前言
Python语言是目前比较流行的编程语言之一，在各领域应用中已经受到越来越多的重视。Python语言已经成为各高等院校计算机科学与技术专业、大数据专业等相关专业的必修课程，有的高等院校已经把Python语言作为非计算机专业学生的公共必修课，甚至有些中学已经开设了Python程序设计课程。
在众多高级编程语言中，Python语言是非常适合作为数据分析的编程语言之一。Python语言语法简洁、功能强大，具有非常丰富的扩展库，并且易学易用。目前，市面上已经出版了许多Python语言类的教程，但是编者通过多年的教学实践认为一些Python基础教程还存在一些问题，特别是学生通过基础教程的学习，虽然了解了Python的基本语法，掌握了一些编程技巧，但是仍然不能有效地利用Python解决一些实际问题。所以，编者以提高学生的实际应用能力为出发点编写了本书。本书以培养学生的逻辑思维能力、实践编程能力及解决实际问题能力为目标，精心设计了教学内容，通过大量的应用实例，帮助学生真正理解Python在解决实际问题时的魅力，从而可以真正学会如何应用Python解决实际问题。
本书主要适合高等院校计算机科学与技术专业、大数据专业及信息技术相关专业学生使用。建议读者在学习本书的过程中每一个实例都要进行实践练习，在把本书的实例调试运行成功的基础上，再尝试换不同的数据集或不同的算法进行改进实践。读者在实践过程中遇到问题时要多思考，找出产生问题的原因，及时解决发现的问题，在不断发现问题并解决问题的过程中总结经验、积累经验，从而有效地实现知识与技能及综合实践能力的提升。
本书内容共分为9章。
第1章主要介绍Python环境的搭建，重点介绍Anaconda环境的搭建及集成开发环境Spyder的使用方法。
第2章主要介绍Python中的主要基础语法知识，包括变量、常量、数据类型与运算符，Python中常用的内置函数用法，列表、元组及字典的用法，顺序结构、分支结构及循环结构三种控制流的语法格式及应用实例。第3章主要介绍Python中自定义函数、函数的实参与形参及变量的作用域等用法，lambda表达式的用法，Python中导入模块的方法，几种常见模块的使用方法，使用numpy模块创建ndarray数组，数组的切片、转置、去重、集合运算及常用的统计方法，创建矩阵、矩阵乘法运算、矩阵的转置和逆运算、方阵的迹运算、矩阵的秩、矩阵的特征值及特征向量的计算方法，类的定义及使用方法。
第4章主要介绍利用爬虫技术获取网络数据的方法，利用pandas模块的Series和DataFrame数据类型的使用方法，导入外部.csv、.xlsx及.txt文件的使用方法，查看数据集的缺失值、删除数据集中的缺失值、填充数据集中的缺失值、重复值处理、合并数据及数据统计等数据预处理方法，将处理好的数据保存到本地磁盘的方法，还简单介绍了sklearn库提供的一些自带数据集。
第5章主要介绍在matplolib中如何创建画布、绘制图形及保存图形，划分子图的方法，绘制折线图、条形图、散点图、饼图、直方图、箱线图、小提琴图、热力图及词云图的方法，最后通过一个应用实例演示如何利用数据可视化结果分析大数据。
第6章主要介绍K均值聚类、层次聚类、基于密度的聚类、谱聚类及Birch聚类算法的Python实现方法，利用这些聚类方法创建模型时的调参方法，最后用一个综合实例演示了聚类模型在大数据分析中的应用步骤。
第7章主要介绍KNN分类器、非线性支持向量机、线性支持向量机及三种朴素贝叶斯的分类算法在Python中的实现方法，分类模型的评估方法，以文本分类的实现演示了分类模型在实际数据分析中的应用方法。
第8章主要介绍最小二乘线性回归、Lasso回归、岭回归及逻辑回归算法在Python中的实现方法，回归模型的评估方法，并利用波士顿房价数据集对比各种回归算法的预测效果。
第9章主要介绍分类决策树、导出决策树、绘制决策树、回归决策树及几种随机森林算法的Python实现方法，交叉验证的评估方法的实现，UCI数据库简介，最后用一个综合实例对比各种算法在糖尿病数据集上的预测效果，并用图形可视化的方法显示算法的对比结果。
本书在认真学习党的二十大精神的基础上，结合Python课程特点充分挖掘育人元素，并将其潜移默化地融入一些课程实例中，充分发挥教材的铸魂育人功能。
本书提供了全套配套教学课件(PPT文件)、各章实例的源代码(.py源文件)及每章的课后习题参考答案。配套资源可以登录清华大学出版社官方网站进行下载。
本书由朱荣任主编，尚军亮、吴俊华、王永、代凌云、亓建芸任副主编，赵景秀参与编写。
在本书编写过程中，编者参考了大量文献，在此一并表示感谢。Python语言的应用发展非常迅速，虽然编者在编写本书时尽了最大的努力，但难免会有不足和疏漏之处，真诚地希望各位专家及读者朋友多提宝贵意见，编者将不胜感激。
编者2026年4月
