第1 章　数据分析概况 /1
1.1　数据分析定义（What） /2
1.2　数据分析作用（Why） /4
1.3　数据分析步骤（How） /5
1.3.1　明确分析目的和思路 /6
1.3.2　数据收集 /7
1.3.3　数据处理 /9
1.3.4　数据分析 /9
1.3.5　数据展现 /10
1.3.6　报告撰写 /10
1.4　数据分析的三大误区 /12
1.5　常用的数据分析工具 /13
1.5.1　Excel /13
1.5.2　SPSS /14
1.5.3　R语言 /15
1.5.4　Python语言 /16
第2 章　Python 概况 /17
2.1　Python简介 /18
2.2　Python特点 /19
2.3　Python模块 /20
2.3.1　函数 /20
2.3.2　模块 /24
2.4　Python使用场景 /27
2.5　Python 2与Python 3 /28
2.6　Python与数据科学 /29
2.7　Anaconda简介 /30
2.8　安装Anaconda /31
2.8.1　下载Anaconda /31
2.8.2　安装Anaconda /33
2.9　使用Anaconda /37
2.9.1　PyCharm 与Spyder /37
2.9.2　Anaconda 开始菜单 /38
2.9.3　Spyder 工作界面简介 /39
2.9.4　项目管理 /40
2.9.5　代码提示 /43
2.9.6　变量浏览 /44
2.9.7　图形查看 /44
2.9.8　帮助文档 /45
第3 章　编程基础 /47
3.1　数据类型 /48
3.1.1　数值型 /48
3.1.2　字符型 /50
3.1.3　逻辑型 /56
3.2　赋值和变量 /57
3.2.1　赋值和变量 /57
3.2.2　变量命名规则 /58
3.3　数据结构 /59
3.3.1　列表 /59
3.3.2　字典 /63
3.3.3　序列 /66
3.3.4　数据框 /72
3.3.5　四种数据结构的区别 /80
3.4　向量化运算 /81
3.5　for 循环 /83
3.6　Python 编程注意事项 /87
第4 章　数据处理 /90
4.1　数据导入与导出 /91
4.1.1　数据导入 /91
4.1.2　数据导出 /99
4.2　数据清洗 /100
4.2.1　数据排序 /101
4.2.2　重复数据处理 /102
4.2.3　缺失数据处理 /106
4.2.4　空格数据处理 /109
4.3　数据转换 /110
4.3.1　数值转字符 /110
4.3.2　字符转数值 /112
4.3.3　字符转时间 /113
4.4　数据抽取 /115
4.4.1　字段拆分 /116
4.4.2　记录抽取 /121
4.4.3　随机抽样 /127
4.5　数据合并 /130
4.5.1　记录合并 /130
4.5.2　字段合并 /133
4.5.3　字段匹配 /135
4.6　数据计算 /140
4.6.1　简单计算 /140
4.6.2　时间计算 /141
4.6.3　数据标准化 /142
4.6.4　数据分组 /144
第5 章　数据分析 /148
5.1　对比分析 /149
5.2　基本统计分析 /152
5.3　分组分析 /155
5.4　结构分析 /158
5.5　分布分析 /159
5.6　交叉分析 /162
5.7　RFM 分析 /164
5.8　矩阵分析 /173
5.9　相关分析 /176
5.10　回归分析 /178
5.10.1　回归分析简介 /178
5.10.2　简单线性回归分析 /180
5.10.3　多重线性回归分析 /185
第6 章　数据可视化 /189
6.1　数据可视化简介 /190
6.1.1　什么是数据可视化 /190
6.1.2　数据可视化常用图表 /190
6.1.3　通过关系选择图表 /191
6.2　散点图 /192
6.3　矩阵图 /203
6.4　折线图 /210
6.5　饼图 /215
6.6　柱形图 /217
6.7　条形图 /222
· · · · · · (收起)