数据时代的来临带动了新一波的智能革命，数据与算法驱动了各个领域的改变。在几个市场热门的讨论议题中，都可以看到数据应用扮演的角色。在面对真实世界的数据时，有许许多多的事情需要考虑。本书试图从最务实的角度开始，结合理论与实践去探索数据科学的真实世界，帮助读者一步一步地培养数据时代下的思维与技术。本书将从基础的Python编程开始，以数据分析的流程为主轴一步一步地解析，然后展开介绍数据收集、数据前处理、特征工程、探索式分析等。本书系统性地从函数库开始学习，并拓展到不同的应用场景。
本书实用性强，提供数据分析所必需的编程技能的培训，以及常见第三方软件和库的使用方法：以数据科学家、数据分析师等数据应用工作的实践经验作为培养目标，适合对Python与数据分析有兴趣的人阅读。

张维元，毕业于中国台湾清华大学，主要研究领域为大数据应用。目前在多家初创公司担任工程师及技术顾问，曾担任大型技术会议的演讲嘉宾与软件课程讲师。擅长网站开发及数据科学，精通Python与JavaScript语言。

第1章 数据分析与Python
1.1 数据分析概述
1.1.1 数据分析兴起与发展的时代背景
1.1.2 什么是数据分析
1.1.3 数据分析的发展方向
1.1.4 大数据与厚数据
1.1.5 数据挖掘、机器学习与深度学习
1.2 数据项目
1.2.1 定义数据项目
1.2.2 数据项目团队的组成
1.2.3 数据项目的分析流程
1.3 Python与数据分析的关系
1.3.1 为什么要用Python进行数据分析
1.3.2 Python的数据分析系统
1.4 数据分析人员的学习地图
1.4.1 怎样成为数据分析人员
1.4.2 技能树养成之路
第2章 Python基础
2.1 Python简介
2.1.1 执行Python程序的主要方式
2.1.2 编写Python程序
2.1.3 相关的开发管理工具
2.2 开发环境准备
2.2.1 Anaconda
2.2.2 JupyterNotebook
2.3 一个简单的范例
2.4 数据类型
2.4.1 数值
2.4.2 字符串
2.4.3 容器
2.5 数据运算
2.6 流程控制
2.6.1 条件判断
2.6.2 while循环
2.6.3 for循环
2.6.4 循环中断
2.7 函数与类
2.7.1 函数
2.7.2 类
2.8 错误处理
第3章 数据来源与获取
3.1 数据来源与数据格式
3.1.1 数据来源
3.1.2 数据格式
3.2 开放数据及其来源
3.2.1 什么是开放数据
3.2.2 常见的开放数据来源
3.3 如何使用Python存取数据
3.3.1 下载文件
……
第4章 网络爬虫的技术和实战
第5章 常见的数据分析工具
第6章 定义问题与观察数据
第7章 数据清理与类型转换
第8章 数据探索与可视化
第9章 特征工程
第10章 示例应用