python_for_data_analysis_2nd_chinese_version by iamseancheney - RepoMind Architecture & Analysis

BestProxy全球独享专属资源池，优选海外195+国家/地区高质量住宅IP，本地ISP原生IP，不限量住宅代理、长效ISP代理、静态数据中心代理、网页爬虫API，城市级精准定位，支持HTTP(S)和SOCKS5协议，低检测风险，全方位代理服务解决方案，助力各种场景业务IP代理需求。$0.66/G起按需付费和长期套餐，适合不同预算需求，24/7多语言支持，联系客服免费试用500M。

<p align=center> <a href="https://bestproxy.com/?keyword=m2nto9ln">https://bestproxy.com/</a> </p>

<div> <table style="width:100%"> <tr> <td align=center> <a href="https://u.jd.com/ZaRjN76"> <img src="https://picx.zhimg.com/80/v2-f56a3557f647f548d1f0d61f976441e3_1440w.png" height="300px"> </a> </td> <td align=center> <img src="https://img3.doubanio.com/view/subject/l/public/s33711257.jpg" height="300px"> </td> </tr> <tr align=center> <th> <a href="https://u.jd.com/ZaRjN76"> <p>利用Python进行数据分析》第3版</p> </a> </th> <th> <p>利用Python进行数据分析》第2版</p> </th> </tr> <tr> <th align=left> <p>各章导读视频：<a href="https://www.bilibili.com/video/BV1pC4y117Bh/">https://www.bilibili.com/video/BV1pC4y117Bh/</a></p> <p>微信读书：<a href="https://weread.qq.com/web/reader/adc32180813ab8786g014ba6">https://weread.qq.com/web/reader/adc32180813ab8786g014ba6</a></p> <p>学习笔记：<a href="https://github.com/iamseancheney/python_for_data_analysis_3rd_study_note">python_for_data_analysis_3rd_study_note</a></p> <p>勘误：<a href="https://github.com/iamseancheney/python_for_data_analysis_3rd_study_note/blob/main/%E5%8B%98%E8%AF%AF.md">链接（感谢读者们的反馈🙏）</a></p> <p>在简书上阅读： <a href="https://www.jianshu.com/p/16e04213aa91">https://www.jianshu.com/p/16e04213aa91</a></p> <p>第三版多了41页内容，Pandas升级为1.4.0、Python升级为3.10。第三版最大的变化是紧贴Pandas升级，主要是新增了方法和特性的内容。另外，第三版有作者的<a href="https://wesmckinney.com/book/">在线开源电子版</a>了，GitHub<a href="https://github.com/wesm/pydata-book">地址</a>。</p>

第三版目录略有调整，不如第二版和第一版的变化大：

第4章NumPy基础新增了生成伪随机数；
第7章数据清洗新增了扩展数据类型和分类数据，实际是把第二版中第12章的内容放到新版第7章里了；
第11章时间序列新增了分组时间重采样。

曾经不止一次听别人抱怨，Pandas的知识点分散、零碎、不便于记忆。在细节上，作者这次在新版中摒弃了许多容易造成记忆混乱的用法。比如，用axis = "columns"替代axis = 1，简写方式破坏了代码的可读性，作者修改了许多类似的编程细节。新版对初学者更为友好了！ </th> <th align=left> <p>在简书上阅读： <a href="https://www.jianshu.com/p/04d180d90a3f">https://www.jianshu.com/p/04d180d90a3f</a></p>

下载本书代码，GitHub<a href="https://github.com/wesm/pydata-book/tree/2nd-edition">地址</a>（建议把代码下载下来之后，安装好Anaconda，在目录文件夹中用Jupyter notebook打开）。

本书是2017年10月20号正式出版的，和第1版的不同之处有：

包括Python教程内的所有代码升级为Python 3.6（第1版使用的是Python 2.7）
更新了Anaconda和其它包的Python安装方法
更新了Pandas为2017最新版
新增了一章，关于更高级的Pandas工具，外加一些tips
简要介绍了使用StatsModels和scikit-learn

对有些内容进行了重新排版。最大的改变是把第1版附录中的Python教程，单列成了现在的第2章和第3章，并且进行了扩充。 </th> </tr>

</table> </div>

《利用Python进行数据分析》升级版，《Polars权威指南》现已上市，Polars团队撰写，创始人Ritchie Vink作序，pandas创始人Wes Mckinney推荐，让你更高效地进行数据处理。

<div align=center> <table style="width:100%"> <tr> <td align=center> <a href="https://u.jd.com/ZGRsN3H"> <img src="https://github.com/user-attachments/assets/08513ac0-0ef8-4f30-ae0e-ca8a820ea0a2" height="300px"> </a> </td> </tr> <tr align=center> <th> <a href="https://u.jd.com/ZGRsN3H"> <p>《Polars权威指南》</p> </a> </th> </tr> </table> </div>

近年来，随着数据规模的爆炸式增长，数据处理工具的性能和效率愈发成为开发者关注的焦点。在Python生态中，pandas曾长期占据数据分析领域的主导地位，但其在处理大规模数据时的性能瓶颈也逐渐显现。此时，基于Rust构建、以Arrow内存格式为核心的高性能数据处理库<a href="https://pola.rs/">Polars</a>异军突起，凭借其卓越的速度和灵活的设计理念迅速吸引了全球开发者的目光。本书《Python Polars权威指南》正是对这一技术的系统性解读，也是国内首部深入剖析Polars技术细节的中文指南。

作为《利用Python进行数据分析（第3版）》的译者，通读<a href="https://u.jd.com/ZGRsN3H">《Polars权威指南》</a>一书后，再次感受到了一群技术人对数据科学的热爱。本书行文流畅、细节丰富、案例详实，是近些年少有的好书，对于提升Python编程技能、拓展数据科学知识极有帮助。

<div align=center>               </div> <div align=center> <table style="width:100%"> <tr align=center> <th>【Python数据分析群】，拉你入群</th> <th>用三个月完成了翻译，工作砌码回家码字，手竟然脱皮了 :joy:</th>  </tr> <tr> <td align=center> <img src="https://picx.zhimg.com/80/v2-3301f242afabf3c8365b9ecadef3de6d_1440w.png" height="300px"> </td> <td align=center> <img src="https://upload-images.jianshu.io/upload_images/7178691-260d699e695f8e81.jpg" height="300px"> </td>  </tr> </table> </div>

iamseancheney / python_for_data_analysis_2nd_chinese_version

AI Architecture Analysis

Embed this Badge

Repository Summary (README)