本书以Python 3.9为数据分析与挖掘的工具，课程内容包括基础篇和综合篇。基础篇从Python基础知识出发，围绕数据分析与挖掘常用的科学计算包NumPy、数据处理包Pandas、数据可视化包Matplotlib以及机器学习库Scikit-learn进行理实一体化讲练；综合篇聚焦汽车、交通行业案例进行数据分析综合应用，包括新能源汽车运行数据分析、汽车贷款违约概率预测、航空公司客户价值分析，以及吉利汽车用户在线评论数据分析4个综合应用案例。 本书遵循从基础到综合应用、理论与实践一体化的编写原则，各章按照“案例驱动”编写模式，体验从问题求解到程序设计的转换过程，适合应用型本科高校工科类、管理类专业学生及其他Python数据分析与挖掘爱好者使用。

黄强，硕士研究生，讲师、高级信息系统项目管理师、高级数据分析师，从事高等教育教学工作近10年，现任吉利学院智能科技学院数据科学教研室负责人，主要授课《数据分析与挖掘》、《数据结构与算法》、《数据库原理与应用》，公开发表论文近10篇，其中SCI/SSCI双检索1篇，SSCI检索1篇，主持、参与省厅级、校级课题6项。

前言 当前是大数据的时代。各行各业的生产生活都会产生大量数据，大数据的获取与预处理、存储与管理、数据分析与建模，以及数据可视化等大数据应用越来越受到重视。Python基于面向对象、解释性、可移植性以及开源易学等特点进行数据分析与挖掘，容易入门，易于推广，是人们工作和生活的称手工具。 本书以应用为导向，遵循读者认知规律，从基础到综合应用，各章以“案例驱动”导入，遵从理论与实践一体化的编写原则。基础篇为第1～5章。第1章介绍数据分析与挖掘以及Python基础知识，使读者掌握数据分析与挖掘的联系与区别、Anaconda与Spyder的安装和使用方法、Python内置6种数据类型及常用操作、流程控制语句、函数定义与调用等基本编程方法；第2章介绍了Python用于科学计算与简单统计分析的NumPy包；第3章重点介绍了Python用于数据预处理与统计分析的Pandas包，利用Pandas包不仅可以进行数据读取与预处理，还能进行分组聚合、透视表、交叉表等统计分析；第4章主要介绍了Python用于数据可视化的Matplotlib包，主要包括数据可视化常见的图表、Matplotlib绘图流程以及典型基础图表、高级图表及3D图表的绘制；第5章介绍Python用于机器学习的Scikit-Learn库，包括数据预处理、数据降维、回归、分类、聚类相关的机器学习算法原理与应用。综合篇为第6～9章。每章对应一个综合案例，综合案例聚焦汽车、交通行业领域，包括新能源汽车运行数据分析、汽车贷款违约概率预测、航空公司客户价值分析，以及吉利汽车用户在线评论数据分析。各章案例讲解从需求分析、数据加载与预...