Python是一门解释型、支持面向对象特性的、动态数据类型的高级程序设计语言，它具有丰富和强大的数据分析和处理库以及语言的简洁性、易读性和可扩展性等特点。Python简洁的语法和对动态输入的支持，再加上解释性语言的特性，使得它在许多领域都是种理想的脚本语言，特别适用于快速应用程序开发。本书系统地描述了如何利用Python语言进行数据分析，主要内容包括：Python基础、函数与模块、面向对象基础、异常与调试、Matplotlib绘图、NumPy基础、Pandas使用入门、随机过程与概率分布、条件概率与贝叶斯统计、线性回归、分类方法、机器学习等。

第1章 绪论
1.1 Python 语言的
1.2 Python编程环境的搭建
1.3 Python数据分析的工具
1.4 Hello World
1.5 软件开发流程
第2章 Python基础
2.1 输出和输入
2.2 常量
2.3 变量
2.4 运算符和表达式
2.5 数据结构
2.6 控制流
第3章 函数与模块
3.1 函数概述
3.2 函数的声明和调用
3.3 参数的传递
3.4 函数的返回值
3.5 变量的作用域
3.6 模块
第4章 面向对象基础
4.1 面向对象编程
4.2 类的定义和使用
4.3 类的属性和方法
4.4 类的继承
4.5 重载
第5章 异常与调试
5.1 异常处理
5.2 断言
5.3 程序的基本调试方法
第6章 Matplotlib绘图
6.1 Matplotlib概述
6.2 Matplotlib 导入
6.3 简易线形图、散点图、直方图
6.4 Seaborn
6.5 案例：醉汉随机游走问题及模拟
第7章 NumPy基础
7.1 NumPy 数组基础
7.2 NumPy数组的计算：通用函数
7.3 案例1：矩阵计算
7.4 案例2：小行星运行轨道计算问题
7.5 实例3：手写数字识别
第8章 Pandas使用入门
8.1 Pandas对象简介
8.2 Pandas数值运算方法
8.3 处理缺失值
8.4 合并数据集
8.5 案例1：统计数据及可视化
8.6 实例2：美国各州的统计数据
第9章 随机过程与概率分布
9.1 随机过程
9.2 统计推断
9.3 分布
9.4 案例：双骰子游戏
第10章 条件概率与贝叶斯统计
10.1 条件概率
10.2 朴素贝叶斯分类
10.3 贝叶斯更新
10.4 案例：贝叶斯估计典型案例
第11章 线性回归
11.1 Scikit-Learm简介
11.2 简单线性回归
11.3 正则化
11.4 案例：自行车流量预测
第12章 分类方法
12.1 分类器评价
12.2 逻辑回归
12.3 K邻
12.4 使用线性回归建立分类器
12.5 案例：生存预测
第13章 机器学
13.1 机器学计学差异
13.2 特征向量
13.3 距离度量
13.4 SVM在人脸识别中的应用
参考文献