数据分析、机器学习及人工智能必读书目——工具篇之《利用Python进行数据分析》

我们已经进入了全新的数据时代，大数据、云计算、物联网、机器学习、人工智能等等一系列技术纷至沓来，数据的管理和应用已经渗透到每一个行业和业务领域，成为当今以及未来商业运作的基础资产。可以说，只有掌握数据并善于运用数据的人，才会在竞争日益激烈的环境中寻得先机。 那么我们该怎么样学习大数据分析、机器学习以及人工智能？作者认为，学习大数据、机器学习和人工智能，所需的知识分为五个层次，一是数学知识；二是统计学知识；三是算法知识；四是工具知识；五是哲学思想知识。所谓工具知识，就是我们需要借助计算机软件来完成相关的分析和运算，目前大数据和机器学习领域热门的语言就是 R 和 Python。我们会分别介绍这五个层次所需要看的书，希望对大家有用。

《利用Python进行数据分析》

• 作者：Wes McKinney

• 译者：唐学韬 等

• 页数: 464

• 出版：机械工业出版社 2013年版

简要评价：

Python 正迅速成为数据科学家们钟爱的编程语言，原因在于其简单优雅，提供了一种覆盖范围更为广阔的编程语言生态系统，以及具有一定计算深度且性能良好的科学计算库。在 Python 自带的科学计算库中，Pandas 模块是最适于数据科学相关操作的工具。它与 Scikit-learn 两个模块几乎提供了数据科学家所需的全部工具。

本书正是由大名鼎鼎的 Pandas 模块的作者亲自撰写的，功底非常深厚，数据分析有着很丰富的经验，因此写出的书也是深入浅出，让人很容易就能看懂，非常适合刚刚接触 Python 的分析人员以及刚刚接触科学计算的 Python 程序员。当然，因为定位为入门，所以这本书相对比较浅显，看完之后想再进一步，还需要更加深入的钻研。

内容介绍：

还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程？本书含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy、pandas、matplotlib以及IPython等）高效地解决各式各样的数据分析问题。 由于作者Wes McKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。

• 将IPython这个交互式Shell作为你的首要开发环境。

• 学习NumPy（Numerical Python）的基础和高级知识。

• 从pandas库的数据分析工具开始。

• 利用高性能工具对数据进行加载、清理、转换、合并以及重塑。

• 利用matplotlib创建散点图以及静态或交互式的可视化结果。

• 利用pandas的groupby功能对数据集进行切片、切块和汇总操作。

• 处理各种各样的时间序列数据。

• 通过详细的案例学习如何解决Web分析、社会科学、金融学以及经•济学等领域的问题。

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。

名家推荐

“科学计算和数据分析社区已经等待这本书很多年了：大量具体的实践建议，以及大量综合应用方法。本书在未来几年里肯定会成为Python领域中技术计算的权威指南。”

——Fernando Pérez　加州大学伯克利分校 研究科学家， IPython的创始人之一

书籍目录

前言

第1章 准备工作

• 本书主要内容

• 为什么要使用Python进行数据分析

• 重要的Python库

• 安装和设置

• 社区和研讨会

• 使用本书

• 致谢

第2章 引言

• 来自bit.ly的1.usa.gov数据

• MovieLens 1M数据集

• 1880-2010年间全美婴儿姓名

• 小结及展望

第3章 IPython：一种交互式计算和开发环境

• IPython基础

• 内省

• 使用命令历史

• 与操作系统交互

• 软件开发工具

• IPython HTML Notebook

• 利用IPython提高代码开发效率的几点提示

• 高级IPython功能

• 致谢

第4章 NumPy基础：数组和矢量计算

• NumPy的ndarray：一种多维数组对象

• 通用函数：快速的元素级数组函数

• 利用数组进行数据处理

• 用于数组的文件输入输出

• 线性代数

• 随机数生成

• 范例：随机漫步

第5章 pandas入门

• pandas的数据结构介绍

• 基本功能

• 汇总和计算描述统计

• 处理缺失数据

• 层次化索引

• 其他有关pandas的话题

第6章 数据加载、存储与文件格式

• 读写文本格式的数据

• 二进制数据格式

• 使用HTML和Web API

• 使用数据库

第7章 数据规整化：清理、转换、合并、重塑

• 合并数据集

• 重塑和轴向旋转

• 数据转换

• 字符串操作

• 示例：USDA食品数据库

第8章 绘图和可视化

• matplotlib API入门

• pandas中的绘图函数

• 绘制地图：图形化显示海地地震危机数据

• Python图形化工具生态系统

第9章 数据聚合与分组运算

• GroupBy技术

• 数据聚合

• 分组级运算和转换

• 透视表和交叉表

• 示例：2012联邦选举委员会数据库

第10章 时间序列

• 日期和时间数据类型及工具

• 时间序列基础

• 日期的范围、频率以及移动

• 时区处理

• 时期及其算术运算

• 重采样及频率转换

• 时间序列绘图

• 移动窗口函数

• 性能和内存使用方面的注意事项

第11章 金融和经济数据应用

• 数据规整化方面的话题

• 分组变换和分析

• 更多示例应用

第12章 NumPy高级应用

• ndarray对象的内部机理

• 高级数组操作

• 广播

• ufunc高级应用

• 结构化和记录式数组

• 更多有关排序的话题

• NumPy的matrix类

• 高级数组输入输出

• 性能建议

• 附录A Python语言精要

喜欢闲适安静的生活，懂一点计算机编程，懂一点统计学和数据分析。（爱编程爱统计）