本书不适合入门

《数据科学入门》不适合作为你了解数据科学的第一本书。

这本书的不足之处，主要在于两点：一、中文可读性弱；二、代码可读性弱。

首先，说说中文部分。本书的中文显然是对原书的逐词直译，不符合我们对中文的阅读习惯。中文和英文的用词、标点符号位置、长短句的分割这些行文逻辑和习惯都是有显著差别的，然而本书并没有按照中文的行文习惯来解释名词、调整句子的顺序、突出段落中心思想。换言之，你需要用英文行文逻辑去阅读中文，这样阅读的理解难度是高于你直接看英文原文的。

再者，作者在书中时不时地使用了一些口语化表达，或是构建了一些情境来作为例子。他的本意可能是通过轻松诙谐的口吻来增添本书的趣味性、代入感。但是，由于“直译”和文化差异的原因，读者也不太容易理解这些本应轻松趣味的部分。另外，本书对术语的翻译是否符合国内从业者的使用习惯，这一点也有待商榷。

总的来说，中英文阅读思维的错乱造成了读者的理解障碍，使得读者很难代入书中、跟上作者的思路。就中文译文而言，本书说不上对小白读者友好。

那么，代码部分又如何呢？比较遗憾，书中的代码也不太好读，原因有三点。

第一点，书中的代码部分与正文部分在排版上没有显著的区分。本书的代码和正文部分是靠段落缩进、字体差异来区分的；而在我手头上另外两本Python学习书中，代码前后都是画有实线横线的，读者即使粗略扫一眼也能分清任一页上面的正文和代码的位置。对本书的排版，读者要区分代码的位置，就需要消耗一定的专注力辨别段落缩进。阅读学习本来就是一件耗费专注力的事情，读者的专注力不应该浪费在分辨书本的排版上。

第二点，书中的代码里的注释部分也被翻译成中文了。单看这一点可能没什么大不了，但是，如上文说到的中英文思维错乱和排版不直观的问题，加上注释翻译，三者结合的结果就是读者会迷惑“我现在是在看中文还是在看英文？”。如此一来，对于小白读者而言，本书中文部分令人似懂非懂；想看代码辅助理解，代码部分又让人难以代入，这样无形中提高了小白读者的理解和学习的门槛。我手中其他的Python学习书也会翻译代码注释。但因为这些书画了实线直线，在排版上把代码和正文部分清晰地区分开，所以读者可以更轻松地意识到这部分的中文是代码的注释，从而把专注力投入到理解代码含义本身。

第三点，书中的代码会引用作者自己写的程序。这一点也是让我费解的地方。本书原名为Data Science from Scratch，短语“from scratch”意为从零开始，按理说作者的意图应该是让读者不需导入任何第三方包、模块就可以编写程序、学习数据科学。但是，实际上本书读者需要另外下载作者为本书配套的程序模块，导入其中的一些函数来做计算。书中正文部分缺少导入模块的明确指示，而仅仅通过代码部分的import语句提示。客观地讲，要导入作者自编模块的情况在书中不算常见， 但足以让小白读者困惑。我自认愚钝，一开始我误以为书中的示例代码导入的是常见、通用的模块，还憨憨地试着用pip安装作者编写的线性代数程序，着实走了一些弯路。

此外，书中的代码部分是零碎的。后文代码会用到前文代码中编写的函数，但书中没有标示清楚这两段代码是要在同一个程序文件编写的。如果读者把书中一章的代码从头抄写一遍，可能就不会有这种困惑；但是如果读者认为前文简单而不需抄写代码，在后文却遇到需要通过抄写代码辅助理解的部分，那么他就会遭受代码分段所带来的困惑。我在阅读本书前，已阅读过《Python编程 从入门到实践》，这本书会清楚地在代码左侧标明这段代码在哪一个程序。珠玉在前，本书的排版结构自然相形见绌。

综上所述，《数据科学入门》这本书不适合作为你了解数据科学的“第一本”书。如果你之前已经有一定的数学、编程基础，也有过一些项目的实践经验，那么本书（的目录）可以为你指明了解数据科学知识体系的方向。但是，如果你此前没有接触过数据科学的相关知识，那么也不要指望本书能帮你理解新的概念和术语。