Python 数据分析实战教程目录

第1章 数据分析入门与环境搭建

1.1 为什么学习数据分析：应用场景与职业前景 1.2 数据分析工作流程概览：从问题定义到洞察输出 1.3 核心工具链介绍：Python、Jupyter、pandas、NumPy、Matplotlib、Seaborn 1.4 安装与配置数据分析环境（含 conda 虚拟环境与镜像源设置）

第2章 NumPy 数组基础

2.1 NumPy 数组基础：ndarray 创建与属性 2.2 数组索引、切片与布尔索引 2.3 向量化运算与广播机制 2.4 常用数学函数与随机数生成

第3章 pandas 核心数据结构

3.1 pandas 核心数据结构：Series 与 DataFrame 3.2 从 CSV、Excel、JSON 读取数据 3.3 查看数据基本信息：head、info、describe 3.4 列选择、行筛选与条件查询

第4章 数据清洗与预处理

4.1 处理缺失值：isna、dropna、fillna 4.2 删除重复数据与异常值识别 4.3 数据类型转换：astype 与 to_numeric 4.4 字符串操作与正则表达式清洗

第5章 数据变换与特征工程

5.1 新增列与列重命名 5.2 行/列排序与索引重置 5.3 数据分箱与离散化处理 5.4 日期时间类型处理与解析

第6章 分组聚合分析

6.1 分组聚合：groupby 基本用法 6.2 聚合函数：sum、mean、count、agg 6.3 多级分组与分组后过滤 6.4 透视表（pivot_table）创建与解读

第7章 数据合并与重塑

7.1 数据合并：concat 横向与纵向拼接 7.2 主键连接：merge 的 inner、left、outer 7.3 索引对齐连接与多列连接 7.4 长宽表转换：melt 与 pivot

第8章 Matplotlib 基础可视化

8.1 Matplotlib 基础绘图：折线图、柱状图、散点图 8.2 图形元素定制：标题、标签、图例、网格 8.3 子图布局：subplot 与 subplots 8.4 保存图表为图片文件

第9章 Seaborn 统计可视化

9.1 Seaborn 统计图表优势简介 9.2 分布可视化：histplot、kdeplot、boxplot 9.3 关系可视化：scatterplot、lineplot、relplot 9.4 分类数据可视化：barplot、countplot、violinplot

第10章 探索性数据分析（EDA）

10.1 相关性分析：corr 与热力图绘制 10.2 时间序列趋势分析与移动平均 10.3 分组对比分析与交叉表 10.4 异常检测与离群点识别方法

第11章 分析报告与项目组织

11.1 使用 describe 进行整体统计概览 11.2 构建自定义分析函数与管道 11.3 生成分析报告：Markdown + 图表整合 11.4 使用 Jupyter Notebook 组织分析项目

第12章 综合实战案例

12.1 电商用户行为数据分析实战 12.2 股票价格时间序列分析 12.3 社交媒体情感倾向探索 12.4 公共数据集（如 Titanic、鸢尾花）完整分析流程