1.本书在理论篇，采用案例与理论相结合的方式，详细介绍了数据分析与挖掘的相关知识：数据预处理、数据仓库、数据挖掘算法，对于数据挖掘算法，采用小数据集为例详细介绍各种挖掘算法，使读者能更好的理解及掌握算法的原理及过程。2.本书在实验篇，先采用小数据集进行初步实践，然后再采用大数据集进行综合实践，让读者由易到难、很好地掌握用Python进行数据分析与挖掘的完整过程。3.本书配套资源完整，包括：课件、习题解答、示例代码及数据源、题库、模拟试卷、教学大纲、教学日历等。

本书系统介绍了数据预处理、数据仓库和数据挖掘的原理、方法及技术，并使用目前在数据分析与挖掘领域非常热门的Python语言进行数据分析及挖掘建模。本书共10章，包括以下内容：第1章为绪论；第2~6章按数据分析与挖掘的过程分别介绍数据预处理的方法与技术、数据仓库的构建与OLAP技术、数据挖掘原理及算法（包括关联规则挖掘方法、聚类分析方法、分类规则挖掘方法，在每章中，以小数据集为例详细介绍各种挖掘算法，以便读者理解和掌握）；第7章介绍基于SQL Server2022构建数据仓库及OLAP；第8~10章为使用Python进行关联规则、聚类、分类挖掘算法的实践，先采用小数据集进行初步实践，再采用大数据集进行综合实践，通过完整的案例，加深对数据挖掘算法的理解，最终让读者很好地掌握用Python进行数据分析与挖掘的完整过程。
本书采用理论与实践相结合的方式，突出应用性能力的培养，实战性强。既可作为应用型本科院校计算机科学与技术、软件工程、大数据、人工智能相关专业的教材，也适合Python数据分析与挖掘初学者、大数据从业人员阅读。

第1章绪论
1.1KDD与数据挖掘
1.2数据挖掘的对象
1.3数据挖掘的任务
1.4Python数据分析与挖掘简介
第2章数据预处理
2.1数据概述
2.2数据预处理
第3章数据仓库
3.1数据仓库的概述
3.2数据仓库的ETL
3.3元数据
3.4数据仓库模型及建立
3.5联机分析处理（OLAP）技术
第4章关联规则挖掘
……