本书分为基础篇和应用篇，共13章。其中，基础篇包括Python编程概述、Python编程基础、序列、流程控制、函数和模块等5章；应用篇包括Python网络爬虫、Python与数据分析、NumPy、Matplotlib、Pandas、SciPy、Seaborn和Sklearn 8章。
本书可作为高等院校本科层次：Python程序设计课程的教材，也可供从事计算机应用开发的各类技术人员参考，亦可作为全国计算机等级考试、软件技术资格与水平考试的参考资料。

基础篇
第1章 Python编程概述
1.1 Pvthon简介
1.2 Pvthon解释器
1.3 Pvthon编辑器
1.4 代码书写规则
课后习题
第2章 Python编程基础
2.1 Python对象
2.2 数据类型
2.3 运算符
2.4 表达式
2.5 Python转义字符
课后习题
第3章 序列
3.1 列表
3.2 元组
3.3 字符串
3.5 集合
课后习题
第4章 流程控制
4.1 程序设计流程
4.2 顺序结构
4.3 选择结构
4.4 循环结构
4.5 while语句
4.6 for语句
4.7 循环嵌套
4.8 转移语句
课后习题
第5章 函数和模块
5.1 函数概述
5.2 参数传递
5.3 参数分类
5.4 两类特殊函数
5.5 模块
5.6 第三方库的安装
课后习题
应用篇
第6章 Python网络爬虫
6.1 爬虫简介
6.2 requests库
6.3 正则表达式
6.4 BeautifulSoup库
6.5 Selenium爬虫
6.6 爬虫框架Scrapy
课后习题
第7章 Python与数据分析
7.1 数据分析概述
7.2 Pvthon数据分析库
7.3 数据分类
7.4 数据统计量
7.5 数据可视化
7.6 数据分析流程
课后习题
第8章 NumPy
8.1 认识NumPy
8.2 ndarrav对象
8.3 创建数组
8.4 数组变换
8.5 线性代数
8.6 统计量
课后习题
第9章 Matplotlib
9.1 认识Matplotlib
9.2 Matplotlib图的基本结构
9.3 子图基本操作
9.4 二维图
9.5 三维图
9.6 动态图
9.7 概率分布
课后习题
第10章 Pandas
10.1 认识Pandas
10.2 Series
10.3 DataFrame
10.4 Index
10.5 可视化
10.6 数据转换
10.7 数据处理
课后习题
第11章 SciPy
11.1 认识SciPy
11.2 稀疏矩阵
11.3 SciPy图结构
11.4 线性代数
11.5 数据优化
11.6 概率分布
11.7 统计量
11.8 图像处理
课后习题
第12章 Seaborn
12.1 认识Seaborn
12.2 绘图设置
12.3 绘图种类
课后习题
第13章 Sklearn
13.1 Skleam简介
13.2 数据集
13.3 数据操作流程
13.4 K近邻算法
13.5 决策树
13.6 线性模型
13.7 朴素贝叶斯
13.8 支持向量机
13.9 K-means聚类
13.10 DBSCAN聚类
课后习题
参考文献