Python作為一門優(yōu)秀的編程語言，近年來受到很多編程愛好者的青睞。

一是因?yàn)镻ython本身具有簡捷優(yōu)美、易學(xué)易用的特點(diǎn)；二是由于互聯(lián)網(wǎng)的飛速發(fā)展，我們正迎來大數(shù)據(jù)的時代，而Python無論是在數(shù)據(jù)的采集與處理方面，還是在數(shù)據(jù)分析與可視化方面都有獨(dú)特的優(yōu)勢。我們可以利用Python便捷地開展與數(shù)據(jù)相關(guān)的項(xiàng)目，以很低的學(xué)習(xí)成本快速完成項(xiàng)目的研究。

Python被大量應(yīng)用在數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)領(lǐng)域，其中使用極其廣泛的是IPython、Numpy、pandas、Matplotlib等庫。對于希望使用Python來完成數(shù)據(jù)分析工作的人來說，學(xué)習(xí)IPython、Numpy、pandas、Matplotlib這個組合是目前看來不錯的方向。

• IPython

（圖源：ipython.org）

IPython是Python的加強(qiáng)型交互式解釋器。

IPython是使用Python進(jìn)行數(shù)據(jù)分析、處理、呈現(xiàn)的重要選擇之一。它是一個與Python科學(xué)計(jì)算包（主要包括Numpy、pandas、Matplotlib等）緊密聯(lián)系的交互式開發(fā)環(huán)境，它同時也是Python科學(xué)計(jì)算包的一部分。

主要特點(diǎn)包括：

• 提供給用戶一個強(qiáng)大的交互界面。

• Jupter Notebook的內(nèi)核。

• 高效的交互式處理、呈現(xiàn)數(shù)據(jù)（特別是與Matplotlib一起使用）。

• 適合并行處理計(jì)算。

IPython加上一個文本編輯器是科學(xué)計(jì)算者使用Python進(jìn)行數(shù)據(jù)分析、處理、呈現(xiàn)的最佳選擇之一。

IPython主要包括：

• 一個強(qiáng)大的、交互式的Python殼

• Jupyter內(nèi)核，支持用戶在Jupyter Notebook以及其他終端與IPython的交互

IPyton殼

2017年最新發(fā)布的IPython殼以及內(nèi)核具有以下這些重要的特性：

• 全面的對象檢查。

• 記錄輸入歷史。

• 緩存輸出結(jié)果。

• 擴(kuò)展的<Tab>代碼補(bǔ)全功能，可以補(bǔ)全變量、關(guān)鍵字、文件名、函數(shù)名等。

• 對系統(tǒng)“魔法”方法的擴(kuò)展，可以處理與操作系統(tǒng)相關(guān)的任務(wù)。

• 豐富的配置系統(tǒng)支持不同狀態(tài)的切換。

• 歷史信息登錄與重載。

• 支持不同語法。

• 輕松嵌入到其他Python程序中。

• 對pdb調(diào)試器和Python測試工具的集成。

• Numpy 

（圖源：numpy.org）

Numpy是Python科學(xué)計(jì)算庫的基礎(chǔ)。

主要包括：

• 強(qiáng)大的N維數(shù)組對象和向量運(yùn)算

• 一些復(fù)雜的功能

• 與C／C 和Fortran代碼的集成

• 實(shí)用的線形代數(shù)運(yùn)算、傅立葉變換、隨機(jī)數(shù)生產(chǎn)等

Numpy提供了一個簡潔的C語言接口，可以非常方便地使用C語言編寫的代碼操作Numpy數(shù)組對象，反過來使用C語言生成的數(shù)組也可以輕松的轉(zhuǎn)化成Numpy數(shù)組對象；這一特性使得Python輕松地與其他編程語言C/C 粘結(jié)在一起。Numpy除了用作科學(xué)計(jì)算，也可以用作多維度普通數(shù)據(jù)的容器；并且可以定義任何類型的數(shù)據(jù)，使得Numpy高效、無縫地與各種類型的數(shù)據(jù)分析庫連接起來。

Numpy的主要對象是一個多維度的、均勻的多維數(shù)組。Numpy提供了各種函數(shù)方法可以非常方便靈活的操作數(shù)組，熟練掌握數(shù)組的基本概念是使用數(shù)組這種數(shù)據(jù)結(jié)構(gòu)的基本要求。

• pandas

（圖源：pandas.pydata.org）

pandas是建立在Numpy基礎(chǔ)上的高效數(shù)據(jù)分析處理庫，是Python的重要數(shù)據(jù)分析庫。

pandas提供了眾多的高級函數(shù)，極大地簡化了數(shù)據(jù)處理的流程，尤其是被廣泛地應(yīng)用于金融領(lǐng)域的數(shù)據(jù)分析。

pandas主要包括：

• 帶有標(biāo)簽的數(shù)據(jù)結(jié)構(gòu)，主要包括序列（Series）和數(shù)據(jù)框（DataFrame）等。

• 允許簡單索引和多級索引。

• 整合了對數(shù)據(jù)集的集合和轉(zhuǎn)換功能。

• 生成特定類型的數(shù)據(jù)。

• 支持從Excel、CSV等文本格式中文導(dǎo)入數(shù)據(jù)，以Pytables/HDF5格式高效地讀／寫數(shù)據(jù)。

• 能夠高效地處理帶有默認(rèn)值的數(shù)據(jù)集。

• 能夠直接進(jìn)行常規(guī)的統(tǒng)計(jì)回歸分析。

• Matplotlib

（圖源：matplotlib.org）

Matplotlib是一個主要用于繪制二維圖形的Python庫。

數(shù)據(jù)可視化是數(shù)據(jù)分析的重要環(huán)節(jié)，借助圖形能夠幫助更加直觀地表達(dá)出數(shù)據(jù)背后的”東西”。

Matplolib最初主要模仿Matlab的畫圖命令，但是它是獨(dú)立于Matlab的，可以自由、免費(fèi)使用的繪圖包。Matplotlib依賴于之前介紹的Numpy庫來提供出色的繪圖能力。Matplotlib項(xiàng)目是John Hunter在2002年發(fā)起的，目標(biāo)是建立一個具備以下特點(diǎn)的Python繪圖工具包：

• 能夠繪制出高質(zhì)量的圖形，并且圖形里面的鑲嵌的文本必需足夠美觀。

• 能夠和Tex文檔一起輸出。

• 能夠嵌入到GUI(圖形用戶界面)應(yīng)用程序中。

• 代碼足夠簡潔并且可擴(kuò)展性強(qiáng)。

• 繪圖命令足夠方便。

經(jīng)過社區(qū)多年以來的努力，Matplotlib已經(jīng)具備了上面列出的所有特點(diǎn)?，F(xiàn)在Matplotlib被廣泛地應(yīng)用于各種生產(chǎn)、科學(xué)研究等環(huán)境中，比如在網(wǎng)絡(luò)服務(wù)中動態(tài)生成圖形、在IPython殼下交互使用Matplotlib繪圖等。

Matplotlib從概念上可以分為三層：

matplotlib.pylab，這一層給主要給用戶提供一些簡單的命令來生成圖形，語法風(fēng)格和Matlab非常接近。Matplotlib的API，這一層主要給用戶提供了直接創(chuàng)建圖形、線條、文本等的功能。這是一個抽象層，它并不關(guān)心圖形的輸出。最后一層是后端，主要是管理圖形的輸出等其他一些功能。

如果你已經(jīng)決定學(xué)習(xí)Python數(shù)據(jù)分析，但是之前沒有編程經(jīng)驗(yàn)，那《Python數(shù)據(jù)分析從入門到精通》你絕不能錯過。Python數(shù)據(jù)分析“四劍客”在本書上會進(jìn)行詳細(xì)深入的介紹。

本書詳細(xì)地介紹了IPython、Numpy、pandas、Matplotlib庫的組成與使用，為科學(xué)計(jì)算相關(guān)人員提供了有用的參考資料。采取循序漸進(jìn)的寫作風(fēng)格，對于工具的安裝、使用步驟、方法技巧逐步展開，加以圖解和應(yīng)用場景，即使完全不懂Python和數(shù)據(jù)分析的人員，也可以流暢地讀完本書。

無論哪種語言，編程的方法、模式、數(shù)據(jù)結(jié)構(gòu)、算法都是相通的。本書將科學(xué)計(jì)算、數(shù)據(jù)結(jié)構(gòu)與各種工具和方法完美結(jié)合，讓非Python讀者也能融會貫通，讓學(xué)習(xí)統(tǒng)計(jì)的人能找到更適合的統(tǒng)計(jì)方法和數(shù)據(jù)分析處理方法。

本書最后的兩個實(shí)戰(zhàn)案例適合數(shù)據(jù)分析入門者，案例的步驟詳細(xì)、分析到位，能為讀者入手真實(shí)項(xiàng)目打下良好的基礎(chǔ)。

進(jìn)入小程序參與抽獎，3月22日自動開獎。

本書目錄結(jié)構(gòu)

第1篇  Python數(shù)據(jù)分析語法入門

第1章  初識Python  1

• 1.1  Python是什么  2

• 1.2  Python有什么優(yōu)點(diǎn)  3

• 1.3  其他程序設(shè)計(jì)語言中的Python  5
  

• 1.4  快速搭建Python開發(fā)環(huán)境  7
  

• 1.5  第一個Python程序  22

第2章  Python起步必備  27

• 2.1  Python代碼的組織形式和注釋方式  27

• 2.2  Python的基本輸入/輸出函數(shù)  31
  

• 2.3  Python對中文的支持  33
  

• 2.4  簡單實(shí)用的Python計(jì)算器  37

第3章  Python的數(shù)據(jù)類型與流程控制語句  41

• 3.1  Python數(shù)據(jù)類型：數(shù)字  42

• 3.2  Python數(shù)據(jù)類型：字符串  45
  

• 3.3  Python數(shù)據(jù)類型：列表和元組  52
  

• 3.4  Python數(shù)據(jù)類型：字典  54
  

• 3.5  Python數(shù)據(jù)類型：文件  55

• 3.6  Python數(shù)據(jù)類型：布爾值  56

• 3.7  Python的流程控制語句  56

第4章  可復(fù)用的函數(shù)與模塊  64

• 4.1  Python自定義函數(shù)  65

• 4.2  參數(shù)讓函數(shù)更有價值  67
  

• 4.3  變量的作用域  71
  

• 4.4  最簡單的函數(shù)：使用lambda表達(dá)式定義函數(shù)  72

• 4.5  可重用結(jié)構(gòu)：Python模塊  73

• 4.6  用包來管理多個模塊  80

第5章  數(shù)據(jù)結(jié)構(gòu)與算法  82

• 5.1  表、棧和隊(duì)列  82

• 5.2  樹和圖  88
  

• 5.3  查找與排序  95

第6章  面向?qū)ο蟮腜ython  101

• 6.1  面向?qū)ο缶幊谈攀? 101

• 6.2  在Python中定義和使用類  103
  

• 6.3  類的屬性和方法  106
  

• 6.4  類的繼承  111
  

• 6.5  在類中重載方法和運(yùn)算符  114
  

• 6.6  在模塊中定義類  117

第7章  異常處理與程序調(diào)試  120

• 7.1  異常的處理  120

• 7.2  用代碼引發(fā)異常  125
  

• 7.3  使用pdb模塊調(diào)試Python腳本  128
  

• 7.4  在PythonWin中調(diào)試腳本  134

第8章  pip軟件包管理  137

• 8.1  安裝pip  137

• 8.2  更新pip  138

• 8.3  pip常用操作  138

• 8.4  本章小結(jié)  141
  

第2篇  Python數(shù)據(jù)分析工具入門

第9章  IPython科學(xué)計(jì)算庫  142

• 9.1  IPython簡介  143

• 9.2  安裝IPython及其他相關(guān)庫  144

• 9.3  IPython殼基礎(chǔ)  146
  

• 9.4  融合Matplotlib庫和Pylab模型  156
  

• 9.5  輸入和輸出變量  157

• 9.6  交互式調(diào)試器  158

• 9.7  計(jì)時功能  159

• 9.8  重新載入模塊  160

• 9.9  配置IPython  161

• 9.10  Jupyter  162

• 9.11  IPython和Jupyter Notebook的關(guān)系  170

第10章  Numpy科學(xué)計(jì)算庫  174

• 10.1  Numpy基礎(chǔ)  174

• 10.2  數(shù)組的基本操作  184
  

• 10.3  基本的分片和索引操作  186

• 10.4  高級索引  189

• 10.5  改變數(shù)組的形狀  193
  

• 10.6  組裝、分割數(shù)組  195

• 10.7  數(shù)組的基本函數(shù)  196

• 10.8  復(fù)制和指代  198

• 10.9  線性代數(shù)  199

• 10.10  使用數(shù)組來處理數(shù)據(jù)  201

• 10.11  Numpy的where()函數(shù)和統(tǒng)計(jì)函數(shù)  203

• 10.12  輸入與輸出  206
  

• 10.13  生成隨機(jī)數(shù)  208
  

• 10.14  數(shù)組的排序和查找  210

• 10.15  擴(kuò)充轉(zhuǎn)換  213
  

第11章  pandas數(shù)據(jù)分析處理庫  216

• 11.1  pandas數(shù)據(jù)結(jié)構(gòu)介紹  217

• 11.2  索引對象  226
  

• 11.3  核心的基本函數(shù)  227

• 11.4  索引和旋轉(zhuǎn)  229

• 11.5  算術(shù)運(yùn)算與對齊  232

• 11.6  處理默認(rèn)值  233

• 11.7  多級索引  237

• 11.8  讀/寫數(shù)據(jù)  239

• 11.9  組合數(shù)據(jù)  243

• 11.10  數(shù)據(jù)分組操作  247

• 11.11  時間序列  249

第12章  Matplotlib數(shù)據(jù)可視化  260

• 12.1  Pyplot模塊介紹  261

• 12.2  應(yīng)用Pyplot模塊  269
  

• 12.3  Artist模塊  275

• 12.4  使用pandas繪圖  283
  

第3篇  Python數(shù)據(jù)分析案例實(shí)戰(zhàn)

第13章  案例1：數(shù)據(jù)挖掘  288

• 13.1  貝葉斯理論介紹  288

• 13.2  貝葉斯分類器的實(shí)現(xiàn)  290

• 13.3  協(xié)同過濾推薦系統(tǒng)  295

第14章  案例2：玩轉(zhuǎn)大數(shù)據(jù)  305

• 14.1  案例概述  306

• 14.2  日志文件的分割  309
  

• 14.3  編寫Map()函數(shù)處理小文件  311

• 14.4  編寫Reduce()函數(shù)  313

 

博文視點(diǎn)

您閱讀的專業(yè)智庫

喜歡請分享至朋友圈