1.6 快速瀏覽本書

如果你從未使用Python編程，你需要在第2章和第3章上花些時間，這兩章我提供了一份關(guān)于Python語言特征、IPython命令行和Jupyter notebook的教程。這些內(nèi)容是本書后續(xù)章節(jié)所需的預(yù)備知識。如果已經(jīng)有Python經(jīng)驗，你可以跳過這兩章。

下一章，我會簡單介紹NumPy的關(guān)鍵特性，并在附錄A中提供高級的NumPy使用技術(shù)。之后，我會介紹pandas，并將本書后續(xù)內(nèi)容集中于應(yīng)用pandas、NumPy和matplotlib（可視化）進行數(shù)據(jù)分析的主題上。我已經(jīng)盡可能地按照遞增的方式來組織全書的內(nèi)容，但在部分章節(jié)中偶爾還是會有些細微的交叉，比如一些還不需要引入概念的獨立場景。

盡管讀者們可能會有很多不同的工作目的，但工作任務(wù)大體上會分為以下幾個部分。

與外部世界交互

讀寫各種格式的文件以及數(shù)據(jù)存儲

準備

對分析數(shù)據(jù)進行清洗、處理、聯(lián)合、正態(tài)化、重組、切片、切塊和轉(zhuǎn)換

轉(zhuǎn)換

將數(shù)學(xué)或統(tǒng)計操作應(yīng)用到數(shù)據(jù)集的分組上以產(chǎn)生新的數(shù)據(jù)集（例如通過分組參數(shù)對一張大表進行聚合）

建模和計算

將數(shù)據(jù)接入到統(tǒng)計模型、機器學(xué)習(xí)算法和其他計算工具上

演示

創(chuàng)建動態(tài)或靜態(tài)的圖形可視化或文字概述

1.6.1 代碼示例

本書大部分代碼示例會按照IPython或Jupyter notebook中的形式用輸入In和輸出Out展現(xiàn)：

In [5]: CODE EXAMPLE
Out[5]: OUTPUT

當你看到這樣的代碼示例時，其用意就是讓你將示例代碼輸入到In區(qū)，然后按下回車鍵執(zhí)行代碼（Jupyter中按下shift-Enter），然后輸出結(jié)果展現(xiàn)在Out區(qū)。

1.6.2 示例數(shù)據(jù)

每章的示例數(shù)據(jù)托管在GitHub倉庫（http://github.com/wesm/pydata-book）上。你可以在命令行中使用Git版本控制系統(tǒng)下載這些數(shù)據(jù)，也可以直接從GitHub網(wǎng)站上下載數(shù)據(jù)的zip打包文件。如果你遇到了問題，請在我個人網(wǎng)站（http://wesmckinney.com）上獲取關(guān)于如何獲得本書資料的最新指引。

我已經(jīng)盡了最大的努力保障這包含了復(fù)現(xiàn)示例所需的所有事項，但可能還有一些錯誤或遺漏。如果發(fā)現(xiàn)了錯誤或遺漏，請給我發(fā)郵件：book@wesmckinney.com。報告本書錯誤的最佳途徑位于O'Reilly網(wǎng)站上的勘誤頁（http://bit.ly/pyDataAnalysis_errata）。

1.6.3 導(dǎo)入約定

Python社區(qū)對一些常用模塊采用了命名約定：

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import statsmodels as sm

這意味著，當你看到np.arrange時，它引用的是NumPy中的arrange函數(shù)。這是因為一次性從像NumPy這樣的大包中引入所有內(nèi)容（from numpy import *）在Python軟件開發(fā)中被認為是拙劣實踐。

1.6.4 術(shù)語

我會使用編程和數(shù)據(jù)科學(xué)中的一些術(shù)語，這些術(shù)語你可能不熟悉，以下是一些簡單的定義。

處理/處置/規(guī)整（munge/munging/wrangling）

描述的是將非結(jié)構(gòu)化或者同時又很凌亂的數(shù)據(jù)整理成結(jié)構(gòu)化、清晰形式的整個過程。時下，這個詞在很多數(shù)據(jù)駭客中流傳。在英文中，“Munge”（處理）和“grunge”（垃圾）諧音。

偽代碼

用一種類似代碼的形式描述算法或者過程，而事實上又不是實際有效的源代碼。

語法糖

并不增加新特性，但便利于代碼編寫的編程語法。