本书对Python编程的基础内容、Python数据处理与分析的基本工具、统计建模的常见方法和原理以及Python实现进行了详细介绍，本书最后两章，从两个实际的建模案例出发，对数据预处理、特征工程、统计建模、结果分析与可视化，即统计建模的整个过程进行了详细说明。
本书适合从事统计学、应用数学、经济管理及计算机等方面工作或学习的本科生、研究生和教师阅读与使用。

1 Python数据分析概述和Anaconda
1.1 数据分析概述
1.2 Python数据分析工具
1.3 Python的Ananconda发行版
1.4 本书的内容安排
2 Python中的变量和数据类型
2.1 print函数
2.2 变量
2.3 变量命名规则
2.4 简单数据类型
2.5 字符串
2.6 数据类型转换
习题
3 基本语法
3.1 缩进
3.2 操作符与运算符
3.3 数值运算及其优先级
3.4 函数
3.5 模块
3.6 获取输入内容
3.7 占位符
3.8 进制以及之间的转换
3.9 注释
习题
4 列表
4.1 自由的列表
4.2 元素访问和修改
4.3 列表元素的增加
4.4 列表元素的删除
4.5 列表元素的嵌套
4.6 名字绑定规则
4.7 元素排序
4.8 数值列表
4.9 列表统计
4.10 快速创建列表
4.11 列表运算
4.12 成员函数
4.13 列表的复制
4.14 列表的切片
习题
5 数据类型和标签式存储
5.1 元组的定义
5.2 bytes
5.3 序列和名字绑定
习题
6 条件语句和循环语句
6.1 条件语句
6.2 断言和Python之禅
6.3 循环语句
6.4 几个特殊函数
习题
7 字典
7.1 字典的创建
7.2 dict函数
7.3 字典的基本操作
7.4 字典的嵌套
7.5 字符串映射替换
7.6 成员函数
7.7 字典的遍历
习题
8 函数
8.1 自定义函数
8.2 函数参数
8.3 作用域
8.4 递归
8.5 存函数于模块
习题
9 数值计算基础——NumPy
9.1 NumPy中的数组对象ndarray
9.2 NumPy矩阵与通用函数
9.3 利用NumPy进行统计分析
习题
10 Matplotlib数据可视化
10.1 pyplot绘图基本语法与常用函数
10.2 用图形展示特征之间的关系
10.3 用图形展示数据分布与分散情况
习题
11 统计分析基础工具——pandas
11.1 用pandas读写不同源的数据
11.2 DataFrame的常用操作
11.3 时间序列数据
11.4 分组聚合进行组内计算
11.5 透视表与交叉表的创建
习题
12 使用pandas进行数据预处理
12.1 数据合并
12.2 数据清洗
12.3 数据标准化
12.4 数据转换
习题
13 使用scikit-learn构建模型
13.1 分类与回归问题简介
13.2 使用scikit-learn转换器处理数据
13.3 监督学习算法——分类与回归
习题
14 基于机器学习方法的中小微企业信贷决策
14.1 问题的提出
14.2 数据预处理
14.3 问题1的求解
习题
15 抗乳腺癌候选药物的优化建模与分析
15.1 数据预处理
15.2 变量的筛选
15.3 ERα生物活性的定量预测
习题
参考文献