本书是Python数学分析经典畅销书的升级版，由Python pandas项目的创始人Wes McKinney撰写。自2012年第1版出版以来，迅速成为该领域的权威指南，并且为了与时俱，作者也在对本书内容行持续更新，以摒弃一些过时、不兼容的工具，添加新的内容，用以介绍一些新特性、新工具及方法。本书第3版针对Python 3.10和pandas 1.4行了更新，并通过实操讲解和实际案例向读者展示了如何高效解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。<br/>【推荐语】<br/>适读人群 ：本书是对Python数据科学工具的实操化、现代化的介绍，非常适合刚学Python的数据分析师或刚学数据科学以及科学计算的Python编程者。 本书第1版出版于2012年，彼时基于Python的源数据分析库（例如pandas）仍然是一个发展迅速的新事物，本书也成为该领域排名No1的经典畅销书，前两版中文版累计销售近30万册。 阅读本书可以学习使用Python对数据集行操作、处理、清洗和规整。第3版针对Python 3.10和pandas 1.4行了更新，并通过实操讲解和实际案例向读者展示了如何高效地解决一系列数据分析问题。读者将在阅读过程中学习新版本的pandas、NumPy、IPython和Jupyter。 本书作者Wes McKinney是Python pandas项目的创始人。本书对Python数据科学工具的介绍既贴近实战又内容新颖，非常适合刚始学习Python的数据分析师或刚始学习数据科学和科学计算的Python程序员阅读。读者可以从GitHub获取数据文件和相关资料。 学完本书，你将能够： • 使用Jupyter notebook和IPython shell行探索性计算。 • 掌握NumPy的基础功能和高级功能。 • 掌握pandas库中的数据分析工具。 • 使用灵活的工具对数据行加载、清洗、转换、合并和重塑。 • 使用matplotlib行信息可视化。 • 使用pandas的groupBy功能对数据集行切片、切块和汇总。 • 分析并处理规则的时间序列数据和不规则的时间序列数据。 • 利用完整、详细的示例学习如何解决现实中的数据分析问题。 <br/>【作者】<br/>作者介绍 Wes McKinney是Voltron Data的联合创始人兼首席技术官、Python数据社区的活跃成员，同时也是在数据分析、金融和统计计算等领域推广使用Python的倡导者。Wes毕业于麻省理工学院，同时也是Apache软件基金会的Apache Arrow和Apache Parquet项目的项目管理委员会成员。 译者介绍 陈松，清华大学技术经济研究所副研究员，技术经济大数据实验室技术负责人，参与多项省部级、地区性课题研究。著有《区块通识课50讲》，译有《DeFi与金融的未来》，具有 4 项国家发明专利。日常维护名为SeanCheney的博客、GitHub和公众号，阅读量上千万。<br/>
評論0