第1章　数据分析概述 1__eol__1.1 认识数据分析 1__eol__一、数据分析背景 1__eol__二、数据分析流程 2__eol__三、数据分析应用 3__eol__1.2 认识Python 3__eol__一、Python的发展趋势 3__eol__二、Python的特点 4__eol__三、Python的常用库 4__eol__1.3 安装环境 6__eol__一、安装Anaconda 6__eol__二、安装PyCharm 11__eol__三、在PyCharm中导入Anaconda环境 14__eol__四、查看PyCharm中的安装库 18__eol__1.4 数据分析概述测试题 21__eol__第2章　Python基础 23__eol__2.1 Python基本操作 23__eol__一、变量 24__eol__二、转义符 24__eol__三、输入与输出 25__eol__四、算术运算符 27__eol__2.2 Python选择结构 29__eol__一、关系运算符 29__eol__二、单分支选择结构 30__eol__三、双分支选择结构 31__eol__四、多分支选择结构 31__eol__2.3 Python循环语句 33__eol__一、while循环语句 34__eol__二、for循环语句一般形式 34__eol__2.4 Python列表操作 39__eol__一、创建列表 39__eol__二、访问列表元素与切片列表 40__eol__三、添加列表元素 41__eol__四、修改列表元素 42__eol__五、删除列表元素 42__eol__六、列表的常用方法 43__eol__2.5 Python字符串操作 46__eol__一、字符串的访问 46__eol__二、字符串的操作 47__eol__2.6 Python字典操作 52__eol__一、创建字典 53__eol__二、访问字典关键字 53__eol__三、访问字典元素 54__eol__四、更新字典元素 54__eol__五、删除字典元素 55__eol__六、利用字典创建二维字典 56__eol__2.7 Python函数操作 58__eol__一、定义函数 59__eol__二、调用函数 59__eol__三、匿名函数 60__eol__2.8 Python的NumPy库 64__eol__一、创建数组对象 64__eol__二、查看数组属性 66__eol__三、数组的索引与切片 67__eol__四、NumPy随机数 68__eol__五、NumPy的操作 70__eol__2.9 Python基础测试题 72__eol__第3章　利用Pandas进行数据预处理 74__eol__3.1 数据的创建与操作 74__eol__一、Series的创建与操作 75__eol__二、DataFrame的创建与操作 80__eol__3.2 数据的导入与保存 84__eol__一、导入数据设置 84__eol__二、导入外部文件 85__eol__三、导入Sklearn自带数据 86__eol__四、保存数据 86__eol__3.3 数据的新增与删除 91__eol__一、新增列数据 91__eol__二、数据的删除 93__eol__3.4 数据的筛选与切片 96__eol__一、直接选取列数据 96__eol__二、利用loc函数选取行数据 97__eol__三、选取DataFrame切片数据 99__eol__3.5 数据的去空与去重 104__eol__一、数据去空 104__eol__二、数据去重 107__eol__3.6 数据的填充与替换 111__eol__一、空值填充 111__eol__二、批量替换 113__eol__3.7 数据的拼接和合并 117__eol__一、数据的纵向拼接 117__eol__二、数据的横向合并 119__eol__3.8 时间的转换与提取 123__eol__一、生成时间类数据 124__eol__二、转化DataFrame时间数据 126__eol__三、提取时间信息 126__eol__3.9 利用Pandas进行数据预处理测试题 129__eol__第4章　利用Pandas进行数据分析 132__eol__4.1 数据的排序与排名 132__eol__一、数据排序 133__eol__二、数据排名 134__eol__4.2 数据的统计与描述 137__eol__一、数值型字段的统计与描述 137__eol__二、分类型字段的统计与描述 140__eol__4.3 数据的分组与分段 144__eol__一、数据分组统计分析 144__eol__二、数据分段统计分析 147__eol__4.4 数据的交叉与透视 149__eol__一、频数交叉表 149__eol__二、数据透视表 151__eol__4.5 数据的正态性分析 156__eol__一、数据的正态分布 156__eol__二、正态分布的描述 157__eol__三、正态分布的验证 158__eol__4.6 数据的相关性分析 164__eol__一、相关关系的概念 164__eol__二、相关分析 164__eol__4.7 利用Pandas进行数据分析测试题 169__eol__第5章　利用Matplotlib进行数据可视化 171__eol__5.1 绘图设置与简单绘图 171__eol__一、绘图设置 172__eol__二、简单绘图 177__eol__5.2 绘制柱形图 180__eol__一、柱形图 180__eol__二、添加数据标签 184__eol__5.3 绘制条形图 187__eol__一、直接绘制条形图 187__eol__二、利用数据分组绘制条形图 190__eol__5.4 绘制折线图 194__eol__一、折线图 194__eol__二、添加折线图辅助线 195__eol__5.5 绘制散点气泡图 200__eol__一、散点图 200__eol__二、绘制气泡图 202__eol__5.6 绘制饼图与圆环图 208__eol__一、绘制饼图及其文本设置 208__eol__二、绘制圆环图 210__eol__5.7 利用Matplotlib进行数据可视化测试题 214__eol__第6章　Python数据分析与综合应用 216__eol__6.1 成绩数据预处理与分析 216__eol__一、数据源 216__eol__二、要求 217__eol__三、步骤 217__eol__四、结论 221__eol__6.2 房产数据预处理与分析 221__eol__一、数据源 221__eol__二、目标 222__eol__三、步骤 222__eol__四、结论 227__eol__6.3 餐饮数据分析与可视化 227__eol__一、数据源 227__eol__二、目标 228__eol__三、步骤 228__eol__四、结论 235__eol__6.4 超市数据分析与可视化 236__eol__一、数据源 236__eol__二、目标 237__eol__三、步骤 238__eol__四、结论 245__eol__6.5 工业数据分析与可视化 246__eol__一、数据源分析 246__eol__二、目标 248__eol__三、分析步骤 248__eol__四、结论 255__eol__附录A 函数方法表 257__eol__附录B 颜色表 261__eol__参考文献 262__eol__