本书在介绍Python语言基本知识的基础上，着重介绍了Python语言在数据获取、数据分析与数据挖掘等方面的应用。本书设置一个实战项目贯穿全书内容，每章引导读者综合运用本章知识点解决或改进本项目的某些任务，从数据的获取、处理、分析、可视化到知识的挖掘，逐步完成一个数据分析与挖掘项目。这是一本适应新工科、应用型人才培养的数据分析与挖掘的案例式图书。 本书共9章，包括Python语言概述、Python编程基础、Python爬虫技术、科学计算库（Numpy）、数据分析处理库（Pandas）、数据展示库（Matplotlib）、数据挖掘基础、Scikitlearn数据挖掘实战、初识深度学习等内容。本书体系完整，重点突出，资源丰富。 本书适合计算机科学与技术、数据科学与大数据技术、人工智能以及相关理工专业的本科生、研究生使用，也适合从事数据咨询、研究或分析等人士参考使用。

第1章 Python语言概述
1.1 Python简介
1.1.1 Python语言的特点
1.1.2 Python语言的应用
1.2 Python开发工具
1.2.1 Python代码编辑器
1.2.2 Python集成开发环境
1.3 Python编程规范
1.4 使用Spyder创建Python程序
1.4.1 Anaconda
1.4.2 标准库、扩展库的安装和升级
1.4.3 标准库、扩展库对象的导入
1.4.4 编写第一个Python程序
1.5 综合实战项目介绍
1.6 本章知识要点
1.7 习题
第2章 Python编程基础
2.1 变量及数据类型
2.1.1 数字
2.1.2 字符串
2.1.3 列表、元组、字典、集合
2.2 运算符、表达式和内置函数
2.3 列表
2.3.1 列表的创建
2.3.2 列表的基本操作
2.3.3 切片操作
2.3.4 列表推导式
2.4 元组
2.4.1 元组的创建
2.4.2 元组的基本操作
2.4.3 序列解包
2.4.4 生成器表达式
2.5 字典
2.5.1 字典的创建
2.5.2 字典的基本操作
2.5.3 字典推导式
2.6 集合
2.6.1 集合的创建
2.6.2 集合的基本操作
2.6.3 集合的运算
2.6.4 集合推导式
2.7 字符串
2.7.1 字符串的格式化
2.7.2 字符串的常用方法
2.8 选择结构、循环结构
2.8.1 选择结构
2.8.2 循环结构
2.9 函数
2.9.1 函数的定义与调用
2.9.2 函数的参数传递
2.9.3 lambda表达式
2.10 本章知识要点
2.11 习题
第3章 Python爬虫技术
3.1 案例导入
3.2 认识爬虫
3.2.1 爬虫的基本概念
3.2.2 爬虫的工作流程
3.2.3 爬虫的合法性与robots协议
3.3 网页下载器
3.3.1 HTTP的请求信息
3.3.2 Requests库的安装
3.3.3 Requests库的请求和响应
3.4 网页解析器
3.4.1 lxml库的安装
3.4.2 XPath常用语法
3.4.3 lxml库应用实例
3.5 案例实现
3.6 多线程数据获取
3.7 本章知识要点
3.8 习题
第4章 科学计算库（Numpy）
4.1 数组对象ndarray
4.1.1 数组的创建
4.1.2 数组的属性
4.1.3 索引与切片
4.2 ndarray数组的操作
4.2.1 数组元素的修改
4.2.2 数组形状的修改
4.2.3 数组的排序
4.2.4 数组的合并与分割
4.3 ndarray数组的运算
4.3.1 数组与标量的运算
4.3.2 数组与数组的运算
4.3.3 统计函数
4.3.4 布尔运算
4.3.5 分段函数
4.3.6 数组的集合运算
4.4 矩阵的常用操作
4.4.1 矩阵的生成
4.4.2 矩阵的统计方法
4.4.3 矩阵的转置
4.4.4 计算逆矩阵
4.4.5 计算方差、协方差及相关系数矩阵
4.5 Numpy应用案例
4.5.1 案例说明
4.5.2 案例分析
4.5.3 线性插值
4.5.4 实现代码
4.6 本章知识要点
4.7 习题
第5章 数据分析处理库（Pandas）
5.1 案例导入
5.2 Pandas常用数据类型
5.2.1 Series类型
5.2.2 DataFrame类型
5.3 读写外部数据
5.3.1 CSV文件的读取
5.3.2 CSV文件的写入
5.4 数据查看与筛选
5.5 统计分析
5.6 数据预处理
5.6.1 重复值处理
5.6.2 缺失值处理
5.6.3 异常值处理
5.6.4 类型转换
5.6.5 标准化数据
5.6.6 数据合并与连接
5.7 排序与分组
5.7.1 排序
5.7.2 分组与汇总
5.8 透视表与交叉表
5.8.1 透视表
5.8.2 交叉表
5.9 案例实现
5.10 本章知识要点
5.11 习题
第6章 数据展示库（Matplotlib）
6.1 案例导入
6.2 Matplotlib简介
6.3 使用Matplotlib库绘制各种图形
6.3.1 绘制折线图
6.3.2 绘制柱状图
6.3.3 绘制散点图
6.3.4 绘制饼图
6.3.5 绘制箱线图
6.3.6 绘制六边形分箱图
6.4 切分绘图区域
6.5 设置图例样式
6.6 保存绘图结果
6.7 词云图
6.8 案例实现
6.9 本章知识要点
6.10 习题
第7章 数据挖掘基础
7.1 数据挖掘的基本概念
7.1.1 数据挖掘的常用术语
7.1.2 数据挖掘的流程
7.2 Scikit-learn简介
7.2.1 Scikit-learn常用方法
7.2.2 Scikit-learn常用数据集
7.3 本章知识要点
7.4 习题
第8章 Scikit-learn数据挖掘实战
8.1 构建并评估回归模型
8.1.1 案例导入——房屋租金回归分析
8.1.2 线性回归算法原理
8.1.3 线性回归算法评估
8.1.4 Scikit-learn实现线性回归
8.1.5 案例实现
8.2 构建并评估分类模型
8.2.1 案例导入——鸢尾花分类
8.2.2 KNN算法原理
8.2.3 决策树算法原理
8.2.4 分类算法评估
8.2.5 Scikit-learn实现KNN和决策树分