Python数据科学指南

本书是《Python Data Science Cookbook》的中文译本，作者 Gopi Subramanian 是一位在数据挖掘与机器学习领域有十余年经验的数据科学家。全书采用“菜谱式”（recipe）写法：每个任务先交代“准备工作”，再给出“操作方法”和“工作原理”，最后用“更多内容”和“参考资料”扩展，读者可以按需翻阅，也可以从头系统学习。 内容从 Python 语言基础切入，先讲字典、字典的字典、元组、集合、列表推导式、迭代器与生成器等数据科学常用的数据结构与编程技巧；接着介绍 Python 科学计算环境的搭建；随后用两章篇幅讲数据分析，包括数据探索、描述性统计、数据可视化与深入的数据处理；再进入数据挖掘主题，讨论特征处理、相似度与距离度量等“海底捞针”式问题。后半部分进入机器学习：线性回归、逻辑回归、正则化与变量选择、分类与聚类、模型评估方法等；随后单独讲解集成方法（bagging、boosting、投票法）、随机森林、旋转森林、极端随机树等生长树模型，最后以“大规模机器学习——在线学习”收尾，介绍感知器、随机梯度下降在回归与分类任务上的应用，以及无法一次装入内存的数据该如何流式建模。 书中示例覆盖数值型与文本型数据集，兼顾数学原理与可运行代码，适合作为数据科学算法的案头参考。由于原书出版于 2015 年，代码基于当时的 numpy、scipy、scikit-learn、matplotlib 生态，读者需注意版本差异。