第1章 Python编程基础

1.1 Python系统配置

1.2 Python基础知识

1.2.1 帮助

1.2.2 标识符

1.2.3 行与缩进

1.2.4 变量与对象

1.2.5 数字与表达式

1.2.6 运算符

1.2.7 字符串

1.2.7.1 转义字符

1.2.7.2 字符串格式化

1.2.7.3 字符串的内置方法

1.2.8 日期和时间

1.3 数据结构与序列

1.3.1 列表

1.3.1.1 列表索引和切片

1.3.1.2 列表操作

1.3.1.3 内置列表函数

1.3.1.4 列表方法

1.3.2 元组

1.3.3 字典

1.3.4 集合

1.3.5 推导式

1.4 语句与控制流

1.4.1 条件语句

1.4.2 循环语句

1.4.2.1 while循环

1.4.2.2 for循环

1.4.2.3 循环控制

1.5 函数

1.5.1 函数的参数

1.5.2 全局变量与局部变量

1.5.3 匿名函数

1.5.4 递归和闭包

1.5.5 柯里化与反柯里化

1.5.6 常用的内置函数

1.5.6.1 filter函数

1.5.6.2 map函数

1.5.6.3 reduce函数

1.6 迭代器、生成器和装饰器

1.6.1 迭代器

1.6.2 生成器

1.6.3 装饰器

1.7 类

1.7.1 声明类

1.7.2 方法

1.7.2.1 实例方法

1.7.2.2 类方法

1.7.2.3 静态方法

1.7.3 属性

1.7.3.1 实例属性和类属性

1.7.3.2 私有属性和公有属性

1.7.4 继承

1.7.4.1 隐式继承

1.7.4.2 显式覆盖

1.7.4.3 super继承

1.7.4.4 多态

1.7.4.5 多重继承

1.8 模块

1.9 包

1.10 文件I/O

第2章 数据预处理

2.1 numpy基础

2.1.1 向量

2.1.2 数组

2.1.2.1 数据类型与结构数组

2.1.2.2 索引与切片

2.1.2.3 数组的属性

2.1.2.4 数组排序

2.1.2.5 数组维度

2.1.2.6 数组组合

2.1.2.7 数组分拆

2.1.2.8 ufunc运算

2.1.3 矩阵

2.1.4 文件读写

2.2 pandas基础

2.2.1 pandas的数据结构

2.2.1.1 Series

2.2.1.2 DataFrame

2.2.2 pandas的数据操作

2.2.2.1 排序

2.2.2.2 排名

2.2.2.3 运算

2.2.2.4 函数应用与映射

2.2.2.5 分组

2.2.2.6 合并

2.2.2.7 分类数据

2.2.2.8 时间序列

2.2.2.9 缺失值处理

第3章 数据描述

3.1 统计量

3.1.1 集中趋势

3.1.1.1 均值

3.1.1.2 中位数

3.1.1.3 分位数

3.1.1.4 众数

3.1.2 离散程度

3.1.2.1 极差

3.1.2.2 四分位差

3.1.2.3 方差和标准差

3.1.2.4 协方差

3.1.2.5 变异系数

3.1.3 分布形状

3.1.3.1 偏度

3.1.3.2 峰度

3.2 统计表

3.2.1 统计表的基本要素

3.2.2 统计表的编制

第4章 统计图形与可视化

4.1 matplotlib基本绘图

4.1.1 函数绘图

4.1.2 图形基本设置

4.1.2.1 创建图例

4.1.2.2 刻度设置

4.1.2.3 图像注解

4.1.2.4 图像大小

4.1.2.5 创建子图

4.1.2.6 其他绘图函数

4.1.3 面向对象绘图

4.1.4 绘图样式

4.2 pandas基本绘图

4.3 基本统计图形

4.3.1 折线图

4.3.2 面积图

4.3.3 直方图

4.3.4 条形图

4.3.5 龙卷风图

4.3.6 饼图

4.3.7 阶梯图

4.3.8 盒须图

4.3.9 小提琴图

4.3.10 散点图

4.3.11 气泡图

4.3.12 六边形箱图

4.3.13 雷达坐标图

4.3.14 轮廓图

4.3.15 调和曲线图

4.3.16 等高线图

4.3.17 极坐标图

4.3.18 词云图

4.3.19 数据地图

4.4 其他绘图工具

第5章 简单统计推断

5.1 常用数据分析工具库

5.1.1 scipy

5.1.2 statsmodels

5.1.3 sklearn

5.2 简单统计推断的基本原理

5.2.1 数据分布

5.2.1.1 总体分布

5.2.1.2 样本分布

5.2.1.3 抽样分布

5.2.2 参数估计

5.2.2.1 点估计

5.2.2.2 区间估计

5.2.3 假设检验

5.2.3.1 假设检验的基本思想

5.2.3.2 假设检验基本步骤

5.2.3.3 假设检验中总体的几种不同情况

5.3 单总体参数的估计及假设检验

5.3.1 单总体的参数估计

5.3.1.1 单总体均值的参数估计

5.3.1.2 单总体方差、标准差的参数估计

5.3.1.3 单总体比例的参数估计

5.3.2 单总体参数的假设检验

5.3.2.1 总体均值的假设检验

5.3.2.2 总体比例的假设检验

5.4 两总体参数的假设检验

5.4.1 独立样本的假设检验

5.4.1.1 独立样本均值之差的假设检验

5.4.1.2 独立样本比例之差的假设检验

5.4.2 成对样本的假设检验

第6章 方差分析

6.1 方差分析的基本原理

6.2 一元方差分析

6.2.1 一元单因素方差分析

6.2.1.1 方差同质性检验

6.2.1.2 方差来源分解及检验过程

6.2.1.3 多重比较检验

6.2.1.4 方差分析模型的参数估计和预测

6.2.1.5 方差分析模型的预测

6.2.2 一元多因素方差分析

6.2.2.1 只考虑主效应的多因素方差分析

6.2.2.2 存在交互效应的多因素方差分析

6.3 协方差分析

第7章 非参数检验

7.1 非参数检验的基本问题

7.2 单样本非参数检验

7.2.1 中位数（均值）的检验

7.2.2 分布的检验

7.2.3 游程检验

7.3 两个样本的非参数检验

7.3.1 独立样本中位数比较的Wilcoxon秩和检验

7.3.2 独立样本的分布检验

7.3.3 成对（匹配）样本中位数的检验

7.3.4 两样本的游程检验

7.4 多个样本的非参数检验

7.4.1 多个样本的分布检验

7.4.2 独立样本位置的检验

第8章 相关分析与关联分析

8.1 相关分析

8.1.1 函数关系与相关关系

8.1.2 简单相关分析

8.1.2.1 用图形描述相关关系

8.1.2.2 用相关系数测度相关关系

8.1.2.3 相关系数的显著性检验

8.1.3 偏相关分析

8.1.4 点二列相关分析

8.1.5 非参数相关分析

8.1.5.1 Spearman相关系数

8.1.5.2 Kendall tau-b系数

8.1.5.3 Hoeffding’s D系数

8.2 关联分析

8.2.1 基本概念与数据预处理

8.2.2 Apriori算法

8.2.3 FP-growth算法

第9章 回归分析

9.1 线性回归

9.1.1 回归分析的基本原理

9.1.1.1 参数估计的普通最小二乘法

9.1.1.2 回归方程的检验及模型预测

9.1.2 一元线性回归

9.1.3 多元线性回归

9.1.4 含有定性自变量的线性回归

9.2 非线性回归

9.2.1 可线性化的非线性分析

9.2.2 非线性回归模型

9.3 多项式回归

9.4 分位数回归

第10章 离散因变量模型

10.1 线性概率模型

10.2 二元选择模型

10.2.1 线性概率模型的缺陷与改进

10.2.2 二元选择模型的基本原理

10.2.2.1 模型构建和参数估计过程

10.2.2.2 模型检验

10.2.3 BINARY PROBIT模型

10.2.4 BINARY LOGIT模型

10.3 多重选择模型

10.4 计数模型

第11章 主成分与因子分析

11.1 数据降维

11.1.1 数据降维的基本问题

11.1.2 数据降维的基本原理

11.2 主成分分析

11.2.1 主成分分析的基本概念与原理

11.2.2 主成分分析的基本步骤和过程

11.3 因子分析

11.3.1 因子分析的基本原理

11.3.1.1 因子分析模型

11.3.1.2 因子旋转

11.3.1.3 因子得分

11.3.2 因子分析的基本步骤和过程

第12章 列联分析与对应分析

12.1 列联分析

12.1.1 列联表

12.1.2 列联表的分布

12.1.3 X2分布与X2检验

12.1.4 X2分布的期望值准则

12.2 对应分析

12.2.1 对应分析的基本思想

12.2.2 对应分析的步骤和过程

12.2.2.1 概率矩阵p

12.2.2.2 数据点坐标

12.2.2.3 行列变量分类降维

12.2.2.4 对应分析图

第13章 聚类

13.1 聚类的基本原理

13.1.1 聚类的基本原则

13.1.2 单一指标的系统聚类过程

13.1.3 多指标的系统聚类过程

13.2 聚类的步骤和过程

13.2.1 系统聚类

13.2.2 K-MEANS聚类

13.2.3 DBSCAN聚类

第14章 判别和分类

14.1 判别和分类的基本思想

14.2 常用判别方法和分类算法

14.2.1 距离判别和线性判别

14.2.2 贝叶斯判别

14.2.3 k-近邻

14.2.4 决策树

14.2.5 随机森林

14.2.6 支持向量机

第15章 时间序列分析

15.1 时间序列的基本问题

15.1.1 时间序列的组成部分

15.1.2 时间序列的平稳性

15.1.2.1 平稳性的含义

15.1.2.2 时间序列的零均值化和平稳化

15.1.2.3 时间序列的平稳性检验

15.2 ARIMA模型的分析过程

15.2.1 ARIMA模型

15.2.1.1 AR模型

15.2.1.2 MA模型

15.2.1.3 ARMA模型

15.2.2 ARMA模型的识别、估计与预测

15.2.2.1 模型的识别

15.2.2.2 模型参数估计及检验

15.2.2.3 模型的预测

附录：各章图形