学习python过程中，数据的分析是必须要去掌握的，python数据分析师是近年来最热门的专业之一，以高薪，高人才缺口为特点，得到大部分程序员的青睐。

在这里给大家分享一份由核安全数据分析大佬推荐的《Python 数据处理》一书，本书讲的是利用Python进行数据控制、处理、整理、分析等方面的具体细节和基本要点。通过介绍Python编程和用于数据处理的库和工具环境，让你从零开始学会数据分析。

而且，这本书也是从numpy讲起，侧重于数据分析的各个流程，包括数据的存取、规整、可视化等等。另外，该书针对每个知识点给出了简短而明晰的示例，并为大部分示例给出了实用场景（如疫情数据分析）。

适用人群：无论是工作需要，还是技能提升，又或者你是零基础的小白，想为自己的未来做一点事情，都可以尝试学习一下。

话不多说，来展示一下：目录：

第 1 章　Python 简介

• 为什么选择 Python
• 开始使用 Python
• Python 版本选择
• 安装 Python
• 测试 Python
• 安装 pip
• 安装代码编辑器
• 安装 IPython（可选）

第 2 章　Python 基础

• 基本数据类型
• 字符串
• 整数和浮点数
• 数据容器
• 变量
• 列表
• 字典
• 各种数据类型的用途
• 字符串方法：字符串能做什么
• 有用的工具：type、dir 和 help
• 综合运用
• 代码的含义

由于篇幅原因，所有章节就不一一截图展示，

有需要的小伙伴可以免费获取！（并且还会配套数据分析教程视频）

Python 数据处理

第 3 章　供机器读取的数据

• CSV 数据
• 如何导入 CSV 数据
• 将代码保存到文件中并在命令行中运行
• JSON 数据
• XML 数据

第 4 章　处理 Excel 文件

• 安装 Python 包
• 解析 Excel 文件
• 开始解析

第 5 章　处理 PDF 文件，以及用 Python 解决问题

• 尽量不要用 PDF
• 解析 PDF 的编程方法
• 利用 slate 库打开并读取 PDF
• 将 PDF 转换成文本
• 利用 pdfminer 解析 PDF
• 学习解决问题的方法
• 练习：使用表格提取，换用另一个库
• 练习：手动清洗数据
• 练习：试用另一种工具
• 不常见的文件类型

第 6 章　数据获取与存储

• 并非所有数据生而平等
• 真实性核查
• 数据可读性、数据清洁度和数据寿命
• 寻找数据
• 案例研究：数据调查实例
• 数据存储
• 数据库简介
• 关系型数据库：MySQL 和 PostgreSQL
• 非关系型数据库：NoSQL
• 用 Python 创建本地数据库
• 使用简单文件
• 云存储和 Python
• 本地存储和 Python
• 其他数据存储方式

第 7 章　数据清洗：研究、匹配与格式化

• 为什么要清洗数据
• 数据清洗基础知识
• 找出需要清洗的数据
• 数据格式化
• 找出离群值和不良数据
• 找出重复值
• 模糊匹配
• 正则表达式匹配
• 如何处理重复记录

点击免费获取：Python 数据处理

第 8 章　数据清洗：标准化和脚本化

• 数据归一化和标准化
• 数据存储
• 找到适合项目的数据清洗方法
• 数据清洗脚本化
• 用新数据测试

第 9 章　数据探索和分析

• 探索数据
• 导入数据
• 探索表函数
• 联结多个数据集
• 识别相关性
• 找出离群值
• 创建分组
• 深入探索
• 分析数据
• 分离和聚焦数据
• 你的数据在讲什么
• 描述结论
• 将结论写成文档

第 10 章　展示数据

• 避免讲故事陷阱
• 怎样讲故事
• 了解听众
• 可视化数据
• 图表
• 时间相关数据
• 地图
• 交互式元素
• 文字
• 图片、视频和插画
• 展示工具
• 发布数据
• 使用可用站点
• 开源平台：创建一个新网站
• Jupyter（曾名 IPython notebook）

第 11 章　网页抓取：获取并存储网络数据

• 抓取什么和如何抓取
• 分析网页
• 检视：标记结构
• 网络 / 时间线：页面是如何加载的
• 控制台：同 JavaScript 交互
• 页面的深入分析
• 得到页面：如何通过互联网发出请求
• 使用 Beautiful Soup 读取网页
• 使用 lxml 读取网页

第 12 章　高级网页抓取：屏幕抓取器与爬虫

• 基于浏览器的解析
• 使用 Selenium 进行屏幕读取
• 使用 Ghost.py 进行屏幕读取
• 爬取网页
• 使用 Scrapy 创建一个爬虫
• 使用 Scrapy 爬取整个网站
• 网络：互联网的工作原理，以及为什么它会让脚本崩溃
• 变化的互联网（或脚本为什么崩溃）
• 几句忠告

第 13 章　应用编程接口

• API 特性
• REST API 与流式 API
• 频率限制
• 分级数据卷
• API key 和 token
• 一次简单的 Twitter REST API 数据拉取
• 使用 Twitter REST API 进行高级数据收集
• 使用 Twitter 流式 API 进行高级数据收集

第 14 章　自动化和规模化

• 为什么要自动化
• 自动化步骤
• 什么会出错
• 在哪里自动化
• 自动化的特殊工具
• 使用本地文件、参数及配置文件
• 在数据处理中使用云
• 简单的自动化
• 大规模自动化
• 监控自动化程序
• 没有万无一失的系统

第 15 章　结论

• 数据处理者的职责
• 数据处理之上
• 下一步做什么

感谢读完：因为篇幅有限，所有章节截图就不一一展示，同时赠送配套数据分析教程视频，如果你有需要自取

数据分析全套笔记