本书是人工智能技术应用专业校企“双元”合作系列教材之一。

从数据中提取信息，探索数据内在规律并形成有效结论，需要使用数据分析技术，这也是高等职业教育人工智能技术应用专业后续课程的基础支撑。本书共包括9 个项目：项目1 介绍数据分析的概念、学习路径、分类和流程，使读者建立数据分析的总体认识；项目2 搭建开发环境Anaconda，使用开发工具Jupyter Notebook，使用内置数据结构、函数和推导式，为数据分析做准备；项目3 使用NumPy 进行多维数组的创建、运算、操作、存取，面向数组编程，奠定数据分析基础；项目4～项目7使用Pandas 进行数据分析；项目8 使用Matplotlib 图形库进行数据可视化分析；项目9 运用所学知识和技术进行数据分析实战演练。

本书配有微课视频、课程标准、教学设计、授课用PPT、案例源码等数字化学习资源。与本书配套的数字课程“Python 数据处理”在“智慧职教”及“中国大学MOOC”平台上线，学习者可登录平台进行在线学习，授课教师可调用本课程构建符合自身教学特色的SPOC 课程，详见“智慧职教”服务指南及前言说明。教师也可发邮件至编辑邮箱1548103297@qq.com获取相关资源。

本书以项目任务形式组织教学，由浅入深、图文并茂，着力培养学生的数据思维、学习能力和实践能力，可作为高等职业院校人工智能技术应用、大数据技术、计算机应用技术等相关专业的教材，也可作为Python数据分析及人工智能技术初学者的入门参考书。

前辅文
项目1 认识数据分析
  项目描述
  项目分析
  项目目标
  任务1.1 认识Python 与数据分析
   1.1.1 任务描述
   1.1.2 任务分析
   1.1.3 任务实现
   1.1.4 知识巩固
  任务1.2 认识数据分析类别与流程
   1.2.1 任务描述
   1.2.2 任务分析
   1.2.3 任务实现
   1.2.4 知识巩固
  小结
  练习
项目2 准备数据分析
  项目描述
  项目分析
  项目目标
  任务2.1 数据分析环境搭建与使用
   2.1.1 任务描述
   2.1.2 任务分析
   2.1.3 任务实现
   2.1.4 知识巩固
  任务2.2 内置数据结构使用
   2.2.1 任务描述
   2.2.2 任务分析
   2.2.3 任务实现
   2.2.4 知识巩固
  任务2.3 序列函数和推导式使用
   2.3.1 任务描述
   2.3.2 任务分析
   2.3.3 任务实现
   2.3.4 知识巩固
  任务2.4 函数的使用
   2.4.1 任务描述
   2.4.2 任务分析
   2.4.3 任务实现
   2.4.4 知识巩固
  小结
  练习
项目3 NumPy 的多维数组处理与存取
  项目描述
  项目分析
  项目目标
  任务3.1 认识NumPy 的多维数组
   3.1.1 任务描述
   3.1.2 任务分析
   3.1.3 任务实现
   3.1.4 知识巩固
  任务3.2 创建多维数组
   3.2.1 任务描述
   3.2.2 任务分析
   3.2.3 任务实现
   3.2.4 知识巩固
  任务3.3 多维数组运算
   3.3.1 任务描述
   3.3.2 任务分析
   3.3.3 任务实现
   3.3.4 知识巩固
  任务3.4 多维数组的索引和切片操作
   3.4.1 任务描述
   3.4.2 任务分析
   3.4.3 任务实现
   3.4.4 知识巩固
  任务3.5 多维数组的数据处理与运算
   3.5.1 任务描述
   3.5.2 任务分析
   3.5.3 任务实现
   3.5.4 知识巩固
  任务3.6 多维数组的操作
   3.6.1 任务描述
   3.6.2 任务分析
   3.6.3 任务实现
   3.6.4 知识巩固
  任务3.7 多维数组存取
   3.7.1 任务描述
   3.7.2 任务分析
   3.7.3 任务实现
   3.7.4 知识巩固
  任务3.8 标准差计算
   3.8.1 任务描述
   3.8.2 任务分析
   3.8.3 任务实现
   3.8.4 知识巩固
  小结
  练习
项目4 Pandas 的数据对象构建和数据运算
  项目描述
  项目分析
  项目目标
  任务4.1 构建数据对象
   4.1.1 任务描述
   4.1.2 任务分析
   4.1.3 任务实现
   4.1.4 知识巩固
  任务4.2 索引操作
   4.2.1 任务描述
   4.2.2 任务分析
   4.2.3 任务实现
   4.2.4 知识巩固
  任务4.3 数据运算
   4.3.1 任务描述
   4.3.2 任务分析
   4.3.3 任务实现
   4.3.4 知识巩固
  任务4.4 层次化索引操作
   4.4.1 任务描述
   4.4.2 任务分析
   4.4.3 任务实现
   4.4.4 知识巩固
  小结
  练习
项目5 Pandas 的数据读写
  项目描述
  项目分析
  项目目标
  任务5.1 文本数据读写
   5.1.1 任务描述
   5.1.2 任务分析
   5.1.3 任务实现
   5.1.4 知识巩固
  任务5.2 JSON 和Excel 数据读写
   5.2.1 任务描述
   5.2.2 任务分析
   5.2.3 任务实现
   5.2.4 知识巩固
  任务5.3 数据库数据读写
   5.3.1 任务描述
   5.3.2 任务分析
   5.3.3 任务实现
   5.3.4 知识巩固
  小结
  练习
项目6 Pandas 的数据清洗和整理
  项目描述
  项目分析
  项目目标
  任务6.1 数据清洗
   6.1.1 任务描述
   6.1.2 任务分析
   6.1.3 任务实现
   6.1.4 知识巩固
  任务6.2 数据合并和连接
   6.2.1 任务描述
   6.2.2 任务分析
   6.2.3 任务实现
   6.2.4 知识巩固
  任务6.3 数据重塑
   6.3.1 任务描述
   6.3.2 任务分析
   6.3.3 任务实现
   6.3.4 知识巩固
  任务6.4 字符串处理
   6.4.1 任务描述
   6.4.2 任务分析
   6.4.3 任务实现
   6.4.4 知识巩固
  小结
  练习
项目7 Pandas 的数据分组与聚合
  项目描述
  项目分析
  项目目标
  任务7.1 数据分组与聚合运算
   7.1.1 任务描述
   7.1.2 任务分析
   7.1.3 任务实现
   7.1.4 知识巩固
  任务7.2 分组级apply 和transform 运算
   7.2.1 任务描述
   7.2.2 任务分析
   7.2.3 任务实现
   7.2.4 知识巩固
  任务7.3 数据处理map、apply、applymap 运算
   7.3.1 任务描述
   7.3.2 任务分析
   7.3.3 任务实现
   7.3.4 知识巩固
  任务7.4 某平台读书数据探索
   7.4.1 任务描述
   7.4.2 任务分析
   7.4.3 任务实现
   7.4.4 知识巩固
  小结
  练习
项目8 Matplotlib 图形库的数据可视化
  项目描述
  项目分析
  项目目标
  任务8.1 基础绘图
   8.1.1 任务描述
   8.1.2 任务分析
   8.1.3 任务实现
   8.1.4 知识巩固
  任务8.2 设置图形样式和色彩
   8.2.1 任务描述
   8.2.2 任务分析
   8.2.3 任务实现
   8.2.4 知识巩固
  任务8.3 绘制其他2D 图形
   8.3.1 任务描述
   8.3.2 任务分析
   8.3.3 任务实现
   8.3.4 知识巩固
  任务8.4 高阶绘图
   8.4.1 任务描述
   8.4.2 任务分析
   8.4.3 任务实现
   8.4.4 知识巩固
  小结
  练习
项目9 某短视频平台用户行为分析
  项目描述
  项目分析
  项目目标
  9.1 数据导入
  9.2 数据理解
   9.2.1 查看列索引列表
   9.2.2 解释列索引
   9.2.3 查看维度
   9.2.4 查看摘要
   9.2.5 查看描述性统计信息
  9.3 问题定义
  9.4 数据预处理
   9.4.1 空值和重复值
   9.4.2 字段名处理
   9.4.3 数据格式处理
  9.5 数据探索与可视化
   9.5.1 问题1
   9.5.2 问题2
   9.5.3 问题3
   9.5.4 问题4
   9.5.5 问题5
   9.5.6 问题6
   9.5.7 问题7
   9.5.8 问题8
   9.5.9 问题9
   9.5.10 问题10
   9.5.11 问题11
  9.6 结论
参考文献