本书作为Python数据分析的案例实战教程，不仅介绍了使用Python进行数据分析所涉及的常用知识，而且介绍了6个流行的数据分析方面的项目。全书共分10章，内容包括数据分析基础、NumPy模块实现数值计算、pandas模块实现统计分析、Matplotlib模块实现数据可视化、客户价值分析、销售收入分析与预测、二手房数据分析预测系统、智能停车场运营分析系统、影视作品分析和看店宝。全书以案例引导，每个案例都提供了相关的技术准备和知识讲解，有助于学生在理解知识的基础上，更好地运用知识，达到学以致用的目的。 本书是慕课版教材，各章节都配备了微课，并且在人邮学院(WWW．rymooc．com)平台上提供了配套慕课。此外，本书还提供所有实例、案例项目的源代码、制作精良的电子课件PPT、自测题库等内容。其中，源代码全部经过精心测试，能够在Windows 10环境中运行。 本书可作为应用型本科计算机类专业、高职软件专业及相关专业的教材，同时也适合初、中级Python数据分析人员参考使用。

第1章 数据分析基础
1.1 什么是数据分析　
1.2 数据分析的应用　
1.3 数据分析方法　
1.3.1 对比分析法　
1.3.2 同比分析法　
1.3.3 环比分析法　
1.3.4 80/20法则　
1.3.5 回归分析法　
1.3.6 聚类分析法　
1.3.7 时间序列分析法　
1.4 数据分析工具　
1.5 数据分析流程　
1.5.1 明确目的　
1.5.2 获取数据　
1.5.3 数据处理　
1.5.4 数据分析　
1.5.5 验证结果　
1.5.6 数据展现　
1.5.7 数据应用　
1.6 Python数据分析常用模块　
1.6.1 数值计算模块　
1.6.2 数据处理模块　
1.6.3 数据可视化模块　
1.6.4 机器学习模块　
小结　
习题　
第2章 NumPy模块实现
数值计算　
2.1 初识NumPy模块　
2.1.1 NumPy的诞生　
2.1.2 NumPy的安装　
2.1.3 NumPy的数据类型　
2.1.4 数组对象ndarray　
2.1.5 数据类型对象dtype　
2.2 NumPy模块中数组的基本操作　
2.2.1 内置的数组创建方法　
2.2.2 生成随机数　
2.2.3 切片和索引　
2.2.4 修改数组形状　
2.2.5 组合数组　
2.2.6 数组分割　
2.3 NumPy模块中函数的应用　
2.3.1 数学函数　
2.3.2 算术函数　
2.3.3 统计函数　
2.3.4 矩阵函数　
2.4 广播机制　
小结　
习题　
第3章 pandas模块实现统计
分析　
3.1 安装pandas模块　
3.2 pandas数据结构　
3.2.1 Series对象　
3.2.2 DataFrame对象　
3.3 读、写数据　
3.3.1 读、写文本文件　
3.3.2 读、写Excel文件　
3.3.3 读、写数据库数据　
3.4 数据操作　
3.4.1 数据的增、删、改、查　
3.4.2 NaN数据处理　
3.4.3 时间数据的处理　
3.5 数据的分组与聚合　
3.5.1 分组数据　
3.5.2 聚合数据　
3.6 数据的预处理　
3.6.1 合并数据　
3.6.2 去除重复数据　
小结　
习题　
第4章 Matplotlib模块实现
数据可视化　
4.1 基本用法　
4.1.1 安装 Matplotlib　
4.1.2 pyplot子模块的绘图流程　
4.1.3 pyplot子模块的常用语法　
4.2 绘制常用图表　
4.2.1 绘制条形图　
4.2.2 绘制折线图　
4.2.3 绘制散点图　
4.2.4 绘制饼图　
4.2.5 绘制箱形图　
4.2.6 多面板图表　
4.3 3D绘图　
4.3.1 3D线图　
4.3.2 3D曲面图　
4.3.3 3D条形图　
小结　
习题　
第5章 客户价值分析　
5.1 背景　
5.2 系统设计　
5.2.1 系统功能结构　
5.2.2 系统业务流程　
5.2.3 系统预览　
5.3 系统开发必备　
5.3.1 开发环境及工具　
5.3.2 项目文件结构　
5.4 分析方法　
5.4.1 RFM模型　
5.4.2 聚类分析　
5.4.3 k-means聚类算法　
5.5 技术准备　
5.5.1 sklearn模块　
5.5.2 k-means聚类　
5.5.3 pandas模块　
5.6 用Python实现客户价值分析　
5.6.1 数据抽取　
5.6.2 数据探索分析　
5.6.3 数据处理　
5.6.4 客户聚类　
5.6.5 客户价值分析　
小结　
习题　
第6章 销售收入分析与预测　
6.1 背景　
6.2 系统设计　
6.2.1 系统功能结构　
6.2.2 系统业务流程　
6.2.3 系统预览　
6.3 系统开发必备　
6.3.1 开发环境及工具　
6.3.2 项目文件结构　
6.4 分析方法　
6.4.1 线性回归　
6.4.2 最小二乘法　
6.5 线性回归模型　
6.6 Excel日期数据处理　
6.6.1 按日期筛选数据　
6.6.2 按日期显示数据　
6.6.3 按日期统计数据　
6.7 分析与预测　
6.7.1 数据处理　
6.7.2 日期数据统计并显示　
6.7.3 根据历史销售数据
绘制拟合图　
6.7.4 预测销售收入　
小结　
习题　
第7章 二手房数据分析
预测系统　
7.1 需求分析　
7.2 系统设计　
7.2.1 系统功能结构　
7.2.2 系统业务流程　
7.2.3 系统预览　
7.3 系统开发必备　
7.3.1 开发环境及工具　
7.3.2 文件夹组织结构　
7.4 技术准备　
7.4.1 sklearn库概述　
7.4.2 加载datasets子模块中的
数据集　
7.4.3 支持向量回归函数　
7.5 图表工具模块　
7.5.1 绘制饼图　
7.5.2 绘制折线图　
7.5.3 绘制条形图　
7.6 二手房数据分析　
7.6.1 清洗数据　
7.6.2 各区二手房均价分析　
7.6.3 各区房子数量比例　
7.6.4 全市二手房装修程度分析　
7.6.5 热门户型均价分析　
7.6.6 二手房售价预测　
小结　
习题