第1章 準備工作

1.1 本書內容

本書關注的是利用Python操作、處理、清洗和操作數據時的基本要點。我的目標是提供一份Python編程語言以及Python面向數據的類庫生態系統和工具的指南，該指南將幫助你成為一個高效的數據分析師。盡管“數據分析”出現在書名里，但本書將明確專注于Python語言的編程、類庫、工具而不是數據分析方法論。這就是你需要的Python數據分析編程。

1.1.1 什么類型的數據

當我說“數據”時，我想表達的準確含義是什么？主要的關注點是結構化數據，這個有意義的術語包含了眾多常見的數據形式，例如：

· 表格型的數據，每一列可能會包含不同的類型（字符串、數值、日期或其他）。這類數據包含了大部分類型的數據，它們通常存儲在關系型數據庫或者由制表符、逗號分隔的文本文件中。

· 多維數組（矩陣）。

· 由鍵位列關聯的多張表數據（對于SQL用戶來說就是主鍵或外鍵）。

· 均勻或非均勻的時間序列。

以上是一份大致完整的清單。但該清單有時并不完全準確，很多數據集可以轉換為一種更適合分析、建模的結構形式。如果不進行轉換，從數據集中提取特征形成一種結構形式也是可行的。例如，一個新聞文章的數據集可以被處理為一個詞頻表，然后再用于情感分析。

大部分表格程序（比如微軟Excel，或許是全世界應用最廣泛的數據分析工具）的用戶對這些類型的數據并不陌生。