Python 是?款?常優秀的通?軟件; 它免費、開源; 它的模塊數?有?萬個, ?且還在飛速增長。Python 是?前?乎所有的知識探索及應?領域的最重要的軟件?具之?。
各個領域對 Python 的?泛需求產?了很多關於 Python 的教科書. 但是, 由於 Python 的應?領域太多, 不同領域對 Python 語?的需求?相徑庭, 每本書可能僅適應於某?類讀者。本書?對的是 (?計算機背景的) 統計、應?數學及數據分析??的師?和實際?作者, ?圖以最簡單的?式讓讀者盡快地掌握 Python 的精髓。本書旨在介紹計算機語?, 因此不應看成是統計教科書, 其中涉及的?些統計內容僅僅是學習 Python 的載體, 所以並不追求統計內容的完整和全?, ?的是向已經有些統計知識的?介紹 Python。
?前世界經濟是被技術驅動的, ?擁有編程技能則是?種優勢.。在科學、技術、?程等??, 有過半的?作是由計算機完成的。對能夠編程的?纔需求遠遠超過供給。 學習編程不僅是社會需要, ?且能夠教會人如何思考。
能不能迅速學會編程, 關鍵在於對其是否感興趣。當然, 從來沒有寫過程序的?不可能事先就有興趣, 但??絕?多數興趣都是後天培養的。對編程的愛好是在編程中培養的。如果你能夠把編程作為一種藝術來欣賞, 作為一種嗜好來實踐, 那麼你的目的就達到了。
在?數據時代的數據分析, 最重要的不是掌握?兩種編程語?, ?是擁有泛型編程能力(也是?種思維?式). 有了這種能?, 語?之間的不同不會造成太多的煩惱。Python 僅僅是?種編程語?, 但對於編程的初學者來說, 卻是?個良好的開端。
?些?說 Python ? R 好學, ?另?些?正相反, 覺得 R 更易掌握。其實, 對於熟悉編程語?的?來說, 學哪?個都很快。它們的區別?體如下: 由於統?的志願團隊管理, R 的語法相對?較?致, 安裝程序包很簡單, ?且很容易找到幫助和?持, 但由於R 主要?於數據分析, 所以?些對於統計不那麼熟悉的?可能覺得對像太專業了。Python 則是?款通?軟件, ? C++ 容易學, 功能並不差, 基於 Python 改進的諸如 Cython 那樣的改進或包裝版軟件運?速度也?常快。但是, Python 沒有統?的團隊管理, 針對不同 Python 版本的模塊?常多。因此對於不同的計算機操作繫統、不同版本的 Python、不同的模塊, ?先遇到的就是安裝問題, 語法習慣也不盡相同。另外, R 軟件的基本語? (即下載 R 之後所裝的基本程序包) 本?就可以應付相當復雜的統計運算, ?相?之下 Python 的統計模型沒有那麼多, 做?些統計分析不如 R 那麼?便, 但從其基本語法所產?的成千上萬的模塊使它?乎可以做任何想做的事情。
學習?然語?必須依靠實踐, ?不能從背單詞和學習語法??。學習計算機語?也是?樣, 本書不采?詳盡的使??冊式教學, ?是通過實踐來學會編程語?。?需要查找某些特定的定義或語法細節, ?絡查詢則是最好的途徑。
本書第?版?第?版增加了?倍的篇幅, 內容選擇和編排都作了?常?的改變。經驗表明, 其中編程思維訓練部分的實踐可以迅速提升讀者的編程能?並逐漸形成編程思維; ?增加的數據科學內容對於編程和對於數據科學的理解都有裨益。
