前言


我国“十四五”规划纲要已明确将大数据上升为国家战略，我们已经进入以大数据为基础的智能时代，大数据正在成为智慧农业、智能制造、智慧城市、智慧医疗等各行业数字转型的重要工具, 对数据分析相关岗位的需求愈来愈多。
无论你是处于单位中的哪个岗位，从科研数据的结果处理、到企业的专职数据分析、市场策划、销售运营、客户服务，都要求掌握数据分析。只要单位有业务决策需求，都离不开数据分析这个“工具”，数据分析是业务绩效的关键组成部分。数据分析逐步成为各个行业通吃的技能，能够洞察数据规律，做出驱动业务高效增长决策的人才必是市场上的“抢手货”，且都能有不错的收入水平。因此，未来大家都需要掌握一定的数据分析技能。
本书的编写是教育部第二批新工科研究与实践项目“涉农院校新工科人才培养实践创新平台建设探索与实践（EXTYR20200604）”的项目成果。本书的特色主要体现在以下4点。
（1） 主流技术，系统详尽。本书内容丰富，涵盖了数据分析中的主流常用库: NumPy、Pandas、Matplotlib和Seaborn等，内容系统详细，配套资源丰富，方便教学和学习。
（2） 层层递进，融会贯通。内容从Python的基础知识讲起，结合应用背景，由浅入深，力求易懂，尽量避免晦涩难懂的专业解释，帮助读者轻松入门。
（3） 示例丰富，轻松易学。结合有应用背景的例子，尽量做到知识点有应用点，透彻讲述了数据处理、分析以及可视化。
（4） 图文解析，步骤详尽。本书采用图文结合的方式，能够让读者直观、清晰地了解操作步骤和呈现效果，方便读者校对操作时的正误。
本书从基础和实践两个层面引导读者学习利用Python技术，系统、全面地讨论了Python数据分析与可视化的思想和方法。具体体现在如下内容。
第1章数据分析与可视化概述，主要介绍了数据分析与可视化的概念、数据分析与可视化基本流程、数据分析与可视化开发环境安装与包管理、Jupyter Notebook的启动与使用方法、常见的数据分析与可视化工具等内容。
第2章Python编程基础，主要介绍了Python语法基础、列表和元组、字典和集合、程序控制结构、函数、面向对象、模块与包等内容。
第3章NumPy数组计算，主要介绍了NumPy与数组对象、数组对象的数据类型、数组运算、数组元素的操作及数组的重塑和转置等内容。
第4章Pandas基础知识，主要介绍了Pandas与数据结构、Pandas索引操作、数据编辑和Pandas中调用函数的方法等内容。
第5章Pandas数据获取与清洗，主要介绍了数据获取操作、数据清洗、数据格式化、数据保存操作等内容。
第6章Pandas数据形式变化，主要介绍了数据集成与合并、数据变换、层次化索引与数据重塑、数据分组与聚合等内容。
第7章Pandas数据分析与可视化，主要介绍了数据基本统计分析、数据选取与查询、数据排序与排名、常用的数据分析、Pandas可视化方法等内容。
第8章Pandas数据处理与分析实战，主要介绍了对学生考试成绩数据进行处理分析，让读者体验从Python编程到Pandas库等做数据处理与分析知识的应用实践。
第9章Matplotlib库绘制可视化图表，主要介绍了数据可视化概述、可视化Matplotlib库的概述、Matplotlib库绘图的基本流程、使用Matplotlib库绘制常用图表等内容。
第10章图表辅助元素定制与美化，主要介绍了图表辅助元素的设置、图表样式定制、设置坐标轴的标签、刻度范围和刻度标签、标题和图例添加与网格线显示、添加参考线和参考区域、添加注释文本与表格等内容。
第11章Seaborn绘制数据分析图表，主要介绍了Seaborn与数据集加载、Seaborn图表的基本设置、常用图表的绘制等内容。
第12章时间序列数据处理与分析，主要介绍了日期和时间数据类型、时间序列的基本操作、固定频率的时间序列、时间周期及计算、重采样处理、窗口计算处理、基于四类影响要素的时间序列分析等内容。
第13章文本数据分析，主要介绍了文本数据处理与分析工具、文本预处理、文本情感分析等内容。
第14章图像处理与分析，主要介绍了OpenCV概述、cv2图像处理基础、图像的降噪处理、图像中的图形检测、图像的分割等内容。
本书的参考课时为32～48学时，可以作为高校数据科学与大数据技术、大数据管理与应用、软件工程和计算机科学与技术等专业的教材，也适合从事相关工作的人员阅读。
本书由李辉、倪健编写，在编写过程中，张标、孙鑫鑫、朱玲、金晓萍等提出了宝贵的修改意见和建议，在此表示感谢。
由于编者水平有限，加之Python语言的发展日新月异，书中难免会有疏漏和不足之处，敬请广大读者批评指正。

编者
2023年1月