通过数据分析，你能够发现数据中的模式及其变化趋势，并从中获取有价值的信息。Python是最流行的数据分析工具之一。本书由浅入深地讲解使用Python进行数据分析的相关知识，以及如何使用Python的各种库来创建高效的数据管道，以便更好地进行数据分析和预测。
本书共4个部分。第1部分讲解Python的基础数据知识和相关数学知识，包括Python和相关库、软件的安装与使用，以及统计学和线性代数知识。第2部分讲解探索性数据分析和数据清洗，包括数据可视化、数据检索、数据处理、数据存储、数据清洗、信号处理和时间序列分析。第3部分讲解如何使用机器学习算法进行数据分析，包括回归分析、分类技术、主成分分析和聚类算法。第4部分通过实际案例，讲解如何使用自然语言处理（NLP）和图像分析技术来分析文本和图像，以及如何使用Dask进行并行计算。
本书适合想要通过Python完成数据分析的读者阅读。

阿曼多·凡丹戈（Armando Fandango），利用自己在深度学习、计算方法和分布式计算方面的专业知识，创造了人工智能（AI）产品。他为Owen.ai公司在AI产品战略方面提供建议。他创建了NeuraSights公司，其目标是利用神经网络创建有技术深度的产品。他还创建了Vets2Data公司，这家非盈利机构主要帮助美国退役军人掌握AI技能。

第1部分 数据基础
第1章 Python库入门
1.1 理解数据分析
1.2 数据分析的标准流程
1.3 KDD流程
1.4 SEMMA流程
1.5 CRISP-DM
1.6 数据分析与数据科学的比较
1.7 数据分析师和数据科学家应掌握的工具和技能
1.8 Python 3的安装
1.8.1 在Windows操作系统中安装Python
1.8.2 在Linux操作系统中安装Python
1.8.3 使用安装文件在macOS中安装Python
1.8.4 使用brew命令在macOS中安装Python
1.9 使用Anaconda
1.10 使用IPython
1.10.1 使用帮助功能
1.10.2 查找Python库的参考资料
1.11 使用JupyterLab
1.12 使用Jupyter Notebook
1.13 Jupyter Notebook的高级功能
1.13.1 快捷命令
1.13.2 安装其他内核
1.13.3 执行shell命令
1.13.4 Jupyter Notebook的扩展
1.14 总结
第2章 NumPy和pandas
2.1 技术要求
2.2 了解NumPy数组
2.2.1 数组特征
2.2.2 选择数组元素
2.3 NumPy数组中数值的数据类型
……
第2部分 探索性数据分析和数据清洗
第3部分 深入研究机器学习
第4部分 NLP、图像分析和并行计算