Name: Python for Data Analysis
ISBN: 9781449319793

作者: Wes McKinney
出版社: O'Reilly Media
副标题: Data Wrangling with Pandas, NumPy, and IPython
出版年: 2012-11-1
页数: 466
定价: USD 39.99
装帧: Paperback
ISBN: 9781449319793

豆瓣评分

8.4

250人评价

5星

34.4%
4星

52.0%
3星

12.0%
2星

1.6%
1星

0.0%

评价:

内容简介 · · · · · ·

Finding great data analysts is difficult. Despite the explosive growth of data in industries ranging from manufacturing and retail to high technology, finance, and healthcare, learning and accessing data analysis tools has remained a challenge. This pragmatic guide will help train you in one of the most important tools in the field - Python. Filled with practical case studies, ...

(展开全部)

作者简介 · · · · · ·

Wes McKinney 资深数据分析专家，对各种Python库（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的实践中积累了丰富的经验。撰写了大量与Python数据分析相关的经典文章，被各大技术社区争相转载，是Python和开源技术社区公认的权威人物之一。开发了用于数据分析的著名开源Python库——pandas，广获用户好评。在创建Lambda Foundry（一家致力于企业数据分析的公司）之前，他曾是AQR Capital Management的定量分析师。

原文摘录 · · · · · · ( 全部 )

数组切片是原始数据的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数组上。 (查看原文)

牛肉干 1赞 2017-02-12 18:50:42

—— 引自第89页
records = [json.loads(line) for line in open(path)] (查看原文)

牛肉干 2017-02-12 19:19:36

—— 引自第21页

> 全部原文摘录

喜欢读"Python for Data Analysis"的人也喜欢的电子书 · · · · · ·

支持 Web、iPhone、iPad、Android 阅读器

: Python源码剖析

38.39元

: 鲜活的数据

29.99元

: 图灵的秘密

29.99元

: 第五项修炼

14.99元

: CoffeeScript小书

1.99元

喜欢读"Python for Data Analysis"的人也喜欢 · · · · · ·

: Data Analysis with Open Source To...

: Building Machine Learning System...

: Machine Learning for Hackers

: Doing Data Science

: Programming Pig

: Deep Learning with Python

: An Introduction to Statistical Learni...

: Python计算与编程实践

: Bayesian Reasoning and Machine ...

: R Cookbook

我来说两句

短评 · · · · · · ( 全部 79 条 )

Python for Data Analysis的书评 · · · · · · ( 全部 60 条 )

热门 / 最新 / 好友 /只看本版本的评论

Teak 2015-07-20 17:57:22

值得已入门者快速翻阅的入门书

每一个数据分析师或是数据科学家都使用各自不同的技术栈。即使同样使用Python做为主力数据分析语言，每个人会用到的工具组合也不尽相同。但不管怎么说，对于希望使用python来进行数据分析工作的人来说，学习iPython，NumPy，pandas，matpotlib这个组合是一个目前看来怎么都不... (展开)

2 10回应

lyann17 2018-06-21 12:02:13 机械工业出版社2013版

搭个数据分析的框架

这篇书评可能有关键情节透露

读完后，知道了数据分析那些流程，具体的python实现方式。这本书主要介绍了numpy和pandas模块，逻辑挺清晰的，实操性应该挺强。不过啊，看代码的书实在是一件枯燥的事，看完也只是知道了。打代码，还是得有具体问题，直接开始干，才会比较有成就感。自己还要补充网络爬虫、正... (展开)

4回应

Renco 2013-11-11 12:00:54

还没到时候，不过是大趋势

这本书是Pandas的模块作者写的书。总的来说Python提供了很多方便，但是这种方便还是需要付出一定的学习成本的。使用Pandas可以把Python基本当作R用用NumPy和SymPy还有SciPy把Python当作Matlab用。但是目前所有这些模块都还在开发阶段所以有很多问题需要解决，用户体验并不是... (展开)

2 10回应

swq457080 2013-12-21 14:25:59 O'Reilly Media2013版

Python初学的感觉

最近这一年来，一直在纠结于各种编程语言，从硕士的matlab到R，然后是perl, shell, awk和sed。最后碰到一个做生物实验的访问学者，和我说他都用python分析数据，好吧，看来python我是得必须学了。这本书主要讲了两个东西numpy和pandas，本质上就是R的vector和dataframe。由于... (展开)

3 6回应

凬浪 2017-08-31 16:38:34 O'Reilly Media2013版

第三次读这本Python数据处理的入门书籍

一年前看过这本书，当时我还是一个Python小白，因为没有编程基础，连基本的语法都不会。所以最开始看这本书，就在第二章Ipython编译器这里卡了很久。在网上搜索各种信息后，安装了Anaconda3和jupyter notebook后，算是可以实现书的程序了。然而，在第一章里就有部分语法是不... (展开)

3 3回应

zyx3104 2020-05-22 16:33:05 机械工业出版社2018版

作者用心写书，译者用脚翻译

我没看过第一版的中文版，看大家说还不错，但是这第二版，就很一言难尽，特别是在我看了一部分原版书后… 翻译的人对于一些对象的内置方法和函数参数的表格翻译根本就是逐字直译，完全不符合中国人常理解的基本习惯。翻译难道不是为了让人看懂吗？表格翻译尤其糟糕，文字部分也... (展开)

2回应

JudeLiu 2016-02-05 16:55:20 机械工业出版社2013版

作者写的很好，译者译的用心

作者对于利用Python进行数据分析有着很丰富的经验，因此写出的书也是深入浅出，让人很容易就能看懂，尤其是在我看过Python学习手册后再看，基本都能看懂。其中译者的翻译非常值得称道，堪称良心之作，非常的用心。感谢Python社区的无私奉献的程序员们，也感谢我们有这么好的... (展开)

5回应

猫咪小怪Mayday 2020-01-16 15:54:26 机械工业出版社2018版

五星给内容，三星给翻译

书的内容不错，很适合做量化建模工具书，但是这个翻译真是不敢恭维，有些地方翻译的语句不通，有些地方直接译错了，比如刚才看到第220页写的“通常，我们不会使用DataFrame中一个或多个列作为行索引”，感觉这话说反了，看了一下英文原版电子版，原文是“It‘s not unusual to ... (展开)

1回应

听心召唤 2018-09-24 17:00:43 机械工业出版社2018版

关于第二版的翻译

对第二版的翻译已无力吐槽，错误太明显。比如下图句子的in-place意思明明是原地修改，译者非要翻译成原对象，感觉译者计算机的基本素养有待提高，如果知道排序算法中的原地排序就不会这样翻译了，阅读时最好准备好英文版，遇到不通的地方翻阅一下英文版结合代码就可以了。或者... (展开)

2 2回应

> 更多书评 60篇

读书笔记 · · · · · · (共11篇)

我来写笔记

按有用程度
按页码先后
最新笔记

展开收起
Chapter 1

tyskin汩余不及 (渐行渐远渐无书)

这本书主要是用 pandas 连接 SciPy 和 NumPy，用pandas做数据处理是Pycon2012上一个很热门的话题，可以看看Pycon2012上的一个视频： Data analysis in Python with pandas [http://www.tudou.com/programs/view/y98DW-ozM8I/] 顺便提一下，另一个功能强大的东西是Sage，它将很多开源的软件集成到统一的 Python 接口。
2012-10-29 23:55:58 1人喜欢

这本书主要是用 pandas 连接 SciPy 和 NumPy，用pandas做数据处理是Pycon2012上一个很热门的话题，可以看看Pycon2012上的一个视频： Data analysis in Python with pandas http://www.tudou.com/programs/view/y98DW-ozM8I/ 顺便提一下，另一个功能强大的东西是Sage，它将很多开源的软件集成到统一的 Python 接口。

推荐

回应 2012-10-29 23:55:58
展开收起
勘误

lleiou (in for a penny, in for a pound)

还是有一些错误的, 现将自己找到的罗列如下: 1. Chap 9 2016 Federal Election 例子中 def get_top_amounts(group, key, n=5): totals = group.groupby(key)['contb_receipt_amt'].sum() # Order totals by key in descending order return totals.order(ascending=False)[-n:] 应该是返回前n个结果, 所以最后一行应为: return totals.order(ascending=False)[:n] 2. pivot table 相关的 parameter 名称都应为 index 和 columns...
2017-07-12 09:42:27

还是有一些错误的, 现将自己找到的罗列如下:
1. Chap 9 2016 Federal Election 例子中
def get_top_amounts(group, key, n=5): totals = group.groupby(key)['contb_receipt_amt'].sum() # Order totals by key in descending order return totals.order(ascending=False)[-n:]
引自勘误
应该是返回前n个结果, 所以最后一行应为:
return totals.order(ascending=False)[:n]
引自勘误
2. pivot table 相关的 parameter 名称都应为 index 和 columns 而原书全部写成 rows, cols, 导致出现如下报错信息:
TypeError: pivot_table() got an unexpected keyword argument 'rows'
引自勘误
https://stackoverflow.com/a/35318270/5861873

推荐

回应 2017-07-12 09:42:27
展开收起
第86页 Chapter4.NumPy Basics: Arrays and Vectorized Computation

洋蘑菇

出于大数据量时的性能考虑，slice 引用原始的 array，而不是创建拷贝。
2014-06-05 11:27:41

出于大数据量时的性能考虑，slice 引用原始的 array，而不是创建拷贝。

推荐

回应 2014-06-05 11:27:41
展开收起
第1页为什么看这本书

沙加 (一书不尽，不读新书)

为什么看这本书？增加一种数据分析工具。为什么是python？ python是流行的脚本语言，据说在数据分析领域有超过R的势头。此外，之前我用过python显示过图形，貌似效果好过R，并且是可交互的。书中第一章有更详细的理由支持用python做数据分析
2014-05-20 11:10:23

为什么看这本书？增加一种数据分析工具。为什么是python？ python是流行的脚本语言，据说在数据分析领域有超过R的势头。此外，之前我用过python显示过图形，貌似效果好过R，并且是可交互的。书中第一章有更详细的理由支持用python做数据分析

推荐

回应 2014-05-20 11:10:23

展开收起
第1页 Chapter 1

python培训 (智普教育 www.jeapedu.com)

What is this book about? 本书主要讨论在Python下如何处理、管理、清除数据，一并介绍了在Python下如何进行科学计算技术。书中还介绍了Python语言和python标准库通过python提供的标准库可以有效的解决您在用Python进行大数据处理。书中提到的“数据”泛指： 1）矩阵或者说多维数组 2）表格(类似Excel、Calc) 3）诸如SQL关系型数据库表这些数据都可以通过Python进行相应的处理，转换成适合Python分析的数据结构，之后用Python...
2013-09-04 12:01:54

What is this book about? 本书主要讨论在Python下如何处理、管理、清除数据，一并介绍了在Python下如何进行科学计算技术。书中还介绍了Python语言和python标准库通过python提供的标准库可以有效的解决您在用Python进行大数据处理。书中提到的“数据”泛指： 1）矩阵或者说多维数组 2）表格(类似Excel、Calc) 3）诸如SQL关系型数据库表这些数据都可以通过Python进行相应的处理，转换成适合Python分析的数据结构，之后用Python相应的工具进行数据分析、处理，提出数据特征并用一定的结构形式表现出来，这种形式对习惯用Excel处理数据的用户来说不会陌生，能够接受。

推荐

回应 2013-09-04 12:01:54
展开收起
第1页为什么看这本书

沙加 (一书不尽，不读新书)

为什么看这本书？增加一种数据分析工具。为什么是python？ python是流行的脚本语言，据说在数据分析领域有超过R的势头。此外，之前我用过python显示过图形，貌似效果好过R，并且是可交互的。书中第一章有更详细的理由支持用python做数据分析
2014-05-20 11:10:23

为什么看这本书？增加一种数据分析工具。为什么是python？ python是流行的脚本语言，据说在数据分析领域有超过R的势头。此外，之前我用过python显示过图形，貌似效果好过R，并且是可交互的。书中第一章有更详细的理由支持用python做数据分析

推荐

回应 2014-05-20 11:10:23
展开收起
第2页

python培训 (智普教育 www.jeapedu.com)

Why Python for data analysis? Python具有很强的魅力，很容易使人很快的喜欢上她！从91年开始Python就成为广受喜爱的动态编程语言(?随提的)Python和Ruby近些年比较火（国内如何？）尤其是Django、Rails等web构架的流行促使更多人学习使用Python和Ruby。 Python和Ruby还有Perl业内常称做脚本语言，他们能够用最短小的代码或脚本完成最优美的功能。作者不太喜欢用脚本语言来界定Python因为脚本语言言外之意是说Python等语言能力...
2013-09-04 12:02:20

Why Python for data analysis? Python具有很强的魅力，很容易使人很快的喜欢上她！从91年开始Python就成为广受喜爱的动态编程语言(?随提的)Python和Ruby近些年比较火（国内如何？）尤其是Django、Rails等web构架的流行促使更多人学习使用Python和Ruby。 Python和Ruby还有Perl业内常称做脚本语言，他们能够用最短小的代码或脚本完成最优美的功能。作者不太喜欢用脚本语言来界定Python因为脚本语言言外之意是说Python等语言能力单薄无法胜任mission-critical（重要任务？）构建大型软件系统。近些年无论是工业级应用还是科研Python已被广泛采用。用Python做大数据分析就不可避免的要和其他开源软件以及R、Matlab等工具进行一下对比，无论是数据分析、计算、可视化，Python都不逊于上述各类软件或工具。 Python as Glue Python的成功一部分归功于其能很好的集成（支持）C、C++、Fortran语言代码。（Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，运行速度非常快。）部分程序可以用C或C++编写，然后在Python程序中使用它们。

推荐

回应 2013-09-04 12:02:20
展开收起
第3页

python培训 (智普教育 www.jeapedu.com)

why not Python？不擅长的 Python语言擅长进行各类科学计算，可以用Python构建一些通用系统，但Python也不是万能的，也有他不擅长做的事情。 Python像Java 一样是解释性的语言，这一点决定了他运行其来总体上说会比编译型代码要消耗更多的CPU,程序员会更加具体需求来折中选择用还是不用Python的。 Python不太擅长处理并行、多线程应用。GIL(Global Interpreter Lock)限制解释器在一个指令访问时间内只能访问一个Python字节码。...
2013-09-04 12:02:39

why not Python？不擅长的 Python语言擅长进行各类科学计算，可以用Python构建一些通用系统，但Python也不是万能的，也有他不擅长做的事情。 Python像Java 一样是解释性的语言，这一点决定了他运行其来总体上说会比编译型代码要消耗更多的CPU,程序员会更加具体需求来折中选择用还是不用Python的。 Python不太擅长处理并行、多线程应用。GIL(Global Interpreter Lock)限制解释器在一个指令访问时间内只能访问一个Python字节码。但并不是说Python不支持多线程、并行处理，Cpython集成了OpenMP大大提高了Python并行处理能力。

推荐

回应 2013-09-04 12:02:39

展开收起
勘误

lleiou (in for a penny, in for a pound)

还是有一些错误的, 现将自己找到的罗列如下: 1. Chap 9 2016 Federal Election 例子中 def get_top_amounts(group, key, n=5): totals = group.groupby(key)['contb_receipt_amt'].sum() # Order totals by key in descending order return totals.order(ascending=False)[-n:] 应该是返回前n个结果, 所以最后一行应为: return totals.order(ascending=False)[:n] 2. pivot table 相关的 parameter 名称都应为 index 和 columns...
2017-07-12 09:42:27

还是有一些错误的, 现将自己找到的罗列如下:
1. Chap 9 2016 Federal Election 例子中
def get_top_amounts(group, key, n=5): totals = group.groupby(key)['contb_receipt_amt'].sum() # Order totals by key in descending order return totals.order(ascending=False)[-n:]
引自勘误
应该是返回前n个结果, 所以最后一行应为:
return totals.order(ascending=False)[:n]
引自勘误
2. pivot table 相关的 parameter 名称都应为 index 和 columns 而原书全部写成 rows, cols, 导致出现如下报错信息:
TypeError: pivot_table() got an unexpected keyword argument 'rows'
引自勘误
https://stackoverflow.com/a/35318270/5861873

推荐

回应 2017-07-12 09:42:27
展开收起
第86页 Chapter4.NumPy Basics: Arrays and Vectorized Computation

洋蘑菇

出于大数据量时的性能考虑，slice 引用原始的 array，而不是创建拷贝。
2014-06-05 11:27:41

出于大数据量时的性能考虑，slice 引用原始的 array，而不是创建拷贝。

推荐

回应 2014-06-05 11:27:41
展开收起
第1页为什么看这本书

沙加 (一书不尽，不读新书)

为什么看这本书？增加一种数据分析工具。为什么是python？ python是流行的脚本语言，据说在数据分析领域有超过R的势头。此外，之前我用过python显示过图形，貌似效果好过R，并且是可交互的。书中第一章有更详细的理由支持用python做数据分析
2014-05-20 11:10:23

为什么看这本书？增加一种数据分析工具。为什么是python？ python是流行的脚本语言，据说在数据分析领域有超过R的势头。此外，之前我用过python显示过图形，貌似效果好过R，并且是可交互的。书中第一章有更详细的理由支持用python做数据分析

推荐

回应 2014-05-20 11:10:23
展开收起
第2000页

树莓派培训 (makerobot.org)

[http://book.douban.com/subject/25717197/]
2013-09-10 18:31:20

http://book.douban.com/subject/25717197/

推荐

回应 2013-09-10 18:31:20