《数据分析与挖掘算法：Python实战》是一本介绍数据分析相关算法的学习指南，主要包括数据分析及数据挖掘相关概念介绍、数据思维及各种数据分析算法的原理及实现方法。 《数据分析与挖掘算法：Python实战》的每个数据分析算法都介绍了数学原理、Python代码实现以及实战案例，内容丰富、容易理解。 本书共9章，章介绍了数据挖掘与数据分析、机器学习之间的关系；第2 章介绍了数据分析人员应该具备的数据思维，包括数据思维认知、数据挖掘“定律”；第3~9章介绍了各种数据分析算法的原理、实现方法及实战案例，其中包括逻辑回归、决策树、朴素贝叶斯、聚类分析、关联规划、人工神经网络、集成学习。 《数据分析与挖掘算法：Python实战》适合从事数据分析工作的读者自学，也可作为产品经理、运营人员、市场人员和对数据分析感兴趣的读者的参考用书。
本书展示如何用Python程序将不同格式的数据处理和分析任务规模化和自动化。主要内容包括：Python基础知识介绍、CSV文件和Excel文件读写、数据库的操作、示例程序演示、图表的创建，等等。
算法是程序的灵魂，算法能够告诉开发者在面对一个项目功能时用什么思路去实现，有了这个思路后，编程工作只需遵循这个思路去实现即可。本书循序渐进、由浅入深地详细讲解了算法实现的核心技术，全书共12章，分别讲解了初步认识算法思想，枚举算法思想，递归算法思想，分治算法思想，贪心算法思想，回溯算法思想，迭代算法思想，查找算法，排序算法，使用算法解决数据结构问题，解决数学问题，经典算法问题。全书通过具体实例的实现过程演练了各个知识点的具体使用流程， 读者全面掌握算法的核心技术。
本书较为系统地介绍了非线性化的基本理论、方法及其 Python 程序设计, 主要内容包括线搜索方法、梯度法和牛顿法、共轭梯度法、拟牛顿法、信赖域方法、非线性二乘问题、 约束优化的性条件、罚函数法、可行方向法、二次规划问题的解法、序列二次规划法等。书中配有丰富的例题和习题, 同时简要介绍了Python 软件的安装和Python 程序的基本编写方法。本书既注重计算方法的实用性, 又注意保持理论分析的严谨性, 强调化理论、方法及其Python 程序的实现。本书的主要阅读对象是数学与应用数学、信息与计算科学、数据科学与大数据技术等相关专业的本科生, 应用数学、计算数学、运筹学与控制论专业的研究生, 理工科有关专业的研究生, 以及对化理论与算法感兴趣的教师及科技工作人员。
