书籍介绍
这本书的真正价值，或许不在它教了你多少数据分析的“道理”，而在于它让你完整地走了一遍：从一个想法出发，如何用代码快速验证它的过程。多位读者反复提到——它不关心你用什么工具，而关心你能否“产生一个想法后，用工具迅速跑通”。正因作者是pandas库的主要作者，书中对数据加载、规整、合并、重塑的讲解带着一种“内部视角”的从容：它不急着告诉你结论，而是带你经历处理真实数据集时那些琐碎却关键的环节。它适合愿意把每段代码亲手敲一遍的人；若指望速成、只想要现成结论，可能会觉得“价值密度偏低”。它更像一位懂底层原理的向导，陪你把数据分析的框架一点点搭起来。
作者简介
Wes McKinney 资深数据分析专家，对各种Python库（包括NumPy、pandas、matplotlib以及IPython等）等都有深入研究，并在大量的实践中积累了丰富的经验。撰写了大量与Python数据分析相关的经典文章，被各大技术社区争相转载，是Python和开源技术社区公认的权威人物之一。开发了用于数据分析的著名开源Python库——pandas，广获用户好评。在创建Lambda Foundry（一家致力于企业数据分析的公司）之前，他曾是AQR Capital Management的定量分析师。
AI导读
核心看点
- pandas作者亲授，权威指南
- 涵盖NumPy、pandas等核心库
- 从数据清洗到可视化的全流程
读者共识
- 公认的Pandas库最佳入门教材
- 实战性强，但部分代码需更新
- 适合边读边敲代码，重在实践
精彩摘录
- "数组切片是原始数据的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数组上。"
- "records = [json.loads(line) for line in open(path)]"
- "The probability density function for lognorm is: lognorm.pdf(x, s) = 1 / (s*x*sqrt(2*pi)) * exp(-1/2*(log(x)/s)**2) for x > 0, s > 0. lognorm takes s as a shape parameter. The probability density above is defined in the “standardized” form. To shift and/or scale the distribution use the loc and scal"
- "def get_top_amounts(group, key, n=5): totals = group.groupby(key)['contb_receipt_amt'].sum() # Order totals by key in descending order return totals.order(ascending=False)[-n:]"
- "return totals.order(ascending=False)[:n]"
- "TypeError: pivot_table() got an unexpected keyword argument 'rows'"
- "从0开始，步长1和-1出现的概率相等。通过内置的random模块以纯python的方式实现1000步的随机漫步： In [1]: import random In [2]: position=0 In [3]: walk=[position] In [4]: steps=1000 In [5]: for i in xrange(steps): ...: step=1 if random.randint(0,1) else -1 ...: position += step ...: walk.append(position) ...: 我用np.random模块一次性随机产生1000个“掷硬币的"
- "dateutil可以解析几乎所有人类能够理解的日期表示形式。（很遗憾，中文不行）"
目录
用户评论
向译者致敬，如果所有人在译书时都能亲自敲一遍代码再多点探索精神，中国的计算机启蒙书市场就不会一片灾难了。其实每个python第三方库的原始开发者都能出来现身说法一下，应该比随便什么人出本说明书就讲讲用法好得多，更何况能基于python标准库开发第三方库，功底也定然深厚，这本身也是书质量过关的保证，这点从numpy高级用法一章和附录A很容易感受到（我这种自学草民表示认识被刷新），有的时候why比how重要。现在看来pandas的初衷是做金融数据分析吧，时间数据的处理相当厉害。
pandas库的操作指南，结合ipython；不过数据分析的坑太大了，其重点不再编程语言上，我还是老老实实学python后端吧
作者是pandas作者，之前在AQR工作的
这本很好，比较全，也很好入门。
工具书，所以不好用
实际场景下都是直接去查谷歌 来得更快，因为书里只涉及到了基础的一些东西，工作场景下问题多了去了
从想读，到读完，陆陆续续花了2年时间，中间放下了很久。最近因为接触到相关知识，有了一定基础，基本上是花了2天时间粗略翻完。是一本不错的入门工具书。
Pandas numpy重跟了遍
不错的工具书
其实是一本 pandas 入门示例书
Pandas, numpy, matplotlib三个库的百科工具书。美中不足的是，对各个功能只介绍了最简单的用法，没能注明复杂用法或进阶指南，所以遇到问题根据目录翻到相应章节往往能找到适用的功能，但也止于隔靴搔痒，需要进一步探索documentation/stackoverflow
下载
收藏