标签
内容简介
编辑推荐
从专业角度看，本书的价值在于它超越了单纯的技术手册范畴。麦金尼作为工具创建者，能够揭示pandas等库的设计逻辑和最佳实践，这是其他教程难以企及的深度。书中对数据规整、聚合、时间序列等核心概念的阐述尤为精辟，配以真实数据集案例，使读者不仅能掌握工具使用，更能建立数据分析的思维框架。
特别值得关注的是第10章数据聚合与分组操作、第13章Python建模库介绍，这些章节将Python数据分析能力提升到工业级应用水平。对于需要处理大规模、复杂结构数据的从业者而言，本书提供的技巧和方法论具有直接的生产力价值。
需要注意的是，本书假定读者已有Python基础，更适合作为中级进阶读物而非入门教材。它的真正优势在于帮助已有一定经验的开发者系统化知识体系，填补从“会用工具”到“精通数据分析”之间的认知鸿沟。
适合谁读
适合
- 已有Python基础需要系统学习数据分析的开发者
- 从事数据科学、商业分析等职业需要提升实战能力的从业者
- 希望深入理解pandas等库设计哲学和最佳实践的技术人员
- 需要处理大规模结构化数据的研究人员或分析师
不适合
- 没有任何编程基础的绝对初学者
- 仅需要简单数据可视化而不涉及数据处理核心流程的用户
阅读建议
- 建议先掌握Python基础语法和NumPy基本操作再阅读本书
- 实操时最好使用Jupyter Notebook跟随书中案例逐步练习
- 重点精读第4-8章的数据处理核心章节，这些是日常工作中最高频使用的技能
出版社简介
机械工业出版社（China Machine Press）在科技与专业出版之外，库内图书还体现出对心理学、计算机、管理、财经与社科等方向的持续关注。心理学方面收入荣格作品及分析心理学导论，并涉及压力与健康、成瘾与疗愈等应用议题；计算机领域有《计算机程序的构造和解释（JavaScript版）》；管理与财经类包括《管理行为（原书第4版）》《不平等的代价（珍藏版）》《这次不一样：八百年金融危机史（纪念版）》；科学哲学与科学史方面则有《世界观（原书第3版）》。相关作者资源涵盖C.G.荣格、威廉·麦圭尔、索努·沙姆达萨尼、加博尔·马泰等。公开资料有限，以上仅据库内图书归纳其出版面貌。
目录
- 版权信息
- 作者介绍
- 封面介绍
- 译者序
- 前言
- 第1章 准备工作
- 1.1 本书内容
- 1.2 为何利用Python进行数据分析
- 1.3 重要的Python库
- 1.4 安装与设置
- 1.5 社区和会议
- 1.6 快速浏览本书
- 第2章 Python语言基础、IPython及Jupyter notebook
- 2.1 Python解释器
- 2.2 IPython基础
- 2.3 Python语言基础
- 第3章 内建数据结构、函数及文件
- 3.1 数据结构和序列
- 3.2 函数
- 3.3 文件与操作系统
- 3.4 本章小结
- 第4章 NumPy基础：数组与向量化计算
- 4.1 NumPy ndarray：多维数组对象
- 4.2 通用函数：快速的逐元素数组函数
- 4.3 使用数组进行面向数组编程
- 4.4 使用数组进行文件输入和输出
- 4.5 线性代数
- 4.6 伪随机数生成
- 4.7 示例：随机漫步
- 4.8 本章小结
- 第5章 pandas入门
- 5.1 pandas数据结构介绍
- 5.2 基本功能
- 5.3 描述性统计的概述与计算
- 5.4 本章小结
- 第6章 数据载入、存储及文件格式
- 6.1 文本格式数据的读写
- 6.2 二进制格式
- 6.3 与Web API交互
- 6.4 与数据库交互
- 6.5 本章小结
- 第7章 数据清洗与准备
- 7.1 处理缺失值
- 7.2 数据转换
- 7.3 字符串操作
- 7.4 本章小结
- 第8章 数据规整：连接、联合与重塑
- 8.1 分层索引
- 8.2 联合与合并数据集
- 8.3 重塑和透视
- 8.4 本章小结
- 第9章 绘图与可视化
- 9.1 简明matplotlib API入门
- 9.2 使用pandas和seaborn绘图
- 9.3 其他Python可视化工具
- 9.4 本章小结
- 第10章 数据聚合与分组操作
- 10.1 GroupBy机制
- 10.2 数据聚合
- 10.3 应用：通用拆分-应用-联合
- 10.4 数据透视表与交叉表
- 10.5 本章小结
- 第11章 时间序列
- 11.1 日期和时间数据的类型及工具
- 11.2 时间序列基础
- 11.3 日期范围、频率和移位
- 11.4 时区处理
- 11.5 时间区间和区间算术
- 11.6 重新采样与频率转换
- 11.7 移动窗口函数
- 11.8 本章小结
- 第12章 高阶pandas
- 12.1 分类数据
- 12.2 高阶GroupBy应用
- 12.3 方法链技术
- 12.4 本章小结
- 第13章 Python建模库介绍
- 13.1 pandas与建模代码的结合
- 13.2 使用Patsy创建模型描述
- 13.3 statsmodels介绍
- 13.4 scikit-learn介绍
- 13.5 继续你的教育
- 第14章 数据分析示例
- 14.1 从Bitly获取1.USA.gov数据
- 14.2 MovieLens 1M数据集
- 14.3 美国1880～2010年的婴儿名字
- 14.4 美国农业部食品数据库
- 14.5 2012年联邦选举委员会数据库
- 14.6 本章小结
- 附录A高阶NumPy
- 附录B更多IPython系统相关内容
常见问题
这本书需要多深的Python基础？
第2版相比第1版更新了什么内容？
这本书与《Python数据科学手册》有什么区别？
微信读书相关
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
作者简介
韦斯·麦金尼是一位以数据分析和科学计算见长的技术作者，其中文名在计算机类图书读者中常与Python数据分析话题联系在一起。公开资料有限，其国籍、生卒年与教育背景均未见确切记载，库内目前收录其作品一种。代表作为《利用Python进行数据分析（原书第2版）》，该书围绕Python语言在数据处理、清洗、整理与分析中的实际应用展开，内容偏重工具操作与案例演示，属于计算机综合类别中的实用型技术读物。麦金尼的写作风格注重把编程方法与真实数据场景结合，语言直接、步骤清晰，适合希望用Python完成数据分析工作的读者参考。该书在中文读者中流传较广，常被视为进入Python数据分析领域的入门读物之一，也从一个侧面体现了作者在数据处理实践方面的经验积累与表达特点。
徐敬一，目前公开资料有限，其参与翻译的《利用Python进行数据分析（原书第2版）》是库内可见的主要作品。该书属于计算机综合类，内容围绕如何借助Python这一编程语言完成数据整理、处理与分析展开，面向希望掌握数据分析工具与方法的读者。作为译者，徐敬一的工作在于把原作的技术讲解与示例准确转换为中文，使中文读者能够顺畅理解书中的概念与操作流程。就现有信息看，其译笔服务于技术教材的实用性，注重表述清晰与术语对应，便于读者对照学习。由于作者生平、专业背景与其它著述情况均未见明确记载，此处不作推测，仅从其译作所属领域与用途出发作简要说明。
