1.3.1 打好编程基础 7
1.3.2 多攒代码 7
1.3.3 学会并且精通代码调试 8
1.3.4 伤其五指不如断其一指 8
第2章 Python的工作环境 10
2.1 Python工作环境的构成 10
2.1.1 Python的核心软件 10
2.1.2 Anaconda 11
2.1.3 IDE工具 12
2.2 安装过程中的常见问题 12
2.3 Python中的两种解释器 13
2.4 包的安装 20
2.4.1 在线安装 20
2.4.2 离线安装 21
2.5 Pycharm中的解释器配置 24
2.5.1 两种解释器在Pycharm中的配置方法 24
2.5.2 Anaconda中第三方包的配置 29
2.6 编译py文件生成.exe文件 31
第3章 适合小白的Python编程基础 35
3.1 与文件系统相关的5个常见问题 35
3.2 编码格式 40
3.3 Python编程中的一些特殊之处 42
3.4 Python中的数据结构 43
3.4.1 序列 43
3.4.2 列表 45
3.4.3 元祖 47
3.3.5 集合 53
3.5 Python基础语句 54
第4章 Python编程调试能力 58
4.1 程序调试的几个常识 58
4.2 Python代码常见错误类型 58
4.3程序调试方法 59
4.3.1 程序调试的基本操作 59
4.3.2 程序调试的基本方法 73
第5章 Excel和txt文件的读写操作 75
5.1 text文件读写包 75
5.2 Excel读写的四重循环 76
5.3 openpyxl包 78
5.4 xlsxwriter包 81
第6章 数据处理神器pandas 84
6.1 pandas的安装 84
6.2 pandas的数据结构 85
6.3 pandas数据处理 89
6.3.1 从Excel文件读取数据 89
6.3.2 切片 90
6.3.3 排序、筛选与分类汇总 92
6.3.4 数据合并 97
6.4 pandas统计分析 102
6.4.1统计分析指标 102
6.4.2 pandas绘图 107
6.5 其他功能 107
第7章 Matplotlib图形呈现包 109
7.1 Matplotlib包介绍 109
7.2 Matplotlib包绘制常用线形的方法 109
7.2.1 折线图 109
7.2.2 散点图 117
7.2.3 柱状图 117
7.2.4 饼图 118
7.2.5 直方图 122
7.3 图的部件绘制代码 123
7.4 绘图综合示例 127
Python数据分析高级篇 130
第8章 数据预处理 131
8.1数据预处理的目标和方法 131
8.1.1 缩放法 131
8.1.2 分段转换 135
8.1.3 定性数据定量化 136
8.1.4 数据填充 137
8.2 Python数据预处理的方法 138
第9章 数据分析的常见问题和方法 141
9.1 数据分析的常见问题 141
9.1.1 数据采集问题 141
9.1.2 数据描述问题 142
9.1.3 数据间关系的界定和挖掘问题 142
9.1.4 时间序列（预测）问题 142
9.2 数据分析的常见方法 143
9.2.1 标识分析法 143
9.2.2 排序分析方法 144
9.2.3 漏斗分析方法 144
9.2.4 二八分析法 146
9.2.5 异常值分析法 147
9.2.6 对比分析法 152
9.2.7 分组（类）分析法 155
9.2.8 因果关系判断法 155
9.2.9 假设排除分析法 156
9.2.10 趋势分析法 156
第10章 相关与回归 158
10.1相关 158
10.1.1相关分析的含义 158
10.1.2相关分析在Excel软件中的实现 159
10.1.3相关分析的Python代码实现 164
10.2回归 167
10.2.1线性回归 168
10.2.2非线性回归 171
10.2.3多元线性回归 173
10.2.4 Logistic回归 175
第11章 分类 178
11.1 KNN邻近算法 178
11.2 聚类原理 181
11.3 聚类在Python中的实现 183
第12章 决策树 186
12.1 决策树原理 186
12.2 决策树代码解析 187
第13章 关联分析 194
13.1关联分析原理 194
13.2关联分析的数据预处理 197
13.3 Python关联分析代码解析 199
第14章 降维技术 203
14.1 为什么要降维？ 203
14.2 用python实现主成分分析 205
第15章 通过爬虫获取数据的方法与实践 209
15.1 爬虫基本原理 209
15.2 爬虫爬取内容 210
15.3 爬虫爬取实践 210
15.3.1 新闻资讯类网站爬取 210
15.3.2 图片类网站爬取 212
15.3.3 金融类数据爬取 213
15.3.4 电商类数据爬取 214
15.4 应用爬取的数据进行数据分析 216
## 前言
#### 为什么要写这本书
我在培训行业耕耘了十多年，这么多年来作为专门培训数据分析的老师，我对于数据方面的书籍一直很关心，市面上绝大多数数据分析相关的书，我基本都看过，我发现市面上现在从编程小白（菜鸟）的视角入手的Python数据分析书还是比较少的。这么多年做数据业务培训和咨询，让我对于培训学员（基本都是数据分析领域的菜鸟）的实际需求了解很深，对于他们的心态、知识储备、痛点都心里有数。比如，不少刚刚上手Python的菜鸟都很关心Python的脚本如何编译成exe可执行文件，虽然他们自己可以通过相关软件完成编译执行，但是他们的领导或者客户可能根本不会安装编译软件并且搭建编程环境。再比如，菜鸟往往对很枯燥的程序调试过程感到厌烦和恐惧，但是程序调试在编程中的重要性不言而喻。他们在刚刚上手写脚本的时候遇到程序错误就会不知所措，这时合理使用程序调试可以帮他们更快找到问题。程序调试不仅在诊断程序错误方面作用巨大，在阅读Python脚本方面的作用也很明显，Python的对象以及对象中的属性和方法，对于编程菜鸟来说都是比较晦涩难懂的，如果熟练掌握了程序调试技巧，大部分的Python脚本都会变得更加易懂。我针对这样的需求，撰写了本书。
简言之，这是一本专门写给编程菜鸟的Python数据分析书，无论是章节编排、内容组织还是语言风格，都以编程菜鸟学数据分析的实际情况来安排。
## 学习路线：
这个方向初期比较容易入门一些，掌握一些基本技术，拿起各种现成的工具就可以开黑了。不过，要想从脚本小子变成黑客大神，这个方向越往后，需要学习和掌握的东西就会越来越多以下是网络渗透需要学习的内容：
详情docs.qq.com/doc/DSlhRRFFyU2pVZGhS
