本书以Python 3.9为数据分析与挖掘的工具，课程内容包括基础篇和综合篇。基础篇从Python基础知识出发，围绕数据分析与挖掘常用的科学计算包NumPy、数据处理包Pandas、数据可视化包Matplotlib以及机器学习库Scikit-learn进行理实一体化讲练；综合篇聚焦汽车、交通行业案例进行数据分析综合应用，包括新能源汽车运行数据分析、汽车贷款违约概率预测、航空公司客户价值分析，以及吉利汽车用户在线评论数据分析4个综合应用案例。
本书遵循从基础到综合应用、理论与实践一体化的编写原则，各章按照“案例驱动”编写模式，体验从问题求解到程序设计的转换过程，适合应用型本科高校工科类、管理类专业学生及其他Python数据分析与挖掘爱好者使用。

基础篇
第1章 Python数据分析与挖掘基础
1.1 数据分析与挖掘简介
1.2 Python开发环境
1.3 Python数据类型及常用操作
1.4 流程控制语句
1.5 函数定义与调用
本章小结
第2章 NumPy科学计算与分析
2.1 NumPy简介
2.2 数组的创建及常见操作
2.3 矩阵的创建及常见操作
2.4 NumPy统计分析
本章小结
第3章 Pandas数据处理与分析
3.1 Pandas简介
3.2 序列
3.3 数据框
3.4 外部文件读取
3.5 Pandas数据处理
3.6 Pandas数据分析
本章小结
第4章 Matplotlib数据可视化
4.1 数据可视化与Matplotlib简介
4.2 Matplotlib绘图基础
4.3 Matplotlib常见图表绘制
本章小结
第5章 Scikit-Learn机器学习
5.1 机器学习与Scikit-Learn简介
5.2 数据预处理与降维
5.3 回归分析
5.4 分类分析
5.5 聚类分析
本章小结
综合应用篇
第6章 新能源汽车运行数据分析
6.1 需求分析
6.2 数据加载与预处理
6.3 探索性数据分析
6.4 电池健康状态可视化
6.5 能耗预测
本章小结
第7章 汽车贷款违约概率预测
7.1 需求分析
7.2 数据加载、清洗与分析
7.3 预测模型构建与评估
7.4 预测可视化
本章小结
第8章 航空公司客户价值分析
8.1 需求分析与数据加载
8.2 数据预处理
8.3 数据K-均值聚类
8.4 价值分析可视化
本章小结
第9章 吉利汽车用户在线评论数据分析
9.1 需求分析
9.2 数据加载与预处理
9.3 词云图可视化分析
9.4 关键词共现分析
本章小结