本书的内容安排基本上按照数据科学的步骤及思维，所有讨论都基于实际数据案例并通过R和Python两种软件实现我们尽可能地给出所有数据集的来源，读者可以通过相关网址及本书的二维码获取。
本书第一部分为读者介绍了两款软件的基本操作，帮助读者快速入门。第二部分内容包括数据及探索性数据分析、数据整理及清理，我们力求打破传统教科书中的“规整案例”模式，希望给读者呈现更“真实”的数据预处理的面貌，并通过图形可视化方法勾勒数据的基本“画像”。第三部分介绍有监督学习中十余种分类及回归学习方法。第四部分介绍降维和聚类两类无监督学习方法。这两部分是本书的核心内容所在。第五部分通过案例简要介绍网络爬虫技术，供读者参考。在课程内容的选择、课程进度及授课方式方面，我们认为必须给任课教师以最大的自由度和自主权，一切依学生的基础、条件及需要而定，介绍对学生最有帮助的内容，使学生的思维空间向无限的可能开放。
本书既可作为本科各专业二、三年级数据科学的入门课程教材，也可供广大实际工作者参考。

第一部分 本书的安排及软件
第1章 本书的内容安排及教学建议
1.1 适用对象
1.2 内容及教学建议
1.3 根据需要和疑问调整教学内容
1.3.1 拉动式学习方法
1.3.2 根据学生的需要教学
1.3.3 老师应该让学生产生质疑
第2章 软件准备
2.1 软件准备
2.2 R——为领悟而运行
2.2.1 R简介
2.2.2 安装和运行
2.2.3 试试R编程
2.3 Python——为领悟而运行
2.3.1 Python简介
2.3.2 安装和运行
2.3.3 试试Python编程
2.3.4 Numpy模块
2.3.5 Pandas模块
2.3.6 Matplotlib模块
2.4 习题
第二部分 数据及探索性数据分析
第3章 数据的形式、获得及简单描述
3.1 数据的意义及获取
3.1.1 数据
3.1.2 数据的获取
3.2 标准格式数据
3.2.1 变量和观测值
3.2.2 数据的输入和简单展示
3.2.3 数据阵中的元素
3.2.4 变量的种类
3.2.5 统计与计算机术语的区别
3.3 简单的数据汇总
3.3.1 一些汇总统计量
3.3.2 汇总统计量的计算
3.3.3 从“被平均”谈均值
3.3.4 例3.1数据的简单汇总
3.4 数据的图形描述
3.4.1 程序包的安装和使用
3.4.2 散点图
3.4.3 直方图
3.4.4 盒形图
3.4.5 条形图
3.4.6 三维曲面图及等高线图
3.4.7 更多的图形
3.5 本章的Python代码
3.6 习题
第4章 数据整理和清理案例
4.1 GDP数据案例
4.1.1 形成某年各国的多指标数据
4.1.2 形成某国各个时期不同指标的多元时间序列
4.1.3 形成某指标的各个时期不同国家的多元时间序列
4.2 世界卫生组织案例之一
4.2.1 数据的提取
4.2.2 删除多余的行和列
4.2.3 把多个数据合并成一个数据
4.3 世界卫生组织案例之二
4.3.1 输入并识别数据
4.3.2 删除多余的行和列
4.3.3 合并数据
4.3.4 清理数据中的其他问题
……
第三部分 有监督学习
第四部分 无监督学习
第五部分 网络爬虫
参考文献