《利用Python进行数据分析》是一本由Wes McKinney著作,机械工业出版社出版的平装图书,本书定价:89.00,页数:464,文章吧小编精心整理的一些读者的读后感,希望对大家能有帮助。
《利用Python进行数据分析》读后感(一):治愈失眠良药
我就是想写这个:print("hello,world")
豆瓣说不能通过
我去考了一段:
import os
filenames=os.listdir(os.getcwd())
for name in filenames:
filenames[filenames.index(name)]=name[:-3]
out=open('names.txt','w')
for name in filenames:
out.write(name+'n')
out.close()
以上我没看懂正如我没看懂这本书~~
《利用Python进行数据分析》读后感(二):利用Python进行数据分析
【名人推荐】
“科学计算和数据分析社区已经等待这本书很多年了:大量具体的实践建议,以及大量综合应用方法。本书在未来几年里肯定会成为Python领域中技术计算的权威指南。”
——Fernando Pérez 加州大学伯克利分校 研究科学家, IPython的创始人之一
【内容简介】
还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程?本书含有大量的实践案例,你将学会如何利用各种Python库(包括NumPy、pandas、matplotlib以及IPython等)高效地解决各式各样的数据分析问题。
由于作者Wes McKinney是pandas库的主要作者,所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。
•将IPython这个交互式Shell作为你的首要开发环境。
•学习NumPy(Numerical Python)的基础和高级知识。
•从pandas库的数据分析工具开始。
•利用高性能工具对数据进行加载、清理、转换、合并以及重塑。
•利用matplotlib创建散点图以及静态或交互式的可视化结果。
•利用pandas的groupby功能对数据集进行切片、切块和汇总操作。
•处理各种各样的时间序列数据。
•通过详细的案例学习如何解决Web分析、社会科学、金融学以及经•济学等领域的问题。
《利用Python进行数据分析》读后感(三):纯工具书
纯工具书,有R的基础,可以看得比较快,因为都是向量和矩阵的计算语法。
不过python确实强大而灵活:要用python解决计算问题不难,但要很有美感的写出简洁的代码还是需要相当的功力。
《利用Python进行数据分析》读后感(四):作者和译者都相当用心的一本书
去年的一个项目上,需要有简单的统计功能(还没涉及分析),记得当时是纯手写的一堆分组求和、向前向后填充的代码,虽然能用,但性能差到爆,想起来都是噩梦。这本书上十分之一的内容不到就能搞定我遇到的问题了。刚好今年项目要升级,这块的内容可以考虑用pandas重写试试练练手。pandas的作者来写pandas使用说明,内容自然不会差,给人的感觉就是他深知pandas的每一处细节(自己的作品,肯定的)。数据分析方面我不了解,而且也暂时没有这方面的需求,但是看书上讲的内容给人豁然开朗,大Python已经NB到这种程度了,先留个印象搞不好哪天还真需要用到了。略不足的就是,书最后提的Python的一些基本知识和技巧只是点到为止,给人意犹未尽的感觉,不过这块的内容扩大了去写就是一遍《Python Cookbook》,早已远远超出了本书的介绍范围。
再说说翻译吧,这大概是我把每一个译者注都认真看完的唯一一本书了。整本书的翻译感觉是很到位的,专业且接地气,先不说术语这种最基本要求了(当然,我只能说Python方面的术语我没发现什么毛病),原著里面的不少小错误都被翻译给一一指出了,有些有歧义的语句也用中英文对照的方式给读者解释说明。从译者注上你可以看出译者翻译这本书的过程,几乎作者提到的每个例子都是去找原始数据来尝试跑了一遍的,某些找不到的数据也会很细心的提醒你该怎么处理(有个Demo,译者折腾了几天最终也没弄出来,最后不得不承认失败,还希望读者成功了告知他一下)。这种水准的翻译真心很少见,所以必须得赞一个。
无论是作者还是译者,一定是敲了足够多的代码,才有功底写(译)成了该书。
简单概括,IPython和pandas都值你花时间得去试试,往深一点就去看看numpy。
最后,引自本书P401:知识是一座宝库,而实践就是开启这座宝库的钥匙。----Thomas Fuller