本书以商务数据处理与应用为基本出发点，重点介绍基于Python语言的商务数据处理技巧、数据分析方法及可视化操作，内容包括：常见的数据管理及分析软件介绍，Python编程基础，Matplotlib、Seaborn和Pyecharts数据可视化，线性相关与回归分析，数据压缩、聚类、时间序列、大数据分析方法，综合案例实战。
本书案例内容丰富，通过26个综合案例详细介绍了数据挖掘方法及可视化在商务数据中的应用，展现了Python的强大数据分析能力。读者在了解数据挖掘方法原理的基础上，通过案例学习可以更有效地提高其数据分析的实际能力。本书适用于各个层次的读者，既可面向非计算机专业的数据分析者，强调应用性和实战性，也可作为计算机专业或数据科学专业的基础应用学习书。

谢贤芬，女，博士，暨南大学统计系硕士生导师。曾任加拿大北电通信设备有限公司高级工程师，主研LTE网络核心技术。从事专业教学10余年，具有深厚的计算机和经济学交叉学习和工作背景；主持10余项国家级、省部级科研项目，获多项省级教学成果奖，主持教学改革研究项目；发表SCI、EI、国内核心期刊论文30余篇，出版专著和获软件著作版权多项。研究方向为复杂数据处理与分析、深度学习方法、经济金融风险评价和预警监测、突发事件风险评价。

第1章 数据管理及分析软件
1.1 数据收集及管理
1.2 数据挖掘软件
1.3 习题
第2章 Python编程基础
2.1 Python简介
2.2 数据挖掘编程平台
2.3 Python基本语法
2.4 基本分析包
2.5 习题
第3章 Matplotlib数据可视化
3.1 Matplotlib基本参数配置
3.2 绘图参数文件及主要函数
3.3 Matplotlib基本绘图
3.4 Matplotlib绘图案例
3.5 习题
第4章 Seaborn数据可视化
4.1 Seaborn库简介
4.2 基本绘图参数设置
4.3 统计绘图函数
4.4 Seaborn可视化案例
4.5 习题
第5章 Pyecharts数据可视化
5.1 Pyecharts全局参数配置
5.2 数据系列配置
5.3 运行环境
5.4 习题
第6章 线性相关与回归分析
6.1 单变量线性相关与回归
6.2 多元线性相关与回归
6.3 综合案例：我国财政收入水平的区域差异分析
6.4 习题
第7章 数据压缩分析方法
7.1 主成分分析的概念
7.2 主成分的基本分析
7.3 综合案例
7.4 习题
第8章 聚类分析方法
8.1 聚类分析的概念
8.2 常见的聚类分析方法
8.3 综合案例
8.4 习题
第9章 时间序列分析方法
9.1 时间序列的概念
9.2 时间序列基本模型
9.3 ARIMA模型的构建
9.4 综合案例：社会消费品零售总额分析
9.5 习题
第10章 大数据分析方法
10.1 大数据的概念及应用
10.2 文本挖掘基础
10.3 网络爬虫及应用
10.4 习题
第11章 综合案例实战
11.1 概述
11.2 基于国内旅游情况数据的可视化分析
11.3 基于广州市二手房房价的可视化分析
11.4 基于热销私家车销量数据的可视化分析