本书以Python 3.9为编程环境，从Python编程基础到扩展库，再到数据分析，逐步展开Python数据分析与可视化教学。本书首先简要介绍数据分析与可视化的相关概念，并介绍Python基础知识；然后按照数据分析的主要步骤，重点介绍与数据获取、数据处理、数据分析、数据可视化以及机器学习建模过程相关的扩展库，包括NumPy、Pandas、BeautifulSoup、sklearn、Matplotlib、seaborn、pyecharts等；最后通过股票数据量化分析和销售业客户价值数据分析两个案例实战演示Python和相关扩展库的应用，将Python数据分析和可视化知识与实用案例有机结合。
本书适合作为高等院校本科生“数据分析”等课程的教材，也适合作为数据分析初学者的自学用书，还适合从事数据分析相关工作的工程师和爱好者阅读。

第1章 数据分析与可视化概述
1.1 数据与大数据
1.2 数据分析
1.3 数据可视化
1.3.1 数据可视化的目标
1.3.2 数据可视化的作用
1.3.3 数据可视化的优势
1.4 数据分析流程
1.5 Python数据分析与可视化
1.5.1 为什么选择Python做数据分析
1.5.2 Python数据分析与可视化常用类库
1.6 Jupyter Notebook的安装和使用
1.6.1 Jupyter Notebook的安装
1.6.2 Jupyter Notebook的使用
1.7 PyCharm的安装和使用
习题
实验一 熟悉Python开发环境
第2章 Python编程基础
2.1 Python语言简介
2.2 Python语言基本语法
2.2.1 Python基础数据类型
2.2.2 Python数据结构
2.2.3 Python控制语句
2.2.4 Python函数与模块
2.3 Python面向对象程序设计
2.3.1 定义和使用类
2.3.2 构造函数
2.3.3 析构函数
2.3.4 实例属性和类属性
2.3.5 私有成员与公有成员
2.3.6 方法
2.3.7 类的继承
2.4 Python图形用户界面设计
2.4.1 创建Windows窗口
2.4.2 几何布局管理器
2.4.3 Tkinter组件
2.4.4 Python事件处理
2.4.5 图形用户界面设计应用案例
2.5 操作常用文件
2.5.1 操作CSV文件
2.5.2 操作Excel文件
2.5.3 操作JSON文件
2.6 Python的第三方库
习题
实验二 基于Tkinter的GUI程序开发
第3章 科学计算NumPy库
3.1 NumPy数组的使用
3.1.1 NumPy数组说明
3.1.2 NumPy数组中的元素访问
3.1.3 NumPy数组的运算
3.1.4 NumPy数组的形状操作
3.2 NumPy中的矩阵对象
3.3 NumPy中的数据统计分析
3.3.1 排序
3.3.2 数据去重与数据重复
习题
……
第4章 Pandas统计分析基础
第5章 Python爬取网页数据
第6章 数据处理与数据分析
第7章 sklearn构造数据分析模型
第8章 数据可视化
第9章 案例实战——股票数据量化分析
第10章 案例实战——销售业客户价值数据分析
参考文献