Python是信息管理与信息系统、电子商务等信息管理类本科学生进行数据分析所需要掌握的基础性语言和分析工具，是未来学生掌握大数据分析技术的学习基础。本书共分12章，着重讲述Python语言和数据分析工具包的应用。 第1章主要介绍Python的发展历史、特点、集成开发环境、内置模块、帮助的使用等内容； 第2章主要介绍Python语言的基础知识； 第3章主要介绍Python中的常用数据结构，包括序列、字典、集合等，以及函数的定义和调用等； 第4章主要介绍Python中类、对象和方法的相关内容； 第5章主要介绍Python进行数据分析常用的NumPy、Pandas、Matplotlib、SciPy和Scikitlearn等基础库内容； 第6章主要介绍网络数据获取的HTML和XML两种网页组织形式，以及urllib和BeautifulSoup4两个模块内容； 第7章主要介绍文件的操作； 第8章主要介绍数据可视化，以及使用Python绘制图表的知识； 第9章主要介绍利用Python进行数据库应用开发； 第10、11章主要介绍Python机器学习的基本概念以及有监督、无监督学习算法的原理； 第12章主要介绍Python在地理空间分析上的应用。本书中的代码均在Python 3.5中测试通过。 本书一方面侧重对Python数据分析基础知识的讲解，另一方面注重Python数据处理方法的应用。本书适合作为计算机科学与技术专业学生学习数据分析的入门教材，也适合作为Python爱好者的参考书。

前言 Python是大数据时代非常受欢迎的数据分析编程语言，近年来随着机器学习、云计算、人工智能等技术的发展，Python的流行趋势扶摇直上，已经成为数据分析和数据科学事实上的标准语言和标准平台之一。 本书针对数据分析人员和Python编程学习者进行内容编排和章节讲述，Python数据分析整个学习路线图计划分成16周，120天左右。本书主要内容包括以下五大部分。 （1） Python工作环境及基础语法知识： 认识Python程序运行方式，使用Python 3.5开发集成环境与工具； 学习Python程序基本结构，理解Python的面向对象定义和类、对象的操作方法，以及Python异常处理机制。本部分为基础内容，建议学习时间为4周。 （2） Python数据分析相关知识： Python生态系统为数据分析师和数据科学家提供了各种程序库，例如NumPy、SciPy、Pandas和Matplotlib，使其在数据分析领域也有广泛的应用。Python数据分析的学习主要是对相关库的使用，例如数据整理需要用到NumPy库，数据描述与分析则主要用到Pandas库。由于有前面的学习基础，本部分学习时间建议为3周。 （3） Python数据可视化： Python数据可视化的过程就是学习Matplotlib库的过程，Matplotlib库包含丰富的数据可视化资源，地图、3D等都有涉及，基于前面两部分的学习经验，这部分内容在两周内基本可以完成。 （4） Python机器学习： Scikitlearn是本书所使用的核心程序库，依托于上述几种工具包，封装了大量...