基础篇
  第1章 数据创建003
   1.1数据分析模块介绍 003
   1.2DataFrame简介 004
   1.3DataFrame数据创建 004
   1.4基于本地存储的数据创建 007
   1.5实操练习题 012
  第2章 数据查看013
   2.1DataFrame数据属性 013
   2.2DataFrame数据查看 016
   2.3实操练习题 021
  第3章 数据清洗023
   3.1数据标签重命名 023
   3.2缺失值处理 026
   3.3异常值处理 030
   3.4数据去重 038
   3.5数据替换 040
   3.6数据标准化 043
   3.7实操练习题 045
 应用篇
  第4章 股权性质信息整理——应用数据转置049
   4.1T转置 049
   4.2行列互换 051
   4.3数据透视 056
   4.4数组转置 061
   4.5应用实践 064
   4.6实操练习题 068
  第5章 筛选财务报表数据——应用数据筛选069
   5.1索引的基本类型 069
   5.2索引设定与获取 072
   5.3Series对象的索引与切片 084
   5.4DataFrame对象的索引与切片 087
   5.5应用实践 104
   5.6实操练习题 111
  第6章 合并财务报表——应用数据合并112
   6.1数据拼接：concat()与append() 113
   6.2数据合并：merge()与join() 121
   6.3combine_first()与update()填充 134
   6.4应用实践 137
   6.5实操练习题 143
  第7章 制作数据透视表和计算行业竞争度——应用数据分组144
   7.1GroupBy对象 144
   7.2GroupBy对象的操作 153
   7.3数据分箱 169
   7.4实践应用 175
   7.5实操练习题 181
  第8章 分析一般公司债的票面利率影响因素——应用统计分析182
   8.1描述性统计 182
   8.2随机变量及其概率分布 190
   8.3推断统计 201
   8.4回归分析 210
   8.5应用实践 221
   8.6实操练习题 228
  第9章 使用ARIMA模型预测股票价格——应用时间序列229
   9.1时间序列简介 230
   9.2时间序列处理 238
   9.3时间序列基本性质 252
   9.4应用实践 258
   9.5实操练习题 260
  第10章 绘制股票日K线图——应用可视化表达261
   10.1Matplotlib安装 261
   10.2Matplotlib库的基础用法 262
   10.3Matplotlib库的常用技巧 280
   10.4应用实践 294
   10.5实操练习题 303
  第11章 建立上市公司价值分类判断指标体系——应用机器学习304
   11.1Sklearn概述和安装 304
   11.2K NN算法 306
   11.3K Means算法 311
   11.4PCA降维算法 317
   11.5线性回归 320
   11.6逻辑回归 322
   11.7朴素贝叶斯 326
   11.8决策树 331
   11.9随机森林 334
   11.10支持向量机 337
   11.11Adaboost算法 341
   11.12应用实践 343
   11.13实操练习题 346