本书首先简要介绍Python语言的基础知识，为后续内容的学习提供基础，接着介绍NumPy、Matplotlib和Pandas三个数据分析基础模块的用法，同时也为后面基于scikitlearn的机器学习提供基础，最后介绍基于scikitlearn机器学习及其模型的评价方法、超参数调优方法。全书通过大量案例，希望能让读者快速提高实践能力。 本书适合作为高校本科生或研究生数据分析、机器学习等相关课程的教材或参考书，也可作为数据分析和机器学习爱好者的自学教程，还可以作为相关科研工作者与工程实践者的参考书。

杨年华，上海对外经贸大学统计与信息学院副教授，管理信息系统本科，计算机应用技术硕士、博士，计算机科学与技术博士后出站。主持或参与过多个各类科研、重点教改和重点课程项目。发表过多篇学术论文。主编出版教材《Python程序设计教程》第1版和第2版。曾参与完成过多个大型软件开发项目。先后工作于中国电信、上海对外经贸大学。

前言 在大数据和人工智能时代，数据是各企事业单位的重要资产。数据分析和机器学习是寻找数据之间关系、预测趋势的重要手段，是智能决策的重要方法之一。通过数据分析和机器学习知识体系的培养，结合各学科的应用，可以为各学科的人才培养注入新的动力。Python语言入门简单，已经得到广泛的应用，也是当前大数据和人工智能领域最常用的程序设计语言之一。我们在相关课程建设的基础上编写了本书。 本书共14章。第1~4章主要介绍Python语法的基础知识，为后面内容的学习提供基础。第5~7章主要介绍数据分析和可视化方法，同时也为后面的机器学习部分提供基础。第8~14章主要介绍机器学习及数据预处理和模型评估方法。各章节的主要内容如下。 第1章主要阐述Python语言的特点、模块的概念、帮助的使用方法及开发环境的安装与使用方法。 第2章主要介绍Python语言的语法基础，包括标识符、表达式、常用数据类型、分支与循环结构、常用组合类型等。本章部分内容由柳青、张晓黎、郑戟明编写。 第3章主要介绍自定义函数以及类型注解、lambda表达式和函数式编程的常用类与函数。本章部分内容由柳青编写。 第4章主要介绍类与对象的关系、自定义类和类的继承。本章4.1节和4.2节中的部分内容由柳青编写。 第5章主要介绍NumPy数据处理基础。NumPy是学习Matplotlib、Pandas、scikitlearn等内容的基础。 第6章主要介绍Matplotlib数据可视化基础，介绍了多种数据展示方法。 第7章主要介绍Pandas数据处理与分析技术，包括Series和DataFrame两种对象的用法及...