利用Python进行数据分析(第2版) PDF 清晰版

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支持Python3的，而我用的则是Python3，面对红色的报错，令人感动沮丧。因为当时我还不知道原因，只是觉得明明写的一样啊，为什么会报错，感觉编程太难了，好容易就出问题。 然后硬着头皮看了第四章，numpy的用法，终于感觉到学到了一点东西。不过因为作者写的很繁杂，在这章最后面那里已经快要看不下去了。然后，第一看就到此为止了，我感觉对Python的学习失去了兴趣。 第二次在捡起这本书，忘了是几个月后了，因为写论文的原因要用到Python的pandas包，所以硬着头皮又回来看第五章，pandas包的介绍。这次看感觉好多了，因为有了一定的numpy基础和心理预期，用了几天时间把pandas这章所有的程序跟着敲了一遍。学到了不少，但是因为写的有些杂乱，真要用的时候还是要回去参考语法。不过在写过很多次之后，现在pandas包的很多语法我已经可以闭着眼睛写出来了。然后第二次看到这里就没再往下看了，因为我当时用的基本就只是pandas而已。 第三次，就是这次了。我觉得还是要把这本书完完整整的看过。于是又捡起来，从第一章开始看，看了大部分。因为有的章节的语法依赖于Python2，金融数据那一章读取股票数据连不上，所以放弃了部分内容，但是应该影响不大。大部分都跟着打了一遍，总共打了几千行代码，删除没用和打错的，最后留下来不到1000行代码，存在了我的Jupyter Notebook里了。 这次的收货蛮大的。首先，第一章引用了不少例子，给我看到了数据分析的一个具体案例，其中最令我眼前一亮的就是一个案例中，它读取了一个文件夹里所有的文件，文件有年份的规律，写了一个很简单的循环，就把他们全部读取并且合并成一个表。我想如果是我的话，也能完成这一目标，但是语法会写的很烂，很杂，又把握不到精髓。 后面的章节，numpy、pandas都讲的不错。其中，pandas确实是处理数据的一个神器，如果用的好，它比Excel还要方便。除了基本的用法，它有分组groupby和数据透视表pivot_table两个工具，可以再写自己的函数，应用于此。这样一来就比Excel里面不断地调整设置方便了。 然后还有一些部分，包括数据预处理、数据存储、绘图等也要看一遍，虽然有的用不到，但是了解一下也不错。 Python的东西，就是学起来快，但是忘起来也快。很多语法今天写了，明天就忘光光了。尤其是我用pandas这个包，最基本的打开语法都是用过好几遍才记住的，不过一段时间不用还是会不熟悉，容易忘。 这次的阅读，我做了很详细的笔记，用Jupyter Notebook。并且一页一页把他们截图下来，保存在了我的手机相册里，另存为一个相册集。打算每天复习一遍，目前从开始阅读，就每天复习了已经学过的，大概已经坚持了10天多了（中间间断过几天）。 准备下个月要每天复习一次，可以慢慢加深印象，而且复习越多速度越快，其实不占太多时间。 总体来说，这本书对于Python小白，又想做数据处理的人来说是不错的入门书籍。对于已经有一定Python数据处理经验的人来说也可以当做参考。 这本书的缺点就是写的很杂，不过不这样写，又能怎么写呢？如果让我来写，可能也会写成这个样子，放很多很多的例子在上面，就是零碎的。所以缺点也是它的优点吧。

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，用户体验并不是非常友好，尤其是数据类型和能否改变数据值等等细节会让人特别累。 还有一个大问题是现在并没有专门针对Python数据分析提供的很好的IDE Pythonxy和Canopy Express都各有千秋但是都不够好，作为数据分析能够直接查看数据是很重要的，现在只有pythonxy支持variable explorer但是，而如果直接在IPython中查看数据的话会很不直观，除了pandas的dataframe会很直观以外，有一些简单的操作可能会因此变得非常复杂，而且用户缺乏对数据结构的直观观测很可能会产生一些非常微妙的bug。 另外每种模块中拓展的数据对象都有类似的成员函数，但是是用对象.成员函数调用还是直接调用函数造成的结果是不一样的。这主要是因为Python是面对大数据分析的，所以一个函数的结果到底是直接改变原有对象还是创建新对象不一定，创建的新对象跟原来的对象是不是引用或者只是一个复制，又不一定，各种包加进来之后会让事情变得很复杂。这些都是下一步需要解决的问题。 最后，IPyhon Notebook非常赞，但是不是所有人都会用Git并且创建一个gist，这就使得代码分享和可重复研究对于非职业程序员变得有点复杂，这不利于Python数据分析的发展。 总之路还很长，但是Python有很多好处，比如对于python的大部分拓展对象你都可以进行向量化操作，少写不少循环，代码会因此短而精干也易读，python可以从C++等语言输出端拿数据处理之后再返给C++和Fortran等，这些都意味无限的可能性。在我看来Python目前并不适合用来搞研究，倒是适合用来编写一个处理数据的胶水程序，而且并不是分析数据，而是重新整合数据使得它们更容易被分析。