本书内容从Python基础到扩展库，从编程到数据分析，再到机器学习和深度学习，循序渐进，逐步推进知识点的实际应用。首先简要介绍数据分析相关概念和Python基础知识：然后按照数据分析的主要步骤，重点介绍数据获取、数据预处理，数据分析、数据可视化以及机器学习过程相关的扩展库，包括beautifulsoup4、numpy、matplotlib、pandas、pyecharts和sklearn等；最后将Python数据分析知识和实用案例有机结合，通过大量的实用案例演示相关理论和Python语言的应用。
本书适合作为高等院校本科生、研究生数据分析等课程的教材，也可以作为数据分析初学者的自学用书，还适合从事相关工作的工程师和爱好者阅读。

于晓梅，女，博士，现为山东师范大学信息科学及工程学院副教授，主要从事数据挖掘、智能计算等研究，在国内外期刊和会议发表论文60余篇；长期承担程序设计和大学信息技术等课程的教学工作，出版了专著《智能数据挖掘》《软件与教育信息服务》，参与编写了《大学IT》《网页设计与制作教程》《人工智能教育》等多部教材。

第1章 数据分析和Python概述
1.1 数据分析概述
1.1.1 数据、信息、知识
1.1.2 数据分析
1.1.3 数据分析、数据挖掘与机器学习
1.2 数据分析的基本步骤
1.2.1 明确目的
1.2.2 数据收集
1.2.3 数据预处理
1.2.4 数据分析
1.2.5 结果呈现
1.2.6 撰写报吿
1.3 Python概述
1.4 Python环境安装与使用
1.4.1 IDLE开发环境
1.4.2 Anaconda开发环境
1.5 Python库简介
1.5.1 标准库
1.5.2 扩展库
1.6 扩展库的获取和安装
1.6.1 安装pip
1.6.2 使用pip安装扩展库
1.6.3 手动安装Python扩展库
1.6.4 扩展库安装说明
1.6.5 使用conda安装扩展库
第2章 Python基本语法
2.1 Python程序的格式
2.1.1 缩进要求
2.1.2 注释
2.1.3 关键字
2.1.4 标识符
2.1.5 常量和变量
2.2 数据类型
2.2.1 对象
2.2.2 基本数据类型
2.2.3 数字类型
2.2.4 字符串
2.3 运算符和表达式
2.4 程序的基本控制结构
2.4.1 顺序结构
2.4.2 分支结构
2.4.3 循环结构
2.5 程序的异常处理
2.5.1 Python中的异常
2.5.2 try…except…结构
2.5.3 try…except…else…结构
2.5.4 try…except…finally结构
2.6 函数
2.6.1 函数定义
2.6.2 函数调用
2.6.3 函数的参数传递
2.6.4 匿名函数
2.6.5 变量的作用域
2.7 案例精选
第3章 组合数据类型
3.1 组合数据类型的基本概念
3.2 列表
3.2.1 列表的创建与删除
3.2.2 列表的基本操作
3.2.3 列表可用操作符
3.2.4 列表常用函数
……
第4章 本地数据采集和操作
第5章 网络数据获取
第6章 numpy科学计算
第7章 matplotlib数据可视化
第8章 pandas数据分析
第9章 pyecharts可视化
第10章 机器学习库sklearn
第11章 综合案例
第12章 案例报告
参考文献