这既是一本能带领读者零基础快速掌握Python数据分析方法与流程的工具书，又是一本从电商出发指导读者解决各类数据分析问题的实用指南。 首先，本书以Python数据分析中使用率极高的Pandas为切入点，注重对数据分析思维和技能的培养，详细讲解了Pandas的操作以及数据分析的方法，可覆盖80%以上的数据分析应用场景，为数据分析师打下坚实基础。 然后，本书以电商这个广大读者熟知且普适性极强的业务领域为依托，通过大量案例讲解了报表自动化、行业机会挖掘、用户分层、用户分群、用户偏好分析、同期群分析、指标波动归因分析、品牌分析等8大电商场景的数据分析方法，理论与案例深度融合。 本书以实用为本，聚焦重点，Python数据分析常用的高频功能不到Python数据分析能力的20%，本书去繁就简，只专注于能解决大部分问题的重点模块。本书以实战制胜，案例牵引，从表层直观地看，这些案例能解决各种电商业务问题；从深层仔细地分析，作者的本意实则是通过对这些案例抽丝剥茧，手把手教读者在实战中掌握数据分析的通用思维、方法和技能。 所以，如果你是关注电商业务的数据分析师，本书针对常见电商数据分析场景给出了具体的方法和解决方案，可照搬使用；如果你是一位没有任何数据分析基础的小白，这本书更加适合你，不仅能快速掌握数据分析的基本思维和方法，而且能在大量案例中获得实战技能和经验。

前言
第1章 Python数据分析准备
1.1 Python数据分析基础
1.1.1 数据分析的基本概念
1.1.2 为什么选择Python
1.1.3 Pandas和Python的关系
1.2 如何高效学习Pandas
1.2.1 Pandas学习中的误区
1.2.2 高效学习Pandas
1.3 Python所需的环境搭建
1.3.1 Python环境的选择
1.3.2 Anaconda的下载和安装
1.3.3 运行代码
1.4 本章小结
第2章 Pandas快速入门
2.1 Pandas的两大数据结构
2.1.1 初识Pandas
2.1.2 Series和DataFrame
2.2 数据读取和存储
2.2.1 Excel文件的读取
2.2.2 CSV文件的读取
2.2.3 其他文件类型的读取
2.2.4 存储数据
2.3 快速认识数据
2.3.1 查看数据
2.3.2 查看数据类型
2.3.3 统计信息概览
2.4 数据处理初体验
2.4.1 增
2.4.2 删
2.4.3 选
2.4.4 改
2.5 常用数据类型及操作
2.5.1 字符串
2.5.2 数值型
2.5.3 时间类型
2.6 本章小结
第3章 玩转索引
3.1 索引概述
3.1.1 到底什么是索引
3.1.2 两种索引类型
……
第4章 数据清洗四大核心操作
第5章 Pandas两大进阶利器
第6章 数据可视化
第7章 走近电商：商业方法论与分析体系
第8章 Python报表自动化
第9章 行业机会分析与权重确定
第10章 用户分层实战
第11章 用户分群实战与加强版RFM模型
第12章 用户偏好分析
第13章 万能的同期群分析
第14章 指标波动归因分析
第15章 一份全面的品牌分析报告