《Python数据分析与挖掘实战》涵盖数据分析与数据挖掘的基础知识、必备工具和有效实践方法，能让读者充分掌握数据分析与数据挖掘的基本技能。
　　《Python数据分析与挖掘实战》共分为15章，主要内容包括大数据获取、数据预处理、探索性数据分析、用Sklearn估计器分类、主流数据分析库、大数据的数据库类型、数据仓库/商业智能、数据聚合与分组运算、数据挖掘工具、挖掘建模、模型评估、社会媒体挖掘、图挖掘分类、基于深度学习的验证码识别、基于深度学习的文本分类挖掘实现。
　　《Python数据分析与挖掘实战》采用理论与实践相结合的方式，利用Python语言的强大功能，既适合Python数据分析与数据挖掘初学者、大数据从业人员阅读，也适合高等院校和培训机构大数据与人工智能相关专业的师生教学参考。

第1章 大数据采集
1．1 大数据分类
1．2 大数据采集方法
1．3 Python爬虫
1．3．1 审查元素
1．3．2 认识网页结构
1．3．3 认识robots．txt的文档
1．3．4 爬虫的基本原理
1．3．5 Python爬虫架构
1．3．6 用GET方式抓取数据
1．3．7 用POST方式抓取数据
1．3．8 用Beautiful Soup解析网页
1．3．9 Python爬虫案例
1．4 本章小结

第2章 数据预处理
2．1 数据清洗
2．1．1 缺失值处理
2．1．2 异常值处理
2．2 数据集成
2．3 数据转换
2．4 数据规约
2．5 Python主要数据预处理函数
2．6 本章小结

第3章 探索性数据分析
3．1 异常值分析
3．2 缺失值分析
3．3 分布分析
3．4 相关性分析
3．5 对比分析
3．6 统计量分析
3．7 周期性分析
3．8 贡献度分析
3．9 Python主要数据探索函数
3．10 本章小结

第4章 Sklearn估计器
4．1 Sklearn概述
4．2 使用Sklearn估计器分类
4．2．1 k近邻算法
4．2．2 管道机制
4．2．3 Skleam比较分类器
4．3 本章小结

第5章 主流数据分析库
5．1 NumPy
5．2 PandaS
5．2．1 Pandas系列
5．2．2 Pandas数据帧
5．2．3 Pandas面板
5．3 SciPy
5．4 Matplotlib
5．5 本章小结

第6章 大数据：数据库类型
6．1 关系型数据库
6．2 关系型数据库与非关系型数据库的关系
6．3 SQLite
6．3．1 SQLite安装与配置
6．3．2 SQLite命令
6．3．3 SQLite语法
6．3．4 SQLite-Python
6．4 MySQL
6．4．1 MySQL安装
6．4．2 MySQL管理
6．4．3 MySQLPHP语法
6．4．4 PHP脚本连接MySQL
6．4．5 Python操作MySQL数据库
6．5 NoSQL数据库
……
第7章 数据仓库／商业智能
第8章 数据聚合与分组运算
第9章 数据挖掘工具
第10章 挖掘建模
第11章 模型评估
第12章 社会媒体挖掘
第13章 图挖掘分类
第14章 基于深度学习的验证码识别
第15章 基于深度学习的文本分类挖掘实现
参考文献