數(shù)據(jù)分析是當(dāng)今社會中越來越重要的領(lǐng)域之一，而 Python 則成為數(shù)據(jù)分析領(lǐng)域中最受歡迎的編程語言之一。Python 語言的簡單易學(xué)和強(qiáng)大功能，使其成為數(shù)據(jù)科學(xué)家和數(shù)據(jù)分析師的首選工具。

本書是十四五高等學(xué)校新工科計算機(jī)類專業(yè)系列教材之一，適合作為高等學(xué)校本科生、研究生數(shù)據(jù)分析等課程的教材，旨在為讀者提供 Python 數(shù)據(jù)分析的基礎(chǔ)知識和技能，使讀者能夠在實(shí)際應(yīng)用中輕松地使用 Python 進(jìn)行數(shù)據(jù)分析和數(shù)據(jù)科學(xué)工作，不僅適應(yīng)新工科背景下教學(xué)模式改革的需要，也滿足了產(chǎn)業(yè)發(fā)展對跨學(xué)科、高層次、創(chuàng)新型人才培養(yǎng)的需求。本書共分 9 章。第 1 章數(shù)據(jù)分析與 Python 基礎(chǔ)，包括語言基礎(chǔ)、控制結(jié)構(gòu)、函數(shù)和模塊，為后續(xù)章節(jié)的學(xué)習(xí)提供了必要的基礎(chǔ)。第 2 章 NumPy 數(shù)值計算，包括數(shù)組的創(chuàng)建、索引和切片、數(shù)組的數(shù)學(xué)運(yùn)算和數(shù)組的廣播等，幫助讀者更好地理解和處理數(shù)值數(shù)據(jù)。第 3 章和第 4 章論述 Pandas 統(tǒng)計分析和數(shù)據(jù)載入與預(yù)處理，包括數(shù)據(jù)結(jié)構(gòu)、數(shù)據(jù)的合并和分組、缺失數(shù)據(jù)的處理等，讓讀者能夠更好地了解和處理數(shù)據(jù)。第 5 章數(shù)據(jù)分析可視化，包括 Matplotlib、Seaborn 和 Pyecharts 的使用，幫助讀者更好地展示和理解數(shù)據(jù)。第 6 章數(shù)據(jù)分析方法，包括聚類、分類和回歸等方法，讓讀者能夠更好地分析數(shù)據(jù)。第 7 章時間序列數(shù)據(jù)分析，包括時間序列數(shù)據(jù)的處理和分析，幫助讀者更好地分析時間序列數(shù)據(jù)。第 8 章文本數(shù)據(jù)分析，幫助讀者初步掌握自然語言處理。第 9 章圖像數(shù)據(jù)分析，引領(lǐng)讀者更加深入地理解圖像數(shù)據(jù)處理的本質(zhì)。書中所有代碼全部在 Anaconda 3 提供的 Jupyter Notebook 環(huán)境下運(yùn)行通過，并提供所有程序源代碼及相關(guān)文檔。

本書知識點(diǎn)設(shè)置系統(tǒng)性強(qiáng)，按照數(shù)據(jù)分析的流程，對大量的實(shí)例進(jìn)行分析，幫助讀者更好地理解相關(guān)的概念和技術(shù)；通過講解數(shù)據(jù)分析實(shí)際應(yīng)用中的經(jīng)典技術(shù)及其基本思想與方法，培養(yǎng)學(xué)生分析問題和初步應(yīng)用能力；精選貼近實(shí)際應(yīng)用的案例，每章都設(shè)置了案例分析與實(shí)訓(xùn)，以便于鞏固知識點(diǎn)，培養(yǎng)學(xué)生的自主學(xué)習(xí)能力和創(chuàng)新能力。總體來說，本書以學(xué)生發(fā)展為中心，立足教學(xué)適用性，注重教材實(shí)踐性，并提供大量的視頻及代碼資源等，為跨學(xué)科、復(fù)合型人才的培養(yǎng)提供了廣泛的支持和指導(dǎo)。

本書由一線教學(xué)經(jīng)驗(yàn)豐富的高校教師共同編寫，由劉秋菊、王國政、黃繼海任主編，王仲英、于江德、鄭富娥、劉為超任副主編，王喜鳳、王鴻飛參與編寫。全書由劉秋菊統(tǒng)稿。

本書編寫得到了中國鐵道出版社有限公司各位編輯的大力支持和幫助，提出了諸多建議，在此致以誠摯的謝意。

限于編者的水平，加之技術(shù)的不斷發(fā)展更新，書中難免存在不足之處，敬請同行、讀者提出寶貴意見并批評指正。

編 者

2023 年 3 月