利用Python進行資料分析（第二版）早鳥版介紹

暑期回家學車的時候，我為了保持自己的學習狀态，于是去看《利用Python進行資料分析》。為了能夠運作書上的代碼，我去GitHub上下載下傳它們随書資料，不經意間發現這本書要在今年10月份出第二版了，圖書位址是 http://shop.oreilly.com/product/0636920050896.do

。感謝搜尋引擎，我下載下傳到了early bird version，等出正式版的時候，我再去美亞買.

第一版發行的時候是2012年，差不多5年前了，這期間Python的開源資料分析庫發展勢頭迅猛， 作者開發的pandas也增加了許多新的功能。為了适應這種變化，他對第一版進行了大刀闊斧的修改，于是就有了第二版。

作者簡介

Wes McKinney 資深資料分析專家，對各種Python庫（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的實踐中積累了豐富的經驗。撰寫了大量與Python資料分析相關的經典文章，被各大技術社群争相轉載，是Python和開源技術社群公認的權威人物之一。開發了用于資料分析的著名開源Python庫——pandas，廣獲使用者好評。在建立Lambda Foundry（一家緻力于企業資料分析的公司）之前，他曾是AQR Capital Management的定量分析師

第一版的評價

《利用Python進行資料分析》中文版第一版由機械工業出版社發行在2013年，到現在已經4年過去。豆瓣評分8.5分，京東好評率98%，摘取一段豆瓣書評，

總的來說Python提供了很多友善，但是這種友善還是需要付出一定的學習成本的。使用Pandas可以把Python基本當作R用 用NumPy和SymPy還有SciPy把Python當作Matlab用。但是目前所有這些子產品都還在開發階段是以有很多問題需要解決，使用者體驗并不是非常友好，尤其是資料類型和能否改變資料值等等細節會讓人特别累

四年過去了，書評說的問題大部分都被解決了。但是我個人建議，最好是一邊學習機率論和統計分析的同時學習R和Python，畢竟工具都是類似的，解決問題的思路或許更重要。

主要變動

• 所有代碼（包括Python教程）都更新到了Python3.6。 第一版用的是Python2.7
• 更新Python安裝介紹，改用Anaconda以及其他所需包，之前是Enthought Python Distribution
• 更新為2017年釋放的pandas 1.0
• 新增了“pandas進階應用”，之前隻有“Numpy進階應用”
• 簡單介紹了如何使用statsmodel和scikit-learn

全書架構：

整本書大架構沒有太多修改， 部分章節與時俱進的被淘汰了，部分章節由于内容增加被拆分了。

• 前言： 緬懷John D. Hunter, 他開發了matplotlib，建立了良好的Python社群。

  PS: 早鳥版還沒有寫緻謝呢。

• 第一章： 準備工作，介紹為什麼使用Python，以及如何在不同機器上安裝Python。
• 第二章：Python文法基礎： IPython和Jupyter notebook. 這一節介紹Python的基本文法（原本是放在附錄）和Ipython基本用法（進階用法被放在附錄了）
• 第三章： 内置資料結構，函數和檔案系統
• 第四章： Numpy基礎
• 第五章： pandas起步
• 第六章： 資料加載，存儲和檔案格式
• 第七章： 資料清洗和準備
• 第八章： 資料規整化：Join（連接配接）, combine（合并）, reshape（重塑）
• 第九章： 繪圖和可視化
• 第十章： 資料聚合和分組運算
• 第十一章：時間序列
• 第十二章： Numpy進階應用

放棄第一版的引言一章，對于初學者這是一個巨大的改進，我當年沒基礎一看就懵了。在介紹Numpy之前放了Python文法基礎，更加的新手友好了。 第七章和第八章是由之前的一章拆分出來。

我的感想

僅僅從目錄上看，這一版本其實對于初學者而言，其實是更加友好的，當然目前是英文，對于英文不好的同學不太友好。不過如果你想從事資料分析，那麼英文水準必然要提高，不然等别人翻譯官方文檔，新的特性也就過時了。

糾結Python2和Python3的初學者也不需要太糾結，如果你要進行資料分析，你要用的Python包都已經有python3版本，也就是說整個Python社群正在慢慢向Python3遷移。