Python語言擁有大量可用於存儲、操作和洞察數據的程序庫，已然成為深受數據科學研究人員推崇的工具。本書以IPython、NumPy、Pandas、Matplotlib和Scikit-Learn這5個能完成數據科學大部分工作的基礎工具為主，從實戰角度出發，講授如何清洗和可視化數據、如何用數據建立各種統計學或機器學習模型等常見數據科學任務，旨在讓各領域與數據處理相關的工作人員具備發現問題、解決問題的能力。
·IPython和Jupyter:為使用Python提供計算環境
·NumPy：用ndarray實現高維數組的高效存儲與操作
·Pandas：用DataFrame實現帶標簽/列式數據的高效存儲與操作
·Matplotlib：實現各種數據可視化
·Scikit-Learn：用高效整潔的Python實現重要的機器學習算法

《Python數據科學手冊》是對以數據深度需求為中心的科學、研究以及針對計算和統計方法的參考書。本書共五章，每章介紹一到兩個Python數據科學中的重點工具包。首先從IPython和Jupyter開始，它們提供了數據科學家需要的計算環境；第 2章講解能提供ndarray對像的NumPy，它可以用Python高效地存儲和操作大型數組；第3章主要涉及提供DataFrame對像的Pandas，它可以用Python高效地存儲和操作帶標簽的/列式數據；第4章的主角是Matplotlib，它為Python提供了許多數據可視化功能；第5章以Scikit-Learn為主，這個程序庫為重要的機器學習算法提供了高效整潔的Python版實現。
《Python數據科學手冊》適合有編程背景，並打算將開源Python工具用作分析、操作、可視化以及學習數據的數據科學研究人員。

Jake VanderPlas是Python科學棧的深度用戶和開發人員，目前是華盛頓大學eScience學院物理科學研究院院長，研究方向為天文學。同時，他還為很多領域的科學家提供建議和咨詢。

譯者序 xiii
前言 xv
第 1 章IPython：超越Python 1
1．1shell還是Notebook 1
1．1．1啟動IPython shell 2
1．1．2啟動Jupyter Notebook 2
1．2IPython的幫助和文檔 3
1．2．1用符號 獲取文檔 3
1．2．2通過符號 獲取源代碼 4
1．2．3用Tab補全的方式探索模塊 5
1．3IPython shell中的快捷鍵 7
1．3．1導航快捷鍵 7
1．3．2文本輸入快捷鍵 7
1．3．3命令歷史快捷鍵 8
1．3．4其他快捷鍵 9
1．4IPython魔法命令 9
1．4．1粘貼代碼塊：%paste和%cpaste 9
1．4．2執行外部代碼：%run 10
1．4．3計算代碼運行時間：%timeit 11
1．4．4魔法函數的幫助： 、%magic 和%lsmagic 11
1．5輸入和輸出歷史 12
1．5．1IPython的輸入和輸出對像 12
1．5．2下劃線快捷鍵和以前的輸出 13
1．5．3禁止輸出 13
1．5．4相關的魔法命令 13
1．6IPython和shell命令 14
1．6．1shell快速入門 14
1．6．2IPython中的shell命令 15
1．6．3在shell中傳入或傳出值 15
1．7與shell相關的魔法命令 16
1．8錯誤和調試 17
1．8．1控制異常：%xmode 17
1．8．2調試：當閱讀軌跡追溯不足以解決問題時 19
1．9代碼的分析和計時 21
1．9．1代碼段計時：%timeit和%time 22
1．9．2分析整個腳本：%prun 23
1．9．3用%lprun進行逐行分析 24
1．9．4用%memit和%mprun進行內存分析 25
1．10IPython參考資料 26
1．10．1網絡資源 26
1．10．2相關圖書 27
第 2 章NumPy入門 28
2．1理解Python中的數據類型 29
2．1．1Python整型不僅僅是一個整型 30
2．1．2Python列表不僅僅是一個列表 31
2．1．3Python中的固定類型數組 32
2．1．4從Python列表創建數組 32
2．1．5從頭創建數組 33
2．1．6NumPy標準數據類型 34
2．2NumPy數組基礎 35
2．2．1NumPy數組的屬性 36
2．2．2數組索引：獲素 37
2．2．3數組切片：獲取子數組 38
2．2．4數組的變形 41
2．2．5數組拼接和分裂 42
2．3NumPy數組的計算：通用函數 44
2．3．1緩慢的循環 44
2．3．2通用函數介紹 45
2．3．3探索NumPy的通用函數 46
2．3．4通用函數特性 49
2．3．5通用函數：更多的信息 51
2．4聚合：*小值、*大值和其他值 51
2．4．1數組值求和 51
2．4．2*小值和*大值 52
2．4．3示例：美國總統的身高是多少 54
2．5數組的計算：廣播 55
2．5．1廣播的介紹 55
2．5．2廣播的規則 57
2．5．3廣播的實際應用 60
2．6比較、掩碼和布爾邏輯 61
2．6．1示例：統計下雨天數 61
2．6．2和通用函數類似的比較操作 62
2．6．3操作布爾數組 64
2．6．4將布爾數組作為掩碼 66
2．7花哨的索引 69
2．7．1探索花哨的索引 69
2．7．2組合索引 70
2．7．3示例：選擇隨機點 71
2．7．4用花哨的索引修改值 72
2．7．5示例：數據區間劃分 73
2．8數組的排序 75
2．8．1NumPy中的快速排序：np．sort和np．argsort 76
2．8．2部分排序：分隔 77
2．8．3示例：K個*近鄰 78
2．9結構化數據：NumPy的結構化數組 81
2．9．1生成結構化數組 83
2．9．2更高 級的復合類型 84
2．9．3記錄數組：結構化數組的扭轉 84
2．9．4關於Pandas 85
第3 章Pandas數據處理 86
3．1安裝並使用Pandas 86
3．2Pandas對像簡介 87
3．2．1Pandas的Series對像 87
3．2．2Pandas的DataFrame對像 90
3．2．3Pandas的Index對像 93
3．3數據取值與選擇 95
3．3．1Series數據選擇方法 95
3．3．2DataFrame數據選擇方法 98
3．4Pandas數值運算方法 102
3．4．1通用函數：保留索引 102
3．4．2通用函數：索引對齊 103
3．4．3通用函數：DataFrame與Series的運算 105
3．5處理缺失值 106
3．5．1選擇處理缺失值的方法 106
3．5．2Pandas的缺失值 107
3．5．3處理缺失值 110
3．6層級索引 113
3．6．1多級索引Series 113
3．6．2多級索引的創建方法 116
3．6．3多級索引的取值與切片 119
3．6．4多級索引行列轉換 121
3．6．5多級索引的數據累計方法 124
3．7合並數據集：Concat與Append操作 125
3．7．1知識回顧：NumPy數組的合並 126
3．7．2通過pd．concat實現簡易合並 126
3．8合並數據集：合並與連接 129
3．8．1關繫代數 129
3．8．2數據連接的類型 130
3．8．3設置數據合並的鍵 132
3．8．4設置數據連接的集合操作規則 134
3．8．5重復列名：suffixes參數 135
3．8．6案例：美國各州的統計數據 136
3．9累計與分組 140
3．9．1行星數據 140
3．9．2Pandas的簡單累計功能 141
3．9．3GroupBy：分割、應用和組合 142
3．10數據透視表 150
3．10．1演示數據透視表 150
3．10．2手工制作數據透視表 151
3．10．3數據透視表語法 151
3．10．4案例：美國人的生日 153
3．11向量化字符串操作 157
3．11．1Pandas字符串操作簡介 157
3．11．2Pandas字符串方法列表 159
3．11．3案例：食譜數據庫 163
3．12處理時間序列 166
3．12．1Python的日期與時間工具 166
3．12．2Pandas時間序列：用時間作索引 169
3．12．3Pandas時間序列數據結構 170
3．12．4時間頻率與偏移量 172
3．12．5重新取樣、遷移和窗口 173
3．12．6更多學習資料 178
3．12．7案例：美國西雅圖自行車統計數據的可視化 179
3．13高性能Pandas：eval()與query() 184
3．13．1query()與eval()的設計動機：復合代數式 184
3．13．2用pandas．eval()實現高性能運算 185
3．13．3用DataFrame．eval()實現列間運算 187
3．13．4DataFrame．query()方法 188
3．13．5性能決定使用時機 189
3．14參考資料 189
第4 章Matplotlib數據可視化 191
4．1Matplotlib常用技巧 192
4．1．1導入Matplotlib 192
4．1．2設置繪圖樣式 192
4．1．3用不用show()？如何顯示圖形 192
4．1．4將圖形保存為文件 194
4．2兩種畫圖接口 195
4．2．1MATLAB風格接口 195
4．2．2面向對像接口 196
4．3簡易線形圖 197
4．3．1調整圖形：線條的顏色與風格 199
4．3．2調整圖形：坐標軸上下限 200
4．3．3設置圖形標簽 203
4．4簡易散點圖 204
4．4．1用plt．plot畫散點圖 205
4．4．2用plt．scatter畫散點圖 206
4．4．3plot與scatter：效率對比 208
4．5可視化異常處理 208
4．5．1基本誤差線 209
4．5．2連續誤差 210
4．6密度圖與等高線圖 211
4．7頻次直方圖、數據區間劃分和分布密度 215
4．8配置圖例 219
4．8．1選擇圖例素 221
4．8．2在圖例中顯示不同尺寸的點 222
4．8．3同時顯示多個圖例 223
4．9配置顏色條 224
4．9．1配置顏色條 224
4．9．2案例：手寫數字 228
4．10多子圖 230
4．10．1plt．axes：手動創建子圖 230
4．10．2plt．subplot：簡易網格子圖 231
4．10．3plt．subplots：用一行代碼創建網格 233
4．10．4plt．GridSpec：實現更復雜的排列方式 234
4．11文字與注釋 235
4．11．1案例：節假日對美國出生率的影響 236
4．11．2坐標變換與文字位置 237
4．11．3箭頭與注釋 239
4．12自定義坐標軸刻度 241
4．12．1主要刻度與次要刻度 242
4．12．2隱藏刻度與標簽 243
4．12．3增減刻度數量 244
4．12．4花哨的刻度格式 245
4．12．5格式生成器與定位器小結 247
4．13Matplotlib自定義：配置文件與樣式表 248
4．13．1手動配置圖形 248
4．13．2修改默認配置：rcParams 249
4．13．3樣式表 251
4．14用Matplotlib畫三維圖 255
4．14．1三維數據點與線 256
4．14．2三維等高線圖 256
4．14．3線框圖和曲面圖 258
4．14．4曲面三角剖分 259
4．15用Basemap可視化地理數據 261
4．15．1地圖投影 263
4．15．2畫一個地圖背景 267
4．15．3在地圖上畫數據 269
4．15．4案例：美國加州城市數據 270
4．15．5案例：地表溫度數據 271
4．16用Seaborn做數據可視化 273
4．16．1Seaborn與Matplotlib 274
4．16．2Seaborn圖形介紹 275
4．16．3案例：探索馬拉松比賽成績數據 283
4．17參考資料 290
4．17．1Matplotlib資源 290
4．17．2其他Python畫圖程序庫 290
第5 章機器學習 291
5．1什麼是機器學習 291
5．1．1機器學習的分類 292
5．1．2機器學習應用的定性示例 292
5．1．3小結 299
5．2Scikit-Learn簡介 300
5．2．1Scikit-Learn的數據表示 300
5．2．2Scikit-Learn的評估器API 302
5．2．3應用：手寫數字探索 309
5．2．4小結 313
5．3超參數與模型驗證 313
5．3．1什麼是模型驗證 314
5．3．2選擇模型 317
5．3．3學習曲線 322
5．3．4驗證實踐：網格搜索 326
5．3．5小結 327
5．4特征工程 327
5．4．1分類特征 327
5．4．2文本特征 329
5．4．3圖像特征 330
5．4．4衍生特征 330
5．4．5缺失值填充 332
5．4．6特征管道 332
5．5專題：樸素貝葉斯分類 333
5．5．1貝葉斯分類 333
5．5．2高斯樸素貝葉斯 334
5．5．3多項式樸素貝葉斯 336
5．5．4樸素貝葉斯的應用場景 339
5．6專題：線性回歸 340
5．6．1簡單線性回歸 340
5．6．2基函數回歸 342
5．6．3正則化 346
5．6．4案例：預測自行車流量 349
5．7專題：支持向量機 353
5．7．1支持向量機的由來 354
5．7．2支持向量機：邊界*大化 355
5．7．3案例：人臉識別 363
5．7．4支持向量機總結 366
5．8專題：決策樹與隨機森林 367
5．8．1隨機森林的誘因：決策樹 367
5．8．2評估器集成算法：隨機森林 371
5．8．3隨機森林回歸 373
5．8．4案例：用隨機森林識別手寫數字 374
5．8．5隨機森林總結 376
5．9專題：主成分分析 376
5．9．1主成分分析簡介 377
5．9．2用PCA作噪音過濾 383
5．9．3案例：特征臉 385
5．9．4主成分分析總結 387
5．10專題：流形學習 388
5．10．1流形學習：“HELLO” 388
5．10．2多維標度法（MDS） 389
5．10．3將MDS用於流形學習 391
5．10．4非線性嵌入：當MDS失敗時 393
5．10．5非線性流形：局部線性嵌入 395
5．10．6關於流形方法的一些思考 396
5．10．7示例：用Isomap 處理人臉數據 397
5．10．8示例：手寫數字的可視化結構 400
5．11專題：k-means聚類 402
5．11．1k-means簡介 403
5．11．2k-means算法：期望*大化 404
5．11．3案例 409
5．12專題：高斯混合模型 415
5．12．1高斯混合模型（GMM）為什麼會出現：k-means算法
的缺陷 415
5．12．2一般化E-M：高斯混合模型 417
5．12．3將GMM用作密度估計 421
5．12．4示例：用GMM生成新的數據 425
5．13專題：核密度估計 427
5．13．1KDE的由來：直方圖 428
5．13．2核密度估計的實際應用 431
5．13．3示例：球形空間的KDE 433
5．13．4示例：不是很樸素的貝葉斯 436
5．14應用：人臉識別管道 439
5．14．1HOG特征 440
5．14．2HOG實戰：簡單人臉識別器 441
5．14．3注意事項與改進方案 445
5．15機器學習參考資料 446
5．15．1Python中的機器學習 446
5．15．2通用機器學習資源 447
關於作者 448
關於封面 448