《利用Python進(jìn)行數(shù)據(jù)分析》（第二版）+中文翻譯精要+配套代碼和數(shù)據(jù)

鏈接：https://pan.baidu.com/s/1kz4DTlefVVkBpewtgomsjw

提取碼：l8wi　PDF

1.1 本書(shū)的內(nèi)容

本書(shū)講的是利用Python進(jìn)行數(shù)據(jù)控制、處理、整理、分析等方面的具體細(xì)節(jié)和基本要點(diǎn)。我的目標(biāo)是介紹Python編程和用于數(shù)據(jù)處理的庫(kù)和工具環(huán)境，掌握這些，可以讓你成為一個(gè)數(shù)據(jù)分析專(zhuān)家。雖然本書(shū)的標(biāo)題是“數(shù)據(jù)分析”，重點(diǎn)卻是Python編程、庫(kù)，以及用于數(shù)據(jù)分析的工具。這就是數(shù)據(jù)分析要用到的Python編程。

什么樣的數(shù)據(jù)？

當(dāng)書(shū)中出現(xiàn)“數(shù)據(jù)”時(shí)，究竟指的是什么呢？主要指的是結(jié)構(gòu)化數(shù)據(jù)（structured data），這個(gè)故意含糊其辭的術(shù)語(yǔ)代指了所有通用格式的數(shù)據(jù)，例如：

表格型數(shù)據(jù)，其中各列可能是不同的類(lèi)型（字符串、數(shù)值、日期等）。比如保存在關(guān)系型數(shù)據(jù)庫(kù)中或以制表符/逗號(hào)為分隔符的文本文件中的那些數(shù)據(jù)。

多維數(shù)組（矩陣）。

通過(guò)關(guān)鍵列（對(duì)于SQL用戶(hù)而言，就是主鍵和外鍵）相互聯(lián)系的多個(gè)表。

間隔平均或不平均的時(shí)間序列。

這絕不是一個(gè)完整的列表。大部分?jǐn)?shù)據(jù)集都能被轉(zhuǎn)化為更加適合分析和建模的結(jié)構(gòu)化形式，雖然有時(shí)這并不是很明顯。如果不行的話，也可以將數(shù)據(jù)集的特征提取為某種結(jié)構(gòu)化形式。例如，一組新聞文章可以被處理為一張?jiān)~頻表，而這張?jiān)~頻表就可以用于情感分析。

大部分電子表格軟件（比如Microsoft Excel，它可能是世界上使用最廣泛的數(shù)據(jù)分析工具了）的用戶(hù)不會(huì)對(duì)此類(lèi)數(shù)據(jù)感到陌生。

1.2 為什么要使用Python進(jìn)行數(shù)據(jù)分析

許許多多的人（包括我自己）都很容易愛(ài)上Python這門(mén)語(yǔ)言。自從1991年誕生以來(lái)，Python現(xiàn)在已經(jīng)成為最受歡迎的動(dòng)態(tài)編程語(yǔ)言之一，其他還有Perl、Ruby等。由于擁有大量的Web框架（比如Rails（Ruby）和Django（Python）），自從2005年，使用Python和Ruby進(jìn)行網(wǎng)站建設(shè)工作非常流行。這些語(yǔ)言常被稱(chēng)作腳本（scripting）語(yǔ)言，因?yàn)樗鼈兛梢杂糜诰帉?xiě)簡(jiǎn)短而粗糙的小程序（也就是腳本）。我個(gè)人并不喜歡“腳本語(yǔ)言”這個(gè)術(shù)語(yǔ)，因?yàn)樗孟裨谡f(shuō)這些語(yǔ)言無(wú)法用于構(gòu)建嚴(yán)謹(jǐn)?shù)能浖Ｔ诒姸嘟忉屝驼Z(yǔ)言中，由于各種歷史和文化的原因，Python發(fā)展出了一個(gè)巨大而活躍的科學(xué)計(jì)算（scientific computing）社區(qū)。在過(guò)去的10年，Python從一個(gè)邊緣或“自擔(dān)風(fēng)險(xiǎn)”的科學(xué)計(jì)算語(yǔ)言，成為了數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、學(xué)界和工業(yè)界軟件開(kāi)發(fā)最重要的語(yǔ)言之一。

在數(shù)據(jù)分析、交互式計(jì)算以及數(shù)據(jù)可視化方面，Python將不可避免地與其他開(kāi)源和商業(yè)的領(lǐng)域特定編程語(yǔ)言/工具進(jìn)行對(duì)比，如R、MATLAB、SAS、Stata等。近年來(lái)，由于Python的庫(kù)（例如pandas和scikit-learn）不斷改良，使其成為數(shù)據(jù)分析任務(wù)的一個(gè)優(yōu)選方案。結(jié)合其在通用編程方面的強(qiáng)大實(shí)力，我們完全可以只使用Python這一種語(yǔ)言構(gòu)建以數(shù)據(jù)為中心的應(yīng)用。

Python作為膠水語(yǔ)言

Python成為成功的科學(xué)計(jì)算工具的部分原因是，它能夠輕松地集成C、C++以及Fortran代碼。大部分現(xiàn)代計(jì)算環(huán)境都利用了一些Fortran和C庫(kù)來(lái)實(shí)現(xiàn)線性代數(shù)、優(yōu)選、積分、快速傅里葉變換以及其他諸如此類(lèi)的算法。許多企業(yè)和國(guó)家實(shí)驗(yàn)室也利用Python來(lái)“粘合”那些已經(jīng)用了多年的遺留軟件系統(tǒng)。

大多數(shù)軟件都是由兩部分代碼組成的：少量需要占用大部分執(zhí)行時(shí)間的代碼，以及大量不經(jīng)常執(zhí)行的“膠水代碼”。大部分情況下，膠水代碼的執(zhí)行時(shí)間是微不足道的。開(kāi)發(fā)人員的精力幾乎都是花在優(yōu)化計(jì)算瓶頸上面，有時(shí)更是直接轉(zhuǎn)用更低級(jí)的語(yǔ)言（比如C）。

解決“兩種語(yǔ)言”問(wèn)題

很多組織通常都會(huì)用一種類(lèi)似于領(lǐng)域特定的計(jì)算語(yǔ)言（如SAS和R）對(duì)新想法做研究、原型構(gòu)建和測(cè)試，然后再將這些想法移植到某個(gè)更大的生產(chǎn)系統(tǒng)中去（可能是用Java、C#或C++編寫(xiě)的）。人們逐漸意識(shí)到，Python不僅適用于研究和原型構(gòu)建，同時(shí)也適用于構(gòu)建生產(chǎn)系統(tǒng)。為什么一種語(yǔ)言就夠了，卻要使用兩個(gè)語(yǔ)言的開(kāi)發(fā)環(huán)境呢？我相信越來(lái)越多的企業(yè)也會(huì)這樣看，因?yàn)檠芯咳藛T和工程技術(shù)人員使用同一種編程工具將會(huì)給企業(yè)帶來(lái)非常顯著的組織效益。

為什么不選Python

雖然Python非常適合構(gòu)建分析應(yīng)用以及通用系統(tǒng)，但它對(duì)不少應(yīng)用場(chǎng)景適用性較差。

由于Python是一種解釋型編程語(yǔ)言，因此大部分Python代碼都要比用編譯型語(yǔ)言（比如Java和C++）編寫(xiě)的代碼運(yùn)行慢得多。由于程序員的時(shí)間通常都比CPU時(shí)間值錢(qián)，因此許多人也愿意對(duì)此做一些取舍。但是，在那些延遲要求非常小或高資源利用率的應(yīng)用中（例如高頻交易系統(tǒng)），耗費(fèi)時(shí)間使用諸如C++這樣更低級(jí)、更低生產(chǎn)率的語(yǔ)言進(jìn)行編程也是值得的。

對(duì)于高并發(fā)、多線程的應(yīng)用程序而言（尤其是擁有許多計(jì)算密集型線程的應(yīng)用程序），Python并不是一種理想的編程語(yǔ)言。這是因?yàn)镻ython有一個(gè)叫做全局解釋器鎖（Global Interpreter Lock，GIL）的組件，這是一種防止解釋器同時(shí)執(zhí)行多條Python字節(jié)碼指令的機(jī)制。有關(guān)“為什么會(huì)存在GIL”的技術(shù)性原因超出了本書(shū)的范圍。雖然很多大數(shù)據(jù)處理應(yīng)用程序?yàn)榱四茉谳^短的時(shí)間內(nèi)完成數(shù)據(jù)集的處理工作都需要運(yùn)行在計(jì)算機(jī)集群上，但是仍然有一些情況需要用單進(jìn)程多線程系統(tǒng)來(lái)解決。

這并不是說(shuō)Python不能執(zhí)行真正的多線程并行代碼。例如，Python的C插件使用原生的C或C++的多線程，可以并行運(yùn)行而不被GIL影響，只要它們不頻繁地與Python對(duì)象交互。

1.3 重要的Python庫(kù)

考慮到那些還不太了解Python科學(xué)計(jì)算生態(tài)系統(tǒng)和庫(kù)的讀者，下面我先對(duì)各個(gè)庫(kù)做一個(gè)簡(jiǎn)單的介紹。

NumPy

NumPy（Numerical Python的簡(jiǎn)稱(chēng)）是Python科學(xué)計(jì)算的基礎(chǔ)包。本書(shū)大部分內(nèi)容都基于NumPy以及構(gòu)建于其上的庫(kù)。它提供了以下功能（不限于此）：

快速高效的多維數(shù)組對(duì)象ndarray。

用于對(duì)數(shù)組執(zhí)行元素級(jí)計(jì)算以及直接對(duì)數(shù)組執(zhí)行數(shù)學(xué)運(yùn)算的函數(shù)。

用于讀寫(xiě)硬盤(pán)上基于數(shù)組的數(shù)據(jù)集的工具。

線性代數(shù)運(yùn)算、傅里葉變換，以及隨機(jī)數(shù)生成。

-成熟的C API， 用于Python插件和原生C、C++、Fortran代碼訪問(wèn)NumPy的數(shù)據(jù)結(jié)構(gòu)和計(jì)算工具。

除了為Python提供快速的數(shù)組處理能力，NumPy在數(shù)據(jù)分析方面還有另外一個(gè)主要作用，即作為在算法和庫(kù)之間傳遞數(shù)據(jù)的容器。對(duì)于數(shù)值型數(shù)據(jù)，NumPy數(shù)組在存儲(chǔ)和處理數(shù)據(jù)時(shí)要比內(nèi)置的Python數(shù)據(jù)結(jié)構(gòu)高效得多。此外，由低級(jí)語(yǔ)言（比如C和Fortran）編寫(xiě)的庫(kù)可以直接操作NumPy數(shù)組中的數(shù)據(jù)，無(wú)需進(jìn)行任何數(shù)據(jù)復(fù)制工作。因此，許多Python的數(shù)值計(jì)算工具要么使用NumPy數(shù)組作為主要的數(shù)據(jù)結(jié)構(gòu)，要么可以與NumPy進(jìn)行無(wú)縫交互操作。

pandas

pandas提供了快速便捷處理結(jié)構(gòu)化數(shù)據(jù)的大量數(shù)據(jù)結(jié)構(gòu)和函數(shù)。自從2010年出現(xiàn)以來(lái)，它助使Python成為強(qiáng)大而高效的數(shù)據(jù)分析環(huán)境。本書(shū)用得最多的pandas對(duì)象是DataFrame，它是一個(gè)面向列（column-oriented）的二維表結(jié)構(gòu)，另一個(gè)是Series，一個(gè)一維的標(biāo)簽化數(shù)組對(duì)象。

pandas兼具NumPy高性能的數(shù)組計(jì)算功能以及電子表格和關(guān)系型數(shù)據(jù)庫(kù)（如SQL）靈活的數(shù)據(jù)處理功能。它提供了復(fù)雜精細(xì)的索引功能，能更加便捷地完成重塑、切片和切塊、聚合以及選取數(shù)據(jù)子集等操作。因?yàn)閿?shù)據(jù)操作、準(zhǔn)備、清洗是數(shù)據(jù)分析最重要的技能，pandas是本書(shū)的重點(diǎn)。

作為背景，我是在2008年初開(kāi)始開(kāi)發(fā)pandas的，那時(shí)我任職于AQR Capital Management，一家量化投資管理公司，我有許多工作需求都不能用任何單一的工具解決：

有標(biāo)簽軸的數(shù)據(jù)結(jié)構(gòu)，支持自動(dòng)或清晰的數(shù)據(jù)對(duì)齊。這可以防止由于數(shù)據(jù)不對(duì)齊，或處理來(lái)源不同的索引不同的數(shù)據(jù)，所造成的錯(cuò)誤。

集成時(shí)間序列功能。

相同的數(shù)據(jù)結(jié)構(gòu)用于處理時(shí)間序列數(shù)據(jù)和非時(shí)間序列數(shù)據(jù)。

保存元數(shù)據(jù)的算術(shù)運(yùn)算和壓縮。

靈活處理缺失數(shù)據(jù)。

合并和其它流行數(shù)據(jù)庫(kù)（例如基于SQL的數(shù)據(jù)庫(kù)）的關(guān)系操作。

我想只用一種工具就實(shí)現(xiàn)所有功能，并使用通用軟件開(kāi)發(fā)語(yǔ)言。Python是一個(gè)不錯(cuò)的候選語(yǔ)言，但是此時(shí)沒(méi)有集成的數(shù)據(jù)結(jié)構(gòu)和工具來(lái)實(shí)現(xiàn)。我一開(kāi)始就是想把pandas設(shè)計(jì)為一款適用于金融和商業(yè)分析的工具，pandas專(zhuān)注于深度時(shí)間序列功能和工具，適用于時(shí)間索引化的數(shù)據(jù)。

對(duì)于使用R語(yǔ)言進(jìn)行統(tǒng)計(jì)計(jì)算的用戶(hù)，肯定不會(huì)對(duì)DataFrame這個(gè)名字感到陌生，因?yàn)樗醋杂赗的data.frame對(duì)象。但與Python不同，data frames是構(gòu)建于R和它的標(biāo)準(zhǔn)庫(kù)。因此，pandas的許多功能不屬于R或它的擴(kuò)展包。

pandas這個(gè)名字源于panel data（面板數(shù)據(jù)，這是多維結(jié)構(gòu)化數(shù)據(jù)集在計(jì)量經(jīng)濟(jì)學(xué)中的術(shù)語(yǔ)）以及Python data analysis（Python數(shù)據(jù)分析）。

matplotlib

matplotlib是最流行的用于繪制圖表和其它二維數(shù)據(jù)可視化的Python庫(kù)。它最初由John D.Hunter（JDH）創(chuàng)建，目前由一個(gè)龐大的開(kāi)發(fā)團(tuán)隊(duì)維護(hù)。它非常適合創(chuàng)建出版物上用的圖表。雖然還有其它的Python可視化庫(kù)，matplotlib卻是使用最廣泛的，并且它和其它生態(tài)工具配合也非常完美。我認(rèn)為，可以使用它作為默認(rèn)的可視化工具。

IPython和Jupyter

IPython項(xiàng)目起初是Fernando Pérez在2001年的一個(gè)用以加強(qiáng)和Python交互的子項(xiàng)目。在隨后的16年中，它成為了Python數(shù)據(jù)棧最重要的工具之一。雖然IPython本身沒(méi)有提供計(jì)算和數(shù)據(jù)分析的工具，它卻可以大大提高交互式計(jì)算和軟件開(kāi)發(fā)的生產(chǎn)率。IPython鼓勵(lì)“執(zhí)行-探索”的工作流，區(qū)別于其它編程軟件的“編輯-編譯-運(yùn)行”的工作流。它還可以方便地訪問(wèn)系統(tǒng)的shell和文件系統(tǒng)。因?yàn)榇蟛糠值臄?shù)據(jù)分析代碼包括探索、試錯(cuò)和重復(fù)，IPython可以使工作更快。

2014年，F(xiàn)ernando和IPython團(tuán)隊(duì)宣布了Jupyter項(xiàng)目，一個(gè)更寬泛的多語(yǔ)言交互計(jì)算工具的計(jì)劃。IPython web notebook變成了Jupyter notebook，現(xiàn)在支持40種編程語(yǔ)言。IPython現(xiàn)在可以作為Jupyter使用Python的內(nèi)核（一種編程語(yǔ)言模式）。

IPython變成了Jupyter龐大開(kāi)源項(xiàng)目（一個(gè)交互和探索式計(jì)算的高效環(huán)境）中的一個(gè)組件。它最老也是最簡(jiǎn)單的模式，現(xiàn)在是一個(gè)用于編寫(xiě)、測(cè)試、調(diào)試Python代碼的強(qiáng)化shell。你還可以使用通過(guò)Jupyter Notebook，一個(gè)支持多種語(yǔ)言的交互式網(wǎng)絡(luò)代碼“筆記本”，來(lái)使用IPython。IPython shell 和Jupyter notebooks特別適合進(jìn)行數(shù)據(jù)探索和可視化。

Jupyter notebooks還可以編寫(xiě)Markdown和HTML內(nèi)容，它提供了一種創(chuàng)建代碼和文本的富文本方法。其它編程語(yǔ)言也在Jupyter中植入了內(nèi)核，好讓在Jupyter中可以使用Python以外的語(yǔ)言。

對(duì)我個(gè)人而言，我的大部分Python工作都要用到IPython，包括運(yùn)行、調(diào)試和測(cè)試代碼。

在本書(shū)的GitHub頁(yè)面，你可以找到包含各章節(jié)所有代碼實(shí)例的Jupyter notebooks。

SciPy

SciPy是一組專(zhuān)門(mén)解決科學(xué)計(jì)算中各種標(biāo)準(zhǔn)問(wèn)題域的包的集合，主要包括下面這些包：

scipy.integrate：數(shù)值積分例程和微分方程求解器。

scipy.linalg：擴(kuò)展了由numpy.linalg提供的線性代數(shù)例程和矩陣分解功能。

scipy.optimize：函數(shù)優(yōu)化器（最小化器）以及根查找算法。

scipy.signal：信號(hào)處理工具。

scipy.sparse：稀疏矩陣和稀疏線性系統(tǒng)求解器。

scipy.special：SPECFUN（這是一個(gè)實(shí)現(xiàn)了許多常用數(shù)學(xué)函數(shù)（如伽瑪函數(shù)）的Fortran庫(kù)）的包裝器。

scipy.stats：標(biāo)準(zhǔn)連續(xù)和離散概率分布（如密度函數(shù)、采樣器、連續(xù)分布函數(shù)等）、各種統(tǒng)計(jì)檢驗(yàn)方法，以及更好的描述統(tǒng)計(jì)法。

NumPy和SciPy結(jié)合使用，便形成了一個(gè)相當(dāng)完備和成熟的計(jì)算平臺(tái)，可以處理多種傳統(tǒng)的科學(xué)計(jì)算問(wèn)題。

scikit-learn

2010年誕生以來(lái)，scikit-learn成為了Python的通用機(jī)器學(xué)習(xí)工具包。僅僅七年，就匯聚了全世界超過(guò)1500名貢獻(xiàn)者。它的子模塊包括：

分類(lèi)：SVM、近鄰、隨機(jī)森林、邏輯回歸等等。

回歸：Lasso、嶺回歸等等。

聚類(lèi)：k-均值、譜聚類(lèi)等等。

降維：PCA、特征選擇、矩陣分解等等。

選型：網(wǎng)格搜索、交叉驗(yàn)證、度量。

預(yù)處理：特征提取、標(biāo)準(zhǔn)化。

與pandas、statsmodels和IPython一起，scikit-learn對(duì)于Python成為高效數(shù)據(jù)科學(xué)編程語(yǔ)言起到了關(guān)鍵作用。雖然本書(shū)不會(huì)詳細(xì)講解scikit-learn，我會(huì)簡(jiǎn)要介紹它的一些模型，以及用其它工具如何使用這些模型。

statsmodels

statsmodels是一個(gè)統(tǒng)計(jì)分析包，起源于斯坦福大學(xué)統(tǒng)計(jì)學(xué)教授Jonathan Taylor，他設(shè)計(jì)了多種流行于R語(yǔ)言的回歸分析模型。Skipper Seabold和Josef Perktold在2010年正式創(chuàng)建了statsmodels項(xiàng)目，隨后匯聚了大量的使用者和貢獻(xiàn)者。受到R的公式系統(tǒng)的啟發(fā)，Nathaniel Smith發(fā)展出了Patsy項(xiàng)目，它提供了statsmodels的公式或模型的規(guī)范框架。

與scikit-learn比較，statsmodels包含經(jīng)典統(tǒng)計(jì)學(xué)和經(jīng)濟(jì)計(jì)量學(xué)的算法。包括如下子模塊：

回歸模型：線性回歸，廣義線性模型，健壯線性模型，線性混合效應(yīng)模型等等。

方差分析（ANOVA）。

時(shí)間序列分析：AR，ARMA，ARIMA，VAR和其它模型。

非參數(shù)方法： 核密度估計(jì)，核回歸。

統(tǒng)計(jì)模型結(jié)果可視化。

statsmodels更關(guān)注與統(tǒng)計(jì)推斷，提供不確定估計(jì)和參數(shù)p-值。相反的，scikit-learn注重預(yù)測(cè)。

同scikit-learn一樣，我也只是簡(jiǎn)要介紹statsmodels，以及如何用NumPy和pandas使用它。

1.4 安裝和設(shè)置

由于人們用Python所做的事情不同，所以沒(méi)有一個(gè)普適的Python及其插件包的安裝方案。由于許多讀者的Python科學(xué)計(jì)算環(huán)境都不能完全滿(mǎn)足本書(shū)的需要，所以接下來(lái)我將詳細(xì)介紹各個(gè)操作系統(tǒng)上的安裝方法。我推薦免費(fèi)的Anaconda安裝包。寫(xiě)作本書(shū)時(shí)，Anaconda提供Python 2.7和3.6兩個(gè)版本，以后可能發(fā)生變化。本書(shū)使用的是Python 3.6，因此推薦選擇Python 3.6或更高版本。

Windows

要在Windows上運(yùn)行，先下載Anaconda安裝包。推薦跟隨Anaconda下載頁(yè)面的Windows安裝指導(dǎo)，安裝指導(dǎo)在寫(xiě)作本書(shū)和讀者看到此文的的這段時(shí)間內(nèi)可能發(fā)生變化。

現(xiàn)在，來(lái)確認(rèn)設(shè)置是否正確。打開(kāi)命令行窗口（cmd.exe），輸入python以打開(kāi)Python解釋器。可以看到類(lèi)似下面的Anaconda版本的輸出：

C:Userswesm>pythonPython3.5.2|Anaconda 4.1.1 (64-bit)|(default, Jul52016,11:41:13)[MSC v.190064bit (AMD64)] on win32>>>

要退出shell，按Ctrl-D（Linux或macOS上），Ctrl-Z（Windows上），或輸入命令exit()，再按Enter。

Apple (OS X, macOS)

下載OS X Anaconda安裝包，它的名字類(lèi)似Anaconda3-4.1.0-MacOSX-x86_64.pkg。雙擊.pkg文件，運(yùn)行安裝包。安裝包運(yùn)行時(shí)，會(huì)自動(dòng)將Anaconda執(zhí)行路徑添加到.bash_profile文件，它位于/Users/$USER/.bash_profile。

為了確認(rèn)成功，在系統(tǒng)shell打開(kāi)IPython：

$ ipython

要退出shell，按Ctrl-D，或輸入命令exit()，再按Enter。

GNU/Linux

Linux版本很多，這里給出Debian、Ubantu、CentOS和Fedora的安裝方法。安裝包是一個(gè)腳本文件，必須在shell中運(yùn)行。取決于系統(tǒng)是32位還是64位，要么選擇x86 (32位)或x86_64 (64位)安裝包。隨后你會(huì)得到一個(gè)文件，名字類(lèi)似于Anaconda3-4.1.0-Linux-x86_64.sh。用bash進(jìn)行安裝：

$ bash Anaconda3-4.1.0-Linux-x86_64.sh

筆記：某些Linux版本在包管理器中有滿(mǎn)足需求的Python包，只需用類(lèi)似apt的工具安裝就行。這里講的用Anaconda安裝，適用于不同的Linux安裝包，也很容易將包升級(jí)到最新版本。

接受許可之后，會(huì)向你詢(xún)問(wèn)在哪里放置Anaconda的文件。我推薦將文件安裝到默認(rèn)的home目錄，例如/home/$USER/anaconda。

Anaconda安裝包可能會(huì)詢(xún)問(wèn)你是否將bin/目錄添加到$PATH變量。如果在安裝之后有任何問(wèn)題，你可以修改文件.bashrc（或.zshrc，如果使用的是zsh shell）為類(lèi)似以下的內(nèi)容：

exportPATH=/home/$USER/anaconda/bin:$PATH

做完之后，你可以開(kāi)啟一個(gè)新窗口，或再次用~/.bashrc執(zhí)行.bashrc。

安裝或升級(jí)Python包

在你閱讀本書(shū)的時(shí)候，你可能想安裝另外的不在Anaconda中的Python包。通常，可以用以下命令安裝：

conda install package_name

如果這個(gè)命令不行，也可以用pip包管理工具：

pip install package_name

你可以用conda update命令升級(jí)包：

conda update package_name

pip可以用--upgrade升級(jí)：

pip install --upgrade package_name

本書(shū)中，你有許多機(jī)會(huì)嘗試這些命令。

注意：當(dāng)你使用conda和pip二者安裝包時(shí)，千萬(wàn)不要用pip升級(jí)conda的包，這樣會(huì)導(dǎo)致環(huán)境發(fā)生問(wèn)題。當(dāng)使用Anaconda或Miniconda時(shí)，最好首先使用conda進(jìn)行升級(jí)。

Python 2 和 Python 3

第一版的Python 3.x出現(xiàn)于2008年。它有一系列的變化，與之前的Python 2.x代碼有不兼容的地方。因?yàn)閺?991年P(guān)ython出現(xiàn)算起，已經(jīng)過(guò)了17年，Python 3 的出現(xiàn)被視為吸取一些列教訓(xùn)的更優(yōu)結(jié)果。

2012年，因?yàn)樵S多包還沒(méi)有完全支持Python 3，許多科學(xué)和數(shù)據(jù)分析社區(qū)還是在使用Python 2.x。因此，本書(shū)第一版使用的是Python 2.7。現(xiàn)在，用戶(hù)可以在Python 2.x和Python 3.x間自由選擇，二者都有良好的支持。

但是，Python 2.x在2020年就會(huì)到期（包括重要的安全補(bǔ)丁），因此再用Python 2.7就不是好的選擇了。因此，本書(shū)使用了Python 3.6，這一廣泛使用、支持良好的穩(wěn)定版本。我們已經(jīng)稱(chēng)Python 2.x為“遺留版本”，簡(jiǎn)稱(chēng)Python 3.x為“Python”。我建議你也是如此。

本書(shū)基于Python 3.6。你的Python版本也許高于3.6，但是示例代碼應(yīng)該是向前兼容的。一些示例代碼可能在Python 2.7上有所不同，或完全不兼容。

集成開(kāi)發(fā)環(huán)境（IDEs）和文本編輯器

當(dāng)被問(wèn)到我的標(biāo)準(zhǔn)開(kāi)發(fā)環(huán)境，我?guī)缀蹩偸腔卮?ldquo;IPython加文本編輯器”。我通常在編程時(shí)，反復(fù)在IPython或Jupyter notebooks中測(cè)試和調(diào)試每條代碼。也可以交互式操作數(shù)據(jù)，和可視化驗(yàn)證數(shù)據(jù)操作中某一特殊集合。在shell中使用pandas和NumPy也很容易。

但是，當(dāng)創(chuàng)建軟件時(shí)，一些用戶(hù)可能更想使用特點(diǎn)更為豐富的IDE，而不僅僅是原始的Emacs或Vim的文本編輯器。以下是一些IDE：

PyDev（免費(fèi)），基于Eclipse平臺(tái)的IDE；

JetBrains的PyCharm（商業(yè)用戶(hù)需要訂閱，開(kāi)源開(kāi)發(fā)者免費(fèi)）；

Visual Studio（Windows用戶(hù)）的Python Tools；

Spyder（免費(fèi)），Anaconda附帶的IDE；

Komodo IDE（商業(yè)）。

因?yàn)镻ython的流行，大多數(shù)文本編輯器，比如Atom和Sublime Text 3，對(duì)Python的支持也非常好。

1.5 社區(qū)和會(huì)議

除了在網(wǎng)上搜索，各式各樣的科學(xué)和數(shù)據(jù)相關(guān)的Python郵件列表是非常有幫助的，很容易獲得回答。包括：

pydata：一個(gè)Google群組列表，用以回答Python數(shù)據(jù)分析和pandas的問(wèn)題；

pystatsmodels： statsmodels或pandas相關(guān)的問(wèn)題；

scikit-learn和Python機(jī)器學(xué)習(xí)郵件列表，scikit-learn@python.org；

numpy-discussion：和NumPy相關(guān)的問(wèn)題；

scipy-user：SciPy和科學(xué)計(jì)算的問(wèn)題；

因?yàn)檫@些郵件列表的URLs可以很容易搜索到，但因?yàn)榭赡馨l(fā)生變化，所以沒(méi)有給出。

每年，世界各地會(huì)舉辦許多Python開(kāi)發(fā)者大會(huì)。如果你想結(jié)識(shí)其他有相同興趣的人，如果可能的話，我建議你去參加一個(gè)。許多會(huì)議會(huì)對(duì)無(wú)力支付入場(chǎng)費(fèi)和差旅費(fèi)的人提供財(cái)力幫助。下面是一些會(huì)議：

PyCon和EuroPython：北美和歐洲的兩大Python會(huì)議；

SciPy和EuroSciPy：北美和歐洲兩大面向科學(xué)計(jì)算的會(huì)議；

PyData：世界范圍內(nèi)，一些列的地區(qū)性會(huì)議，專(zhuān)注數(shù)據(jù)科學(xué)和數(shù)據(jù)分析；

國(guó)際和地區(qū)的PyCon會(huì)議（http://pycon.org有完整列表） 。

作者：生活的探路者

鏈接：https://www.jianshu.com/p/3bcd7060700a

來(lái)源：簡(jiǎn)書(shū)

著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請(qǐng)聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請(qǐng)注明出處。

總結(jié)

以上是生活随笔為你收集整理的【资料分享】利用Python进行数据分析·第2版 PDF的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。