本书的特色是从学生角度出发，以实例为载体，以简洁的文字编写，表达我们的教学和学习方式，在实践中体会，使学生可以快速入手。倡导研究式学习、理解为主，而不是灌输式学习。同时，本书还对每章内容提供了思维导图。本书不仅可以作为Python语言学习的教科书，还适用于学习过统计学、概率论与数理统计学的学生，也方便其今后更好地进行深度学习等，进阶不错数据分析。根据教学实践，广泛吸收国内外很好教材和文献资料的成果，亲自实践编写了本书，并且本书内容对没有学过C/C++、R语言等软件的同学也是友好的。本书中所用的方法和代码都采用Windows系统下Anaconda中的Jupyter Notebook（Python 3.7）作为分析环境进行实现，当然本书所有代码对近期新Python版本也是适用的。
本书既可以作为数据科学、统计学类、经法管等学科的Python数据分析基础方面的教材或参考书，也可以作为各大中专院校数据分析入门级教材，当然也适用于不同年级，只是学习中要根据不同需求有所取舍。同时，本书是一本教科书，可能并不适合进阶读者。

1 Python介绍
本章思维导图
1.1 认识Python
1.2 Anaconda下载与安装
1.3 Jupyter Notebook介绍
1.4 Markdown介绍
1.5 Jupyter中安装Markdown目录
1.6 Python文件常用后缀名
1.7 Python模块
2 Python基础知识
本章思维导图
2.1 保留字与标识符
2.2 变量
2.3 基本数据类型
2.4 运算符
2.5 常用的内置函数
3 Python基本数据结构
本章思维导图
3.1 列表
3.2 元组
3.3 字典
3.4 集合
4 Python程序结构
本章思维导图
4.1 顺序结构
4.2 分支结构
4.3 循环结构
4.4 break与continue语句
5 字符串与正则表达式
本章思维导图
5.1 字符串大小写
5.2 判断类方法
5.3 查找字符串
5.4 分割字符串
5.5 拼接字符串
5.6 替换字符串
5.7 格式化字符串
5.8 正则表达式
6 函数
本章思维导图
6.1 函数的定义
6.2 函数的调用
6.3 参数传递
6.4 函数的返回值
6.5 局部变量和全局变量
6.6 函数式编程
7 文件操作
本章思维导图
7.1 文件创建
7.2 文件写入
7.3 文件读取
7.4 定位
8 面向对象程序设计
本章思维导图
8.1 程序设计的方法
8.2 类和对象
8.3 定义类与创建对象
8.4 self参数
8.5 实例属性与类属性
8.6 __init__（）方法
8.7 私有成员与公有成员
8.8 方法与属性
8.9 封装
8.10 继承
8.11 重写
9 异常处理
本章思维导图
9.1 错误与异常概述
9.2 异常处理用法
10 NumPy简介
本章思维导图
10.1 numpy方法
10.2 数组结构图
10.3 数组创建
10.4 数组存载
10.5 一维数组数据提取
10.6 二维数组数据提取
10.7 数组的形状变换
10.8 数组的运算
10.9 广播
11 Pandas简介
本章思维导图
11.1 pandas方法
11.2 Series与DataFrame结构图
11.3 Series和DataFrame创建
11.4 存载数据对象
11.5 Series的数据提取
11.6 DataFrame之数据提取
11.7 DataFrame数据修改
11.8 DataFrame之行列标签及名称修改
11.9 数据合并
11.10 数据的连接
11.11 行列转换
11.12 透视
11.13 分组
11.14 pandas的运算
12 SciPy简介
本章思维导图
12.1 常数与特殊函数
12.2 积分
12.3 插值
12.4 优化
12.5 线性代数
12.6 统计分布
13 Matplotlib简介
本章思维导图
13.1 图的构成
13.2 建立坐标系
13.3 常用作图方法及图的保存
13.4 参数设置
13.5 实例分析
13.6 常见统计图
14 Seaborn简介
本章思维导图
14.1 sns.relplot作图
14.2 sns.catplot作图
14.3 sns.distplot作直方图
14.4 sns.pairplot作相关图
15 描述性统计
本章思维导图
15.1 集中趋势的度量
15.2 离散程度的度量
15.3 分布形状的度量
16 概率与数理统计基础
本章思维导图
16.1 随机数
16.2 随机变量及分布
16.3 方差分析
16.4 一元线性回归
附录A Pandas读取数据
参考文献