本书介绍利用Python进行大数据处理与分析的详细方法和步骤。全书共9章，主要内容包括搭建开发环境、NumPy库、pandas库、Matplotlib库、数据预处理以及多个案例分析。本书注重理论联系实际，使读者可以系统、全面地了解Python大数据处理与分析的实用技术和方法。
本书可作为高等院校Python大数据处理与分析相关课程的教材，也可作为大数据技术相关从业人员的参考书。

安俊秀，成都信息工程大学教授，硕士生导师。软件自动生成与智能服务四川省重点实验室学术带头人（领域知识本体和大数据方向），长期从事数据科学与大数据相关的研究与教学工作，发表相关论文40余篇，主编云计算与大数据方向专著或教材10余部。是国家自然科学基金委通讯评审专家，四川省科技项目评审专家，成都市科技攻关计划评审专家。

第一部分 基础篇
第1章 搭建开发环境
1.1 Python解释器的安装
1.1.1 在Windows系统下安装Python解释器
1.1.2 在Linux系统下安装Python解释器
1.1.3 在macOS系统下安装Python解释器
1.1.4 运行第一个hello world程序
1.2 Anaconda的安装及环境变量配置
1.2.1 Anaconda简介
1.2.2 安装Anaconda
1.2.3 配置Anaconda环境变量
1.3 Jupyter Notebook与PyCharm的安装及工程环境设置
1.3.1 Jupyter Notebook的简介与安装
1.3.2 设置Jupyter Notebook工程环境
1.3.3 PyCharm的简介与安装
1.3.4 设置PyCharm工程环境
习题
第2章 使用NumPy进行数据计算
2.1 安装NumPy
2.2 NumPy中的数组对象
2.2.1 数组对象的创建
2.2.2 数组对象的常用属性
2.2.3 数组元素的访问与修改
2.2.4 数组对象的基础运算
2.2.5 数组对象的常用函数
2.3 使用NumPy进行数学运算
2.3.1 位运算函数
2.3.2 数学函数
2.3.3 算术函数
2.3.4 统计函数
2.3.5 线性代数函数
2.4 NumPy使用案例
习题
第3章 使用pandas进行数据分析
3.1 安装pandas
3.2 pandas中的对象
3.2.1 Series对象
3.2.2 DataFrame对象
3.3 pandas的基本操作
3.3.1 导入与导出数据
3.3.2 数据的查看与检查
3.3.3 数据的增删查改
3.4 pandas的基本运用
3.4.1 数据统计
3.4.2 算术运算与数据对齐
3.5 pandas使用案例
习题
第4章 Matplotlib数据可视化
4.1 安装Matplotlib与绘图基本步骤
4.1.1 安装Matplotlib
4.1.2 Matplotlib绘图基本步骤
4.2 经典图形绘制
4.2.1 折线图
4.2.2 柱状图
4.2.3 直方图
4.2.4 散点图
4.2.5 等值线图及地理信息可视化
4.3 图表调整及美化
4.3.1 图表主要组成元素调整
4.3.2 颜色参数及映射表
4.4 Matplotlib使用案例
习题
第5章 数据预处理
5.1 数据清洗与准备
5.1.1 数据清洗准备
5.1.2 数据清洗
5.2 正则表达式
5.2.1 正则表达式的特点与组成
5.2.2 字符串方法
5.2.3 re模块
5.3 数据规整
5.3.1 聚合、分组及数据透视
5.3.2 特征选择（降维）
5.3.3 数据变换与数据规约
5.3.4 稀疏表示和字典学习
习题
第二部分 实例篇
第6章 基于大数据的房产估价
6.1 情景问题提出及分析
6.2 多元回归模型介绍
6.3 方法与过程
6.3.1 读入数据并进行数据预处理
6.3.2 将预处理好的数据可视化
6.3.3 使用多元回归模型进行房产估价
6.3.4 模型效果评价
上机实验
第7章 某移动公司客户价值分析
7.1 情景问题提出及分析
7.2 K-Means聚类算法简介
7.3 客户价值分析过程
7.3.1 读入数据并进行数据预处理
7.3.2 数据标准化
7.3.3 使用K-Means聚类算法对客户进行分析
7.3.4 数据可视化及数据分析
上机实验
第8章 基于历史数据的气温及降水预测
8.1 情景问题提出及分析
8.2 常见的时间序列模型简介
8.2.1 AR模型
8.2.2 MA模型
8.2.3 ARMA模型
8.2.4 ARIMA模型
8.2.5 模型求解步骤
8.3 平稳序列建模示例（降水预测）
8.3.1 读入数据并进行预处理
8.3.2 时间序列的平稳性分析
8.3.3 模型选择及定阶
8.3.4 建立时序模型并预测
8.4 非平稳序列建模示例（气温预测）
8.4.1 读入数据并进行预处理
8.4.2 时间序列的平稳性分析
8.4.3 模型选择及定阶
8.4.4 建立时序模型并预测
上机实验
第9章 智能电网的电能预估及价值分析
9.1 情景问题提出及分析
9.2 决策树算法简介
9.2.1 ID3算法
9.2.2 C4.5算法
9.2.3 CART算法
9.2.4 预剪枝与后剪枝
9.2.5 连续值处理
9.3 方法与过程
9.3.1 读入数据并预处理
9.3.2 模型构建
9.3.3 模型效果评价
上机实验
参考文献