1、主要针对高等职业院校学生的特点，采取项目式写法，满足高职高专院校的教学需要。
2、案例选取具有典型性、优选性以及有效性，满足当前“学用结合”的教学要求，为学生的职业发展打好基础。
3、配套资源丰富，包括电子活页、教学大纲、PPT、教学教案。
4、作者为名校名师，具有丰富的教学经验和实践经验。

在数字化趋势背景下，数据分析几乎应用到了各行各业。数据已经成为企业的核心生产要素，而数据分析技术也成为企业的核心竞争力。本书注重教学内容的思想性，“因势利导、顺势而为”，将知识传授、技能训练、能力培养和价值塑造有机结合；注重案例的典型性，优选人口与生产总值数据分析、天气与空气质量数据分析、房源数据分析、旅游景点数据分析、商品销量数据分析、订单数据分析、电商客户行为分析、电商客户消费偏好特征分析、广告投放效果分析、股票数据分析与股价趋势预测共10个典型数据分析案例；注重数据信息的有效性，各个数据分析案例都提供合法、公开的足量数据；注重数据分析的实用性和方法应用的灵活性，每个案例的数据分析与可视化都提供实现过程，能全面训练读者的数据分析与可视化综合能力；注重图形展示的多样性，涉及多种图形，并且图形的绘制方法多样、参数设置恰当、展示效果美观，具有较高的参考价值。本书可以作为普通高等院校、高等或中等职业院校各专业的Python数据分析与可视化综合训练课程的教材，也可以作为Python数据分析与可视化的培训教材及自学参考书。

模块1人口与生产总值数据分析1
方法要点1
绘图清单2
任务实战2
【任务1-1】第七次全国人口普查数据分析与可视化2
【任务1-2】2011-2021年全国各大区的生产总值数据分析与可视化21
【任务1-3】综合分析我国各地区的面积、人口与生产总值数据33
模块2天气与空气质量数据分析34
方法要点34
绘图清单35
任务实战35
【任务2-1】2021年长沙市天气数据分析35
【任务2-2】2011-2022年北京市天气数据可视化初探43
【任务2-3】2011-2022年北京、上海、广州、深圳天气数据可视化分析49
【任务2-4】探析2021年8月全国主要城市的空气质量状况54
【任务2-5】分析2020年和2021年北京、上海、广州、深圳的天气差异55
模块3房源数据分析56
方法要点56
绘图清单57
任务实战57
【任务3-1】杭州市在售房源数据分析与可视化57
【任务3-2】广州市已成交房源数据分析与可视化80
模块4旅游景点数据分析85
方法要点85
绘图清单85
任务实战86
【任务4-1】旅游景点数据可视化分析86
【任务4-2】旅游景点销量分析92
【任务4-3】旅游出行数据可视化分析102
模块5商品销量数据分析108
方法要点108
绘图清单108
任务实战109
【任务5-1】商品销售数据处理与统计分析109
【任务5-2】中秋月饼销量分析116
【任务5-3】药店药品销量分析124
模块6订单数据分析141
方法要点141
绘图清单141
任务实战142
【任务6-1】订单数据分析142
【任务6-2】天猫订单数据可视化分析149
模块7电商客户行为分析152
方法要点152
绘图清单152
任务实战153
【任务7-1】以行业常见指标分析一周内电商客户行为153
【任务7-2】京东客户行为分析174
模块8电商客户消费偏好特征分析188
方法要点188
绘图清单189
任务实战189
【任务8-1】京东客户消费数据预处理与整体消费特征分析189
【任务8-2】京东电商客户喜好的商品大类及细分类型分析205
【任务8-3】京东电商客户喜好的商品品牌分析227
【任务8-4】从时间维度分析京东电商客户浏览、订购等行为的频次特征231
【任务8-5】京东电商客户浏览与下单时间的偏好特征分析249
【任务8-6】京东电商客户消费行为特征分析与RFM分析262
模块9广告投放效果分析263
方法要点263
绘图清单264
任务实战264
【任务9-1】利用线性回归建立广告费用与销售额模型264
【任务9-2】分析广告投入与销售收入的关系271
【任务9-3】分析网络广告投放效果278
【任务9-4】基于K-Means算法的广告投放效果聚类分析279
【任务9-5】使用“A/B测试”分析支付宝营销策略的广告投放效果280
模块10股票数据分析与股价趋势预测281
方法要点281
绘图清单281
任务实战282
【任务10-1】使用2年的股票数据建立ARIMA模型并使用该模型预测股价趋势282
【任务10-2】绘制股票数据的各种图形287
【任务10-3】获取五粮液股票数据并进行分析296
【任务10-4】绘制bilibili网站上市至今的股价图形300
【任务10-5】使用10年的股票数据建立ARIMA模型并使用该模型预测股价趋势302