discover · compare · collections · requirements · contribute · feed · watching · stats · help with your tokens
iamseancheney/python_for_data_analysis_2nd_chinese_version · source

Snapshot 0 · 2026-11-04T12:47:25Z · ·
Content fingerprint
1a592894ee669e843285105f4f8357bd65c24b4f8f469ec93c7ab7b2c767029d
GitHub description at capture

《利用Python进行数据分析·第2版》
README at capture

<p align=center>
<a href="https://www.rapidproxy.io/?ref=iams">
    <img src="https://github.com/user-attachments/assets/4f067451-fc69-4532-8a2e-ac09d9d86e8a" width=800px>
</a>
</p>


IPWO 提供全球住宅代理 IP 资源，适用于 Python 数据采集、网页抓取、市场研究及自动化测试等应用场景。

覆盖 195+ 国家和地区的住宅 IP 资源，帮助开发者根据项目需求配置不同地区的网络环境，为数据获取与后续分析提供支持。[<u>免费测试入口</u>](https://www.ipwo.net/?ref=githubiamseancheney)，90折扣码：0204
<p align=center>
    <a href="https://www.ipwo.net/?ref=githubiamseancheney">https://www.ipwo.net/</a>
</p>




<!-- <p align=center>
<a href="https://www.rapidproxy.io/?ref=iams">
    <img src="https://github.com/user-attachments/assets/16d12f5b-f4b2-40f2-9a73-0b8427c90835" width=400px>
</a>
</p>

RapidProxy 提供全球 9000万+ 真实住宅 IP，支持动态/静态住宅代理，覆盖 190+ 国家与地区。高匿名、低封禁、稳定高速，流量长期有效不过期，轻松应对验证码、访问限制与平台风控。静态住宅代理支持固定 ISP IP 与稳定网络身份，可有效降低多账号关联风险。立即免费测试吧！

<p align=center>
    <a href="https://www.rapidproxy.io/?ref=iams">https://www.rapidproxy.io</a>
</p> -->



<!-- <a href="https://app.nstproxy.com/billing?utm_source=sean">
    <img src="https://github.com/user-attachments/assets/f34bb61b-88ab-40bd-a03d-637999c18de9">
</a>

[Nstproxy](https://app.nstproxy.com/billing?utm_source=sean) — 全球领先的数据抓取与自动化代理服务商，为企业与开发者提供覆盖 195+ 国家/地区、超1.1亿真实住宅IP 的高匿名代理网络。支持 住宅代理、ISP代理、移动代理、数据中心代理，实现城市级精准定位，完美适配电商监控、SEO数据、大规模爬虫任务等多种业务场景。
全网最低至 $0.1/GB 起按量付费；支持 HTTP(S)/SOCKS5 协议，具备 99.99% 高可用性与超低封禁率，轻松绕过各类反爬与风控机制。
提供 中文工程师技术支持、企业定制方案、免费试用 1GB，帮助您以最低成本启动。

<p align=center>
    <a href="https://www.nstproxy.com?utm_source=sean">https://www.nstproxy.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://github.com/user-attachments/assets/43502266-0f04-4f08-bd09-c331b87349e2" 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>
<!-- <table style="width:100%"> -->
<!--     <tr align=center> -->
<!--         <th>【Python数据分析群】，拉你入群</th> -->
<!--         <th>AI科技论谈·分享AI新知</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://picx.zhimg.com/80/v2-72d0e4f4b373738b400c30a5757edb90_1440w.jpeg" width="160px"> -->
<!--         </td> -->
<!--     </tr>  -->
<!-- </table> -->
</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>
<!--         <th>感谢赞赏 :sparkling_heart:</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>
<!--         <td align=center>
            <img src="https://pic1.zhimg.com/80/v2-c499eb01a64368f08d77776d6f43e26e_1440w.png" width="160px">
        </td> -->
    </tr> 
</table>
</div>