要介绍了数据分析的定义、过程、作用和常用工具，并介绍了Python编程基础知识，以及常用的数据分析库NumPy、Pandas、Matplotlib、SciPy和Sklearn的基本使用方法，帮助读者更好地理解Python与数据分析的关系。中级篇（第4～6章）介绍了描述性统计分析与数据可视化、统计推断、数据预处理等任务的理论知识及Python实现方法，帮助读者较快地提高实际操作能力。实战篇（第7～9章）介绍了线性回归分析、分类、聚类分析的原理和典型算法，通过实际案例，逐步实现从基础到综合的过渡，提高读者对数据分析技术的综合运用能力。
本书既可作为应用型本科高等学校计算机、数学及相关专业的教材，也可供其他人员学习参考。

第一部分 基础篇
第1章 数据分析概述
1.1 数据分析的定义
1.2 数据分析的标准过程
1.3 数据分析的作用
1.4 常用的数据分析工具
第2章 Python编程基础
2.1 Python开发环境搭建
2.2 Python基础语法
2.3 Python数据类型
2.4 程序控制结构
2.5 函数
2.6 模块
第3章 常用的数据分析库
3.1 NumPy
3.2 Pandas
3.3 Matplotlib
3.4 SciPy
3.5 Sklearn
第二部分 中级篇
第4章 描述性统计分析与数据可视化
4.1 描述性统计分析
4.2 数据可视化
第5章 统计推断
5.1 假设检验
5.2 相关分析
第6章 数据预处理
6.1 数据清洗
6.2 数据集成
6.3 数据变换
6.4 数据规约
第三部分 实战篇
第7章 线性回归分析
7.1 算法原理
7.2 算法流程
7.3 算法案例
第8章 分类
8.1 分类的基本概念
8.2 KNN算法
8.3 决策树算法
第9章 聚类分析
9.1 聚类的基本概念
9.2 KMeans算法
9.3 DBSCAN算法
参考文献