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。虽然是笔记，不过不用担心内容上有很大缺失，该有的基本都有了，再加上我时不时进行解说，内容应该比书里更丰富。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。

欢迎关注我的知乎：link

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)
  • 2.1 The Python Interpreter（python解释器）
  • 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）

• Appendix A: Advanced NumPy（高级NumPy用法）

  • A.1 ndarray Object Internals（ndarray对象的内部）
  • A.2 Advanced Array Manipulation（数组操作的高级用法）
  • A.3 Broadcasting（广播）
  • A.4 Advanced ufunc Usage（高级ufunc用法）
  • A.5 Structured and Record Arrays（结构化数组和记录数组）
  • A.6 More About Sorting（关于排序）
  • A.7 Writing Fast NumPy Functions with Numba（利用Numba构建快速的NumPy函数）
  • A.8 Advanced Array Input and Output（数组输入和输出的高级用法）
  • A.9 Performance Tips（性能贴士）

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：）

微信:

支付宝：

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.