本书系统性地总结了Python在数据分析中的应用方法，围绕数据分析所需的编程技能进行了详细的讲解与实践指导。本书从基本编程出发，逐步深入到面向对象编程、使用模块、数组操作、数据处理以及可视化数据等关键领域，并通过丰富的示例展示了如何将Python的核心工具高效地应用于复杂的数据分析场景。本书注重实践与理论结合，帮助读者建立对数据分析任务的系统性理解。 本书面向具有一定Python基础的读者，包括数据分析、机器学习及相关领域的研究人员、工程师以及高等院校的高年级本科生和研究生。此外，本书也适合希望通过掌握数据分析工具提升项目实践能力的读者阅读。无论是希望夯实编程基础的读者，还是希望在数据分析领域深入探索的技术人员，都可以通过本书获得清晰的思路和实用的工具支持。

译者序
前言
致谢
第1章 基本编程
1.1 基础语言
1.1.1 入门
1.1.2 保留关键字
1.1.3 数字
1.1.4 复数
1.1.5 字符串
1.1.6 基本数据结构
1.1.7 循环和条件
1.1.8 函数
1.1.9 文件输入/输出
1.1.10 处理错误
1.1.11 掌握Python的强大功能
1.1.12 生成器
1.1.13 装饰器
1.1.14 迭代
1.1.15 使用Python断言进行预调试
1.1.16 使用sys.settrace进行堆栈追踪
1.1.17 使用IPython进行调试
1.1.18 从Python中进行日志记录
第2章 面向对象编程
2.1 属性
2.2 方法
2.3 继承
2.4 类变量
2.5 类函数
2.6 静态方法
2.7 哈希对子变量隐藏父变量
2.8 委托函数
2.9 使用super进行委托
2.10 元编程：猴子补丁
2.11 抽象基类
2.12 描述符
2.13 具名元组和数据类
2.14 泛型函数
2.15 设计模式
2.15.1 模板
2.15.2 单列模式
2.15.3 观察者
2.15.4 适配器
参考文献
第3章 使用模块
3.1 标准库
3.2 编写和使用自己的模块
3.2.1 将目录用作模块
3.3 动态导入
3.4 从Web中获取模块
3.5 Conda包管理
参考文献
第4章 Numpy
4.1 Dtypes
4.2 多维数组
4.3 重塑和堆叠Numpy数组
4.4 复制Numpy数组
4.5 切片、逻辑数组操作
4.6 Numpy数组和内存
4.7 Numpy内存数据结构
4.8 数组元素操作
4.9 通用函数
4.10 Numpy数据输入/输出
4.11 线性代数
4.12 广播
4.13 掩码数组
4.14 浮点数
4.15 高级Numpydtypes
参考文献
第5章 Pandas
5.1 使用Series
5.2 使用数据帧
5.3 重新索引
5.4 删除项目
5.5 高级索引
5.6 广播和数据对齐
5.7 分类和合并
5.8 内存使用和数据类型dtypes
5.9 常见的操作
5.10 显示DataFrame
5.11 分层索引
5.12 Pipes
5.13 数据文件和数据库
5.14 自定义Pandas
5.15 滚动和填充操作
第6章 可视化数据
6.1 Matplotlib
6.1.1 设置默认值
6.1.2 图例
6.1.3 子图
6.1.4 Spines
6.1.5 共享轴
6.1.6 三维曲面
6.1.7 使用patch
6.1.83 d中的patches
6.1.9 使用transformation
6.1.10 使用文本注释
6.1.11 使用箭头注释
6.1.12 嵌入可缩放/不可缩放的子图
6.1.13 动画
6.1.14 直接使用路径
6.1.15 使用滑块与绘图交互
6.1.16 色彩图
6.1.17 使用setp和getp
6.1.18 与Matplotlib图形交互
6.1.19 键盘事件
6.1.20 鼠标事件
6.2 Seaborn
6.2.1 自动聚合
6.2.2 多个绘图
6.2.3 分布图
6.3 Bokeh
6.3.1 使用Bokeh基元
6.3.2 Bokeh布局
6.3.3 Bokeh组件
6.4 Altair
6.4.1 Altair细节化
6.4.2 聚合和转换
6.4.3 Altair交互
6.5 Holoviews
6.5.1 数据集
6.5.2 图像数据
6.5.3 表格数据
6.5.4 自定义交互
6.5.5 流
6.5.6 Pandas与hvplot集成
6.5.7 网络图
6.5.8 HolovizPanel
6.6 Plotly
参考文献