人類社會(huì)發(fā)展進(jìn)程中，通過(guò)數(shù)據(jù)來(lái)研究規(guī)律并發(fā)現(xiàn)規(guī)律貫穿了始終。從進(jìn)入信息化時(shí)代開始，人類社會(huì)的各類信息系統(tǒng)就開始積累大量的業(yè)務(wù)數(shù)據(jù)，為了有效、充分利用這些數(shù)據(jù)支持日常管理和決策，數(shù)據(jù)分析成為越來(lái)越多崗位人員每天的基本工作。進(jìn)入數(shù)字化時(shí)代后，不僅數(shù)據(jù)量越來(lái)越大，數(shù)據(jù)類型和數(shù)據(jù)形式也越來(lái)越多，各行各業(yè)對(duì)數(shù)據(jù)分析的需求也越來(lái)越強(qiáng)烈。
　　可以說(shuō)，數(shù)據(jù)分析正在改變傳統(tǒng)崗位的工作方式，數(shù)據(jù)分析正成為最受人們青睞的工作崗位，數(shù)據(jù)分析能力是數(shù)字化時(shí)代各類人才的必備能力。為了增強(qiáng)學(xué)生在人才市場(chǎng)的競(jìng)爭(zhēng)力，越來(lái)越多高校在基礎(chǔ)課程或?qū)�業(yè)必修、專業(yè)選修課程中加入了數(shù)據(jù)分析課程，或是至少在相關(guān)課程中加入了數(shù)據(jù)分析的教學(xué)內(nèi)容。
　　數(shù)據(jù)分析是指將某一主題相關(guān)的數(shù)據(jù)收集整合，然后利用特定的方法分析這些主題數(shù)據(jù)，從中發(fā)現(xiàn)規(guī)律或是得到結(jié)論。社會(huì)和經(jīng)濟(jì)領(lǐng)域中針對(duì)不同主題的決策場(chǎng)景進(jìn)行數(shù)據(jù)分析有著不同的分析目的，分析目的不同，分析所基于的數(shù)據(jù)、方法和工具也會(huì)不同。因此，進(jìn)行數(shù)據(jù)分析首先需要確定數(shù)據(jù)分析目標(biāo)。例如，企業(yè)產(chǎn)品運(yùn)營(yíng)部門進(jìn)行數(shù)據(jù)分析的目的之一是了解產(chǎn)品存在的問(wèn)題并分析原因，然后在分析的基礎(chǔ)上思考優(yōu)化的運(yùn)營(yíng)方案。再如，投資部門進(jìn)行數(shù)據(jù)分析的目的之一是深入分析備選投資方案的成本、收益和風(fēng)險(xiǎn)，以及分析哪些因素會(huì)怎樣影響投資成本、投資收益和投資風(fēng)險(xiǎn)，以支持投資決策。
　　就數(shù)據(jù)而言，數(shù)據(jù)分析所基于的數(shù)據(jù)有簡(jiǎn)單的數(shù)據(jù)，也有復(fù)雜的數(shù)據(jù)；有數(shù)值數(shù)據(jù)，也有文本數(shù)據(jù)；有連續(xù)數(shù)值數(shù)據(jù)，也有斷點(diǎn)數(shù)值數(shù)據(jù)；有結(jié)構(gòu)化數(shù)據(jù)，也有非結(jié)構(gòu)化數(shù)據(jù)。就方法而言，統(tǒng)計(jì)學(xué)是數(shù)據(jù)分析的靈魂，統(tǒng)計(jì)分析方法是常用數(shù)據(jù)分析方法。就經(jīng)濟(jì)領(lǐng)域的數(shù)據(jù)分析而言，計(jì)量經(jīng)濟(jì)模型是常用的分析模型。
　　很多編程語(yǔ)言都可以實(shí)現(xiàn)數(shù)據(jù)分析，Python是當(dāng)前在實(shí)務(wù)應(yīng)用和課堂教學(xué)中的首選語(yǔ)言。這不僅因?yàn)镻ython語(yǔ)法簡(jiǎn)單，代碼可讀性高，容易入門，有利于初學(xué)者學(xué)習(xí)，還因?yàn)镻ython在數(shù)據(jù)處理、分析和交互、探索性計(jì)算以及數(shù)據(jù)可視化等方面都有非常成熟的科學(xué)計(jì)算庫(kù)和工具。例如，在數(shù)據(jù)處理和分析方面，Python擁有NumPY、Pandas、Matplotlib、Scikit-learn、IPython等一系列非常優(yōu)秀的庫(kù)和工具。此外Python在爬蟲、Web、自動(dòng)化運(yùn)維甚至游戲等諸多領(lǐng)域也有廣泛應(yīng)用。
　　本教材基于Python學(xué)習(xí)在進(jìn)行數(shù)據(jù)分析時(shí)常用的統(tǒng)計(jì)分析方法，具體包括多元線性回歸模型擬合、多元非線性回歸模型擬合、多元統(tǒng)計(jì)分析推斷、模型變量的異方差性處理、處理面板數(shù)據(jù)的固定效應(yīng)方法和隨機(jī)效應(yīng)方法、時(shí)間序列數(shù)據(jù)處理的有限分布滯后模型等。本教材學(xué)習(xí)內(nèi)容略過(guò)數(shù)據(jù)的獲取過(guò)程，不關(guān)注Python的爬蟲應(yīng)用，僅關(guān)注在數(shù)據(jù)獲取之后應(yīng)用Python實(shí)現(xiàn)利用不同的統(tǒng)計(jì)分析方法構(gòu)建模型進(jìn)行數(shù)據(jù)挖掘和發(fā)現(xiàn)數(shù)據(jù)規(guī)律。本教材共十一章的學(xué)習(xí)內(nèi)容建立在對(duì)Python應(yīng)用已有一定程度了解和掌握的基礎(chǔ)之上。如果學(xué)習(xí)者對(duì)Python了解不多，可以通過(guò)附錄部分，先學(xué)習(xí)應(yīng)用Python進(jìn)行數(shù)據(jù)分析的基礎(chǔ)，學(xué)習(xí)如何搭建Python數(shù)據(jù)分析環(huán)境，了解掌握Python數(shù)據(jù)處理和分析的常用算法庫(kù)和工具包。