本书以Anaconda为主要开发工具，全面系统地介绍了Python数据分析的相关知识。全书共10章，第1章介绍了数据分析的基本概念，以及开发工具的安装和使用；第2～6章介绍了Python数据分析的常用库及其应用，包括如何使用NumPy对一维数组和二维数组进行数值计算和操作，如何使用pandas进行数据获取、预处理以及分组与聚合等一些操作，如何使用Matplotlib、Seaborn与Pyecharts进行数据可视化；第7～8章介绍了时间序列和文本数据的分析；第9章介绍了机器学习的相关概念以及KNN算法；第10章开发了一个数据分析的综合项目，完整呈现了数据分析及可视化的全过程。 本书附有丰富的教学资源，包括教学大纲、教学设计、教学PPT、教学视频、配套题库、源代码等，为帮助读者更好地学习本书内容，还提供在线答疑服务。 本书适合作为高等院校计算机相关专业及其他工科专业数据分析类课程教材，也可作为数据分析爱好者的参考书。

第1章 数据分析概述
1.1 数据分析产生的背景
1.2 什么是数据分析
1.3 数据分析的应用场景
1.4 数据分析的流程
1.5 为什么选择Python做数据分析
1.6 搭建开发环境
1.6.1 Anaconda概述
1.6.2 Anaconda的安装
1.6.3 通过Anaconda管理包
1.7 启用Jupyter Notebook
1.7.1 启动Anaconda自带的Jupyter Notebook
1.7.2 Jupyter Notebook界面详解
1.7.3 Jupyter Notebook的基本使用
1.8 常见的数据分析库
小结
习题
第2章 科学计算库NumPy
2.1 认识NumPy数组
2.1.1 NumPy数组的相关概念
2.1.2 NumPy数组的属性
2.2 创建数组
2.3 数组的数据类型
2.3.1 查看数据类型
2.3.2 转换数据类型
2.4 数组的索引和切片
2.4.1 数组的索引方式
2.4.2 整数索引和切片
2.4.3 花式索引
2.4.4 布尔索引
2.5 数组的算术运算
2.5.1 形状相同的数组间的算术运算
2.5.2 形状不同的数组间的算术运算
2.5.3 数组与标量的算术运算
2.6 通用函数
2.7 数组的重塑与转置
2.7.1 数组的重塑
2.7.2 数组的转置
2.8 数组的其他操作
2.8.1 条件逻辑
2.8.2 统计运算
2.8.3 数组元素排序
2.8.4 检索数组元素是否满足条件
2.8.5 查找数组的唯一元素
2.8.6 判断元素是否在其他数组中
2.9 线性代数模块
2.10 随机数模块
2.11 案例：计算股票收益率和波动率
2.11.1 案例需求
2.11.2 数据准备
2.11.3 案例实现
小结
习题
第3章 数据分析库pandas基础
3.1 数据结构
3.1.1 Series
……
第4章 数据预处理
第5章 数据聚合与分组运算
第6章 数据可视化
第7章 时间序列分析
第8章 文本数据分析
第9章 机器学习入门
第10章 实战演练——租房数据统计分析