本书首先讲解Pandas快速入门的基础知识，如Pandas的定义、可处理的数据类型、优势、开发环境配置、常用的数据结构等；然后通过实例剖析讲解Pandas数据的导入、导出、查看、清洗、合并、对比、预处理；接着讲解Pandas数据的提取、筛选、汇总、统计及可视化；然后讲解Pandas数据的线性模型和广义线性模型，最后讲解Pandas数据实战分析。 在讲解过程中即考虑读者的学习习惯，又通过具体实例剖析讲解Pandas实战应用中的热点问题、关键问题及种种难题。

本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。 全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的入门级读者，还可助力数据分析从业者进行技术进阶。

本书系统地描述了如何利用Python语言进行数据分析。由浅入深的编写方式可以帮助读者轻松愉快地进入数据的世界。 全书从理论到实践、从基础语法到科学计算库，循序渐进地讲解了Python数据分析所需要学习的技能。搭配项目实战帮助读者更好、更快地掌握Python数据分析知识点。此外，还全面介绍了数据分析的必知必会技能。本书提供代码资源下载服务，每章均配有重要知识点串讲视频。本书不仅适合零基础喜欢数据分析的入门级读者，还可助力数据分析从业者进行技术进阶。

本书从数据分析的基本概念和Python的基础语法讲起，然后逐步深入到Python数据分析的编程技术方面，并结合实战重点讲解了如何使用主流Python数据分析库进行数据分析，让读者快速掌握Python的编程基础知识，并对Python数据分析有更加深入的理解。 本书分为13章，涵盖的主要内容有数据分析概述、Python的特点和编程基础、NumPy数组的基础和进阶用法、Pandas数据处理和数据分析、数据的导入导出、数据可视化，以及Python网络爬虫和Scikit-learn机器学习的入门知识。 本书内容丰富，语言简洁、通俗易懂，实用性强，还包含实战案例，特别适合Python的初学者和自学者，以及缺乏编程经验的数据分析从业人员阅读，也适合对数据分析编程感兴趣的爱好者阅读。

本书以任务为导向，全面地介绍数据分析的流程和Python数据分析库的应用，详细讲解利用Python解决企业实际问题的方法。全书共9章，1章介绍了数据分析的基本概念等相关知识；2～6章介绍了Python数据分析的常用库及其应用，涵盖NumPy数值计算、Matplotlib数据可视化、pandas统计分析、使用pandas进行数据预处理、使用scikit-learn构建模型，较为全面地阐述了Python数据分析方法；第7～9章结合之前所学的数据分析技术，进行企业综合案例数据分析。除1章外，本书各章都包含了实训与课后习题，通过练习和操作实践，帮助读者巩固所学的内容。本书可作为高校大数据技术类专业的教材，也可以作为大数据技术爱好者的自学用书。

本书以任务为导向，全面地介绍数据分析的流程和Python数据分析库的应用，详细讲解利用Python解决企业实际问题的方法。全书共9章，1章介绍了数据分析的基本概念等相关知识；2～6章介绍了Python数据分析的常用库及其应用，涵盖NumPy数值计算、Matplotlib数据可视化、pandas统计分析、使用pandas进行数据预处理、使用scikit-learn构建模型，较为全面地阐述了Python数据分析方法；第7～9章结合之前所学的数据分析技术，进行企业综合案例数据分析。除1章外，本书各章都包含了实训与课后习题，通过练习和操作实践，帮助读者巩固所学的内容。本书可作为高校大数据技术类专业的教材，也可以作为大数据技术爱好者的自学用书。

本书从零开始系统讲解了使用Pandas导入Excel数据，然后使用Pandas技术对数据做整理和分析，最后导出为不同形式的Excel文件。完整实现了数据的导入、处理、输出的处理流程。全书共10章。第1章为Pandas数据处理环境的搭建，第2章为使用Pandas对Excel数据读取与保存，第3章介绍与Pandas底层数据相关的NumPy库，第4章介绍了Pandas中DataFrame表格的增、删、改、查等常用操作，第5章介绍了对Series与DataFrame两种数据的运算、分支、遍历等处理，第6章介绍了字符串的各种清洗技术，第7章介绍时间戳与时间差数据的处理，第8章介绍Pandas中分层索引及与索引相关的操作，第9章介绍了对数据的分组处理及做数据透视表处理，第10章介绍了表格的数据结构转换，以及多表读取与保存。书中包含相应示例，不仅可以学会理论知识还可以灵活应用。

本书从零开始系统讲解了使用Pandas导入Excel数据，然后使用Pandas技术对数据做整理和分析，最后导出为不同形式的Excel文件。完整实现了数据的导入、处理、输出的处理流程。全书共10章。第1章为Pandas数据处理环境的搭建，第2章为使用Pandas对Excel数据读取与保存，第3章介绍与Pandas底层数据相关的NumPy库，第4章介绍了Pandas中DataFrame表格的增、删、改、查等常用操作，第5章介绍了对Series与DataFrame两种数据的运算、分支、遍历等处理，第6章介绍了字符串的各种清洗技术，第7章介绍时间戳与时间差数据的处理，第8章介绍Pandas中分层索引及与索引相关的操作，第9章介绍了对数据的分组处理及做数据透视表处理，第10章介绍了表格的数据结构转换，以及多表读取与保存。书中包含相应示例，不仅可以学会理论知识还可以灵活应用。

内容简介 本书是Python数据分析与挖掘领域的公认的事实标准，第1版销售超过10万册，销售势头依然强劲，被国内100余所高等院校采用为教材，同时也被广大数据科学工作者奉为经典。 作者在大数据挖掘与分析等领域有10余年的工程实践、教学和创办企业的经验，不仅掌握行业的*新技术和实践方法，而且洞悉学生和老师的需求与痛点，这为本书的内容和形式提供了强有力的保障，这是本书第1版能大获成功的关键因素。 全书共13章，分为三个部分，从技术理论、工程实践和进阶提升三个维度对数据分析与挖掘进行了详细的讲解。 第壹部分 基础篇（第1～5章） 主要讲解了Python数据分析与挖掘的工具和技术理论，包括数据挖掘的基础知识、Python数据挖掘与建模工具、数据挖掘的建模过程，以及挖掘建模的常用算法和原理等内容。 第二部分 实战篇（第6～12章） 通过工程实践案例讲解了数据挖掘技术在金融、航空、零售、能源、制造、电商等行业的应用。在案例组织结构上，本书按照“介绍案例背景与挖掘目标→阐述分析方法与过程→完成模型构建”的顺序进行，在建模过程关键环节，穿插程序实现代码。*后，通过上机实践加深对案例应用中的数据挖掘技术的理解。 第三部分 提高篇（第13章） 重点讲解了基于Python引擎的开源数据挖掘建模平台（TipDM）的功能和使用方法，以航空公司客户价值分析为案例，介绍了如何使用该平台快速搭建数据分析与挖掘工程。 本书不仅提供TipDM这样的上机实践环境，而且还提供配套的案例建模数据、Python源代码、教学PPT。

内容简介 本书是Python数据分析与挖掘领域的公认的事实标准，第1版销售超过10万册，销售势头依然强劲，被国内100余所高等院校采用为教材，同时也被广大数据科学工作者奉为经典。 作者在大数据挖掘与分析等领域有10余年的工程实践、教学和创办企业的经验，不仅掌握行业的*新技术和实践方法，而且洞悉学生和老师的需求与痛点，这为本书的内容和形式提供了强有力的保障，这是本书第1版能大获成功的关键因素。 全书共13章，分为三个部分，从技术理论、工程实践和进阶提升三个维度对数据分析与挖掘进行了详细的讲解。 第壹部分 基础篇（第1～5章） 主要讲解了Python数据分析与挖掘的工具和技术理论，包括数据挖掘的基础知识、Python数据挖掘与建模工具、数据挖掘的建模过程，以及挖掘建模的常用算法和原理等内容。 第二部分 实战篇（第6～12章） 通过工程实践案例讲解了数据挖掘技术在金融、航空、零售、能源、制造、电商等行业的应用。在案例组织结构上，本书按照“介绍案例背景与挖掘目标→阐述分析方法与过程→完成模型构建”的顺序进行，在建模过程关键环节，穿插程序实现代码。*后，通过上机实践加深对案例应用中的数据挖掘技术的理解。 第三部分 提高篇（第13章） 重点讲解了基于Python引擎的开源数据挖掘建模平台（TipDM）的功能和使用方法，以航空公司客户价值分析为案例，介绍了如何使用该平台快速搭建数据分析与挖掘工程。 本书不仅提供TipDM这样的上机实践环境，而且还提供配套的案例建模数据、Python源代码、教学PPT。