利用Python进行数据分析 2017 第二版 （Python for Data Analysis, 2nd Edition）中文翻译笔记

这本书的英文版github仓库：pydata-book

作者Wes McKinney是pandas的创作者，所以书中关于pandas的讲解也是最实用的部分。我也直接联系过了Wes本人，这个笔记不会有任何版权问题，当然，也不会用于任何商业用途。

这本书自2013年第一版发行后，就广受好评。第一版的时候作者用的是Python2，不过随着Python2的维护年限将近（2020），以及Python3的推广，整个社群向Python3转变已经成为不可扭转的趋势。所以在第二版里，作者使用了Python3.6。而我实际写的代码则是基于Python3.5，使用上没有任何差别。

2017第二版主要更新：

1. 所有代码，包括Python教程，都升级到了Python3.6（第一版用的是Python2.7）
2. 更新了Python的安装介绍。这次改用Anaconda Python发行版，以及其他一些需要的Python包
3. 使用了最新的2017版pandas
4. 新增了一章，用来介绍pandas的高级应用工具，和其他一些有用的小贴士
5. 简单介绍了如何使用statsmodels和scikit-learn

本来很早就知道这本书了，直到最近才终于有时间，打算把这本书完整过一遍，顺便用jupyter做成笔记方便以后查阅。结果我在看第一版第三章的时，突然发现作者已经在2017年推出了第二版，不过暂时还没有中文版。想了想反正也要做成笔记，索性直接把英文翻译成中文，做一个简洁版的Notebook版本分享出来好了，也算是为开源世界做点小贡献。

在写笔记的时候，我尽量写中文，不过有一些专有名字我是直接写英文，然后配上中文翻译，毕竟有时候知道英文单词的话查找英文的文档也方便一些，而且我相信这样做对提升中文和英文专业名字的对照关系有帮助。毕竟在程序员的世界里，不懂英语会很艰难，即使是一些简单的单词，也是我们走向新世界的起点。

另外我并不是逐字逐句翻译，因为这样翻译出来的效果洋味十足，很难懂。我尽可能按方便理解的方式进行翻译，其他一些没有用的话我不进行翻译，就像上面说的，这是一个简洁版的笔记，只翻译书中有用的东西。不过因为是一个人在翻译整本书，工作量比较大，难免有错误和疏漏的地方，或者有读起来觉得奇怪的地方，如果有发现的话不要客气，请尽管说出来，欢迎任何改进和Pull Request。

Jupyter Notebooks:

• CHAPTER 1：Preliminaries（预备知识）

  • 1.1 What Is This Book About?（这本书是关于什么的）
  • 1.2 Why Python for Data Analysis?（为什么使用Python做数据分析）
  • 1.3 Essential Python Libraries（一些重要的Python库）
  • 1.4 Installation and Setup（安装和设置）
  • 1.5 Community and Conferences（社区和讨论组）+ 私货
  • 1.6 Navigating This Book（本书导航）

• Chapter 2: Python Language Basics, IPython, and Jupyter Notebooks (Python语言基础，Ipython和Jupyter Notebooks)

  • chp02-Introduction(2013)
  • 2.2 IPython Basics (IPython基础)
  • 2.3 Python语言基础)

• Chapter 3: Built-in Data Structures, Functions, and Files (内建数据结构，函数和文件)

  • 3.1 Data Structures and Sequences (数据结构与序列)
  • 3.2 Functions (函数)
  • 3.3 Files and the Operating System (文件以及操作系统)

• Chapter 4: NumPy Basics: Arrays and Vectorized Computation（NumPy基础：数组和向量化计算）

  • 4.1 The NumPy ndarray: A Multidimensional Array Object（ndarray: 多维数组对象)
  • 4.2 Universal Functions: Fast Element-Wise Array Functions（通用函数：快速点对点数组函数）
  • 4.3 Array-Oriented Programming with Arrays（数组导向编程）
  • 4.4 File Input and Output with Arrays（通过数组来进行文件的输入和输出）
  • 4.5 Linear Algebra (线性代数)
  • 4.6 Pseudorandom Number Generation（伪随机数生成）
  • 4.7 Example Random Walks（例子：随机漫步）

• Chapter 5: Getting Started with pandas（开始使用pandas）

  • 5.1 Introduction to pandas Data Structures（pandas的数据结构）
  • 5.2 Essential Functionality（主要功能）
  • 5.3 Summarizing and Computing Descriptive Statistics（汇总和描述性统计）

• Chapter 6: Data Loading, Storage, and File Formats（数据加载，存储，文件格式）

  • 6.1 Reading and Writing Data in Text Format (以文本格式读取和写入数据)
  • 6.2 Binary Data Formats (二进制数据格式)
  • 6.3 Interacting with Web APIs (网络相关的API交互)
  • 6.4 Interacting with Databases(与数据库的交互)

• Chapter 7: Data Cleaning and Preparation（数据清洗和准备）

  • 7.1 Handling Missing Data（处理缺失数据）
  • 7.2 Data Transformation（数据变换）
  • 7.3 String Manipulation（字符串处理）

• Chapter 8: Data Wrangling: Join, Combine, and Reshape（数据加工：加入, 结合, 变型）

  • 8.1 Hierarchical Indexing（分层索引）
  • 8.2 Combining and Merging Datasets（合并数据集）
  • 8.3 Reshaping and Pivoting（整形和旋转）

• Chapter 9: Plotting and Visualization（绘图和可视化）

  • 9.1 A Brief matplotlib API Primer（简单的matplotlib API入门）
  • 9.2 Plotting with pandas and seaborn（用pandas和seaborn绘图）
  • 9.3 Other Python Visualization Tools（其他一些Python可视化工具）

• Chapter 10: Data Aggregation and Group Operations（数据汇总和组操作）

  • 10.1 GroupBy Mechanics（分组机制）
  • 10.2 Data Aggregation（数据聚合）
  • 10.3 Apply：General split-apply-combine（应用：通用的分割-应用-合并）
  • 10.4 Pivot Tables and Cross-Tabulation（数据透视表和交叉表）

• Chapter 11: Time Series（时间序列）

  • 11.1 Date and Time Data Types and Tools（日期和时间数据类型及其工具）
  • 11.2 Time Series Basics（时间序列基础）
  • 11.3 Date Ranges, Frequencies, and Shifting（日期范围，频度，和位移）
  • 11.4 Time Zone Handling（时区处理）
  • 11.5 Periods and Period Arithmetic（周期和周期运算）
  • 11.6 Resampling and Frequency Conversion（重采样和频度转换）
  • 11.7 Moving Window Functions（移动窗口函数）

• Chapter 12: Advanced pandas（高级pandas用法）

  • 12.1 Categorical Data（类别数据）
  • 12.2 Advanced GroupBy Use（高级GroupBy用法）
  • 12.3 Techniques for Method Chaining（方法链接的技巧）

• Chapter 13: Introduction to Modeling Libraries in Python（Python中建模库的介绍）

  • 13.1 Interfacing Between pandas and Model Code（pandas与建模代码间的交互）
  • 13.2 Creating Model Descriptions with Patsy（利用Patsy创建模型描述）
  • 13.3 Introduction to statsmodels（statsmodels简介）
  • 13.4 Introduction to scikit-learn（scikit-learn简介）

• Chapter 14: Data Analysis Examples（数据分析实例）

  • 14.1 USA.gov Data from Bitly（USA.gov数据集）
  • 14.2 MovieLens 1M Dataset（MovieLens 1M数据集）
  • 14.3 US Baby Names 1880–2010（1880年至2010年美国婴儿姓名）
  • 14.4 USDA Food Database（美国农业部食品数据库）
  • 14.5 2012 Federal Election Commission Database（2012联邦选举委员会数据库）

License

The code in this repository, including all code samples in the notebooks listed above, is released under the MIT license. Read more at the Open Source Initiative.

Sponsor

如果觉得有帮助，可以赞个助，不论多少都是对我工作的肯定：）

• ETH: 0x0d9e310313a55cb8e48d69a2db27209db1b5a793
• EOS：0xb5f0a94f77e007b596a6e53a75f4ee04f0c72899
• NEO：ASCc7rEZ1SAg2hnLicwkaVBMF9MyqWFKMz

微信:

支付宝：