当谈到用数据解决问题时，我经常用这样的语言去诠释：“如果你不能量化它，你就不能理解它；如果不理解就不能控制他，不能控制也就不能改变它”。数据无处不在，信息时代的最主要特征就是“数据处理”，数据分析正以我们从未想象过的方式影响着日常生活。

近年来随着信息技术的普及，各行各业的业务教育数据自动化趋势越来越明显，使得数据分析的需求开始从统计专业人士向各行各业人员全面扩展。

因此整理一本能够深入浅出，从实际应用的角度介绍数据统计分析知识的手册就变得很有必要！

手册目录大纲：

Python语法基础，IPython和Jupyter Notebooks

>>>提示输入代码。要退出Python解释器返回终端，可以输入exit()或按Ctrl-D。

运行Python程序只需调用Python的同时，使用一个.py文件作为它的第一个参数。假设创建了一个hello_world.py文件，它的内容是：

NumPy基础：数组和矢量计算

由于NumPy提供了一个简单易用的C API，因此很容易将数据传递给由低级语言编写的外部库，外部库也能以NumPy数组的形式将数据返回给Python。

这个功能使Python成为一种包装C/C++/Fortran历史代码库的选择，并使被包装库拥有一个动态的、易用的接口。

数据规整：聚合、合并和重塑

在许多应用中，数据可能分散在许多文件或数据库中，存储的形式也不利于分析。本章关注可以聚合、合并、重塑数据的方法。

绘图和可视化

假设我们想要做一张堆积柱状图以展示每天各种聚会规模的数据点的百分比。我用read_csv将数据加载进来，然后根据日期和聚会规模创建一张交叉表：

通过该数据集就可以看出，聚会规模在周末会变大。对于在绘制一个图形之前，需要进行合计的数据，使用seaborn可以减少工作量。用seaborn来看每天的小费比例（图9-19是结果）：

文章的篇幅有限，为了不浪费大家宝贵的时间，这里为大家整理出了PDF版本，需要领取的小伙伴麻烦帮忙点赞+++转发文章之后，然后私信我【001】获取即可！