张玉皓毕业于中国科学院大学计算机应用技术专业，在靠前ROBOmaster人工智能挑战大赛上与中科院自动化所、伯克利大学、哥伦比亚大学同台竞技，荣获第八名。映客直播实习期间，参与直播间文本分析，计算直播间受欢迎指标的项目。京东实习期间，参与京东商城全品类评论短文本聚类项目，将短文本智能聚类，积累短对话语料库。毕业斩获瓜子二手车、映客、马蜂窝、百度、京东等大厂offer，很后就职于京东零售，从事NLP算法领域智能客服的优化工作。

目  录章  什么是数据分析1.1  Python开发环境 11.2  数据分析的前世今生 21.2.1  数据分析历史 21.2.2  数据分析的现实应用 21.2.3  数据分析的技能需求 31.3  数据分析流程 41.3.1  数据导入、清洗 51.3.2  单变量分析 61.3.3  多变量分析 61.3.4  选择模型 61.3.5  估计与假设检验 71.3.6  可视化 81.4  数据分析经典案例 81.4.1  犯罪率的下降与法律条文的生成 81.4.2  利用数据观察校园作弊行为 91.4.3  靠统计学致富的数学家 111.5  数据分析的个实战 121.5.1  单变量探索 121.5.2  多变量分析 161.5.3  选择模型 211.5.4  假设检验 25第2章  Python知识进阶2.1  Python语言 282.1.1  Python的历史 292.1.2  Python的特色 292.2  Python技巧与进阶 312.2.1  数据类型方面的技巧 312.2.2  数字方面的使用技巧 322.2.3  枚举 342.2.4  匿名函数的应用 352.2.5  装饰器：语法糖 372.2.6  列表生成式 392.2.7  迭代器与生成器 392.3  Python编程的易错点 412.3.1  全局变量与局部变量 422.3.2  闭包 432.3.3  函数传参 442.3.4  列表和数组的区别 452.3.5  变量和按引用传递 452.3.6  None：一个独特的类型 472.4  小结 48第3章  NumPy的入门与进阶3.1  ndarray数组 493.1.1  ndarray数组的创建 493.1.2  C和Fortran顺序 513.2  索引 513.2.1  基本索引 513.2.2  高维数组的索引 523.2.3  高阶索引 543.3  广播机制 563.4  NumPy数组的运算 583.4.1  NumPy的数值计算 583.4.2  比较与排序 593.4.3  NumPy的数组计算 603.4.4  ufunc不错应用 613.4.5  NumPy初等函数与math内置初等函数的区别 633.4.6  NumPy中的多项式函数 643.4.7  其他功能函数 65第4章  pandas的入门与进阶4.1  pandas的数据结构 664.1.1  Series的创建 674.1.2  Series的数值计算 684.1.3  DataFrame的创建 694.1.4  DataFrame的基本属性 704.2  pandas数据结构的基本操作 724.2.1  转置 724.2.2  索引 734.2.3  DataFrame的关系型操作 754.2.4  DataFrame的画图操作 764.2.5  查看数据 804.3  pandas数据结构的进阶操作 814.3.1  数据导入导出 814.3.2  表格合并 834.3.3  读写文件中的编码问题 904.3.4  删除与替换数据 924.3.5  表格整体性分析 964.3.6  GroupBy分组运算 984.3.7  综合练习 103第5章  SciPy入门与进阶5.1  SciPy中的常数与函数 1065.1.1  SciPy中的常数 1065.1.2  SciPy中的spe模块 1075.2  SciPy中的科学计算工具 1085.2.1  求解多元方程组 1085.2.2  拟合方程 1105.2.3  最优化算法 1135.2.4  统计分布 1165.2.5  积分 1205.2.6  插值 121第6章  可视化6.1  可视化的魅力 1246.1.1  别出心裁的可视化 1246.1.2  可视化的基本理论 1266.1.3  可视化实例 1276.2  matplotlib第三方库的基本功能 1316.2.1  matplotlib绘图的基础组件 1316.2.2  饼图 1346.2.3  条形图 1396.2.4  散点图 1426.2.5  折线图 1456.2.6  箱线图 1466.2.7  小提琴图 1486.2.8  Basemap简单介绍 1506.3  交互式绘图 1516.3.1  matplotlib的简单交互式绘图 1516.3.2  pyecharts可视化库 154第7章  时间序列7.1  datetime库的简单介绍 1607.1.1  时间坐标的构造 1607.1.2  时间和字符串的转换 1617.2  时间序列中pandas的应用 1627.2.1  DatetimeIndex 1627.2.2  pandas中时间坐标的构造 1637.2.3  PeriodIndex（时间索引类型） 1647.2.4  采样 1667.2.5  超前或滞后 1677.2.6  移动窗口函数 1687.3  时间序列的时区转换 169第8章  数据分析中的统计学8.1  有趣的选择 1718.2  数据分析回答ofo多久才能退押金 1728.3  统计学在数据分析中扮演的角色 1788.4  数据预处理 1788.4.1  数据清洗 1788.4.2  数据集成 1808.4.3  数据变换 1818.5  特征工程 1828.5.1  过滤法 1838.5.2  包装法 1868.5.3  嵌入式方法 1908.5.4  正则化 1938.6  模型训练 1948.7  模型评估 1998.8  数据分析中的其他问题 2018.8.1  数据泄露 2018.8.2  大数据下的数据分析 2028.8.3  辛普森悖论 2048.8.4  数据集的划分 2058.8.5  优化调参 206第9章  豆瓣电影TOP 250数据分析9.1  项目介绍 2109.1.1  爬虫的简单介绍 2109.1.2  网页的构成 2109.1.3  实战中的爬虫技术介绍 2119.1.4  实战中数据存储与读取 2159.1.5  实战中的界面设计 2169.1.6  实战中的数据可视化 2199.2  数据库操作 2249.2.1  数据库的安装与配置 2259.2.2  数据存储到数据库 2279.3  数据库标准语言 2289.3.1  创建数据库、表 2299.3.2  表的删除与更新 2299.3.3  查询 2309.3.4  聚合与排序 2309.3.5  数据更新 2319.3.6  表的集合运算 2329.3.7  Python和数据库语言的关系 2340章  Python丰富的可视化案例10.1  turtle库的简单使用 23610.2  北上广深租房分析可视化案例 23810.2.1  数据爬取 23810.2.2  读取数据 24010.2.3  数据分析 2411章  Python预测应用——SVM预测股票涨跌11.1  SVM介绍 24611.1.1  SVM原理 24611.1.2  核函数 24711.2  SVM实战 24911.2.1  数据预处理 24911.2.2  训练模型 25111.2.3  遗传算法 2522章  文本分析《三国演义》：挖掘人物图谱12.1  项目简单说明 26212.1.1  代码分块介绍 26212.1.2  效果图展示 26512.2  工程具体实现 26512.2.1  设计思想 26612.2.2  代码详解 26612.2.3  可视化 267目  录章  什么是数据分析1.1  Python开发环境 11.2  数据分析的前世今生 21.2.1  数据分析历史 21.2.2  数据分析的现实应用 21.2.3  数据分析的技能需求 31.3  数据分析流程 41.3.1  数据导入、清洗 51.3.2  单变量分析 61.3.3  多变量分析 61.3.4  选择模型 61.3.5  估计与假设检验 71.3.6  可视化 81.4  数据分析经典案例 81.4.1  犯罪率的下降与法律条文的生成 81.4.2  利用数据观察校园作弊行为 91.4.3  靠统计学致富的数学家 111.5  数据分析的个实战 121.5.1  单变量探索 121.5.2  多变量分析 161.5.3  选择模型 211.5.4  假设检验 25第2章  Python知识进阶2.1  Python语言 282.1.1  Python的历史 292.1.2  Python的特色 292.2  Python技巧与进阶 312.2.1  数据类型方面的技巧 312.2.2  数字方面的使用技巧 322.2.3  枚举 342.2.4  匿名函数的应用 352.2.5  装饰器：语法糖 372.2.6  列表生成式 392.2.7  迭代器与生成器 392.3  Python编程的易错点 412.3.1  全局变量与局部变量 422.3.2  闭包 432.3.3  函数传参 442.3.4  列表和数组的区别 452.3.5  变量和按引用传递 452.3.6  None：一个独特的类型 472.4  小结 48第3章  NumPy的入门与进阶3.1  ndarray数组 493.1.1  ndarray数组的创建 493.1.2  C和Fortran顺序 513.2  索引 513.2.1  基本索引 513.2.2  高维数组的索引 523.2.3  高阶索引 543.3  广播机制 563.4  NumPy数组的运算 583.4.1  NumPy的数值计算 583.4.2  比较与排序 593.4.3  NumPy的数组计算 603.4.4  ufunc不错应用 613.4.5  NumPy初等函数与math内置初等函数的区别 633.4.6  NumPy中的多项式函数 643.4.7  其他功能函数 65第4章  pandas的入门与进阶4.1  pandas的数据结构 664.1.1  Series的创建 674.1.2  Series的数值计算 684.1.3  DataFrame的创建 694.1.4  DataFrame的基本属性 704.2  pandas数据结构的基本操作 724.2.1  转置 724.2.2  索引 734.2.3  DataFrame的关系型操作 754.2.4  DataFrame的画图操作 764.2.5  查看数据 804.3  pandas数据结构的进阶操作 814.3.1  数据导入导出 814.3.2  表格合并 834.3.3  读写文件中的编码问题 904.3.4  删除与替换数据 924.3.5  表格整体性分析 964.3.6  GroupBy分组运算 984.3.7  综合练习 103第5章  SciPy入门与进阶5.1  SciPy中的常数与函数 1065.1.1  SciPy中的常数 1065.1.2  SciPy中的spe模块 1075.2  SciPy中的科学计算工具 1085.2.1  求解多元方程组 1085.2.2  拟合方程 1105.2.3  最优化算法 1135.2.4  统计分布 1165.2.5  积分 1205.2.6  插值 121第6章  可视化6.1  可视化的魅力 1246.1.1  别出心裁的可视化 1246.1.2  可视化的基本理论 1266.1.3  可视化实例 1276.2  matplotlib第三方库的基本功能 1316.2.1  matplotlib绘图的基础组件 1316.2.2  饼图 1346.2.3  条形图 1396.2.4  散点图 1426.2.5  折线图 1456.2.6  箱线图 1466.2.7  小提琴图 1486.2.8  Basemap简单介绍 1506.3  交互式绘图 1516.3.1  matplotlib的简单交互式绘图 1516.3.2  pyecharts可视化库 154第7章  时间序列7.1  datetime库的简单介绍 1607.1.1  时间坐标的构造 1607.1.2  时间和字符串的转换 1617.2  时间序列中pandas的应用 1627.2.1  DatetimeIndex 1627.2.2  pandas中时间坐标的构造 1637.2.3  PeriodIndex（时间索引类型） 1647.2.4  采样 1667.2.5  超前或滞后 1677.2.6  移动窗口函数 1687.3  时间序列的时区转换 169第8章  数据分析中的统计学8.1  有趣的选择 1718.2  数据分析回答ofo多久才能退押金 1728.3  统计学在数据分析中扮演的角色 1788.4  数据预处理 1788.4.1  数据清洗 1788.4.2  数据集成 1808.4.3  数据变换 1818.5  特征工程 1828.5.1  过滤法 1838.5.2  包装法 1868.5.3  嵌入式方法 1908.5.4  正则化 1938.6  模型训练 1948.7  模型评估 1998.8  数据分析中的其他问题 2018.8.1  数据泄露 2018.8.2  大数据下的数据分析 2028.8.3  辛普森悖论 2048.8.4  数据集的划分 2058.8.5  优化调参 206第9章  豆瓣电影TOP 250数据分析9.1  项目介绍 2109.1.1  爬虫的简单介绍 2109.1.2  网页的构成 2109.1.3  实战中的爬虫技术介绍 2119.1.4  实战中数据存储与读取 2159.1.5  实战中的界面设计 2169.1.6  实战中的数据可视化 2199.2  数据库操作 2249.2.1  数据库的安装与配置 2259.2.2  数据存储到数据库 2279.3  数据库标准语言 2289.3.1  创建数据库、表 2299.3.2  表的删除与更新 2299.3.3  查询 2309.3.4  聚合与排序 2309.3.5  数据更新 2319.3.6  表的集合运算 2329.3.7  Python和数据库语言的关系 2340章  Python丰富的可视化案例10.1  turtle库的简单使用 23610.2  北上广深租房分析可视化案例 23810.2.1  数据爬取 23810.2.2  读取数据 24010.2.3  数据分析 2411章  Python预测应用——SVM预测股票涨跌11.1  SVM介绍 24611.1.1  SVM原理 24611.1.2  核函数 24711.2  SVM实战 24911.2.1  数据预处理 24911.2.2  训练模型 25111.2.3  遗传算法 2522章  文本分析《三国演义》：挖掘人物图谱12.1  项目简单说明 26212.1.1  代码分块介绍 26212.1.2  效果图展示 26512.2  工程具体实现 26512.2.1  设计思想 26612.2.2  代码详解 26612.2.3  可视化 267

本书讲解主要以Python数据分析相关内容为主，还涉及数据分析背后的数学思维。全书内容主要分为三部分。部分为Python数据分析相关技能，包括NumPy、pandas等重要的第三方库的使用技巧；第二部分为数据分析相关统计学知识，主要包含构建模型的流程、思路，以及数学原理的解析；第三部分为实战，主要是结合Python数据分析工具与统计学知识的实践操作。对于那些想要进入数据分析领域的初学者很好适合阅读本书，即使你没有扎实的Python编程基础，没有深厚的数理统计功底，依然可以通过本书的学习对数据分析技术产生浓厚的兴趣，以及对数据分析的原理与应用有更加整体的认识和理解。