Python数据科学手册（第2版）
陶俊杰, 陈小莉 译
出版时间：2025年03月
页数：483
“第2版全新升级，书中提供了大量清晰且易于实践的示例，助你迅速掌握并高效应用核心的数据科学与机器学习工具。”
——Anne Bonner
Content Simplicity创始人兼首席执行官
因强大的数据存储、处理及数据分析与建模能力，Python已成为开发者与研究者的首选工具。这得益于其丰富的库生态，覆盖从数据存储、处理到分析与建模的全流程工具：IPython、NumPy、pandas、Matplotlib、scikit-learn等。市面上关于它们的资源多如牛毛，但本书独具特色，系统、全面地整合了这些强大的工具，真正为大家提供全方位的一站式解决方案。
本书被誉为Python数据分析与数据科学领域的“权威指南”，内容系统全面，讲解深入浅出。同时，本书的实用性极强，只需熟悉Python编程，你便可以通过学习本书轻松解决数据科学中的常见难题：数据的操作、转换与清洗，不同类型的数据的可视化，以及基于数据构建统计模型或机器学习模型。
通过本书，你将深入掌握以下内容。
● IPython与Jupyter：提供强大的交互式计算环境。
● NumPy：利用ndarray实现稠密数据数组的高效存储与运算。
● pandas：通过DataFrame高效存储和操作带标签的数据/列式数据。
● Matplotlib：支持多样化、灵活的数据可视化需求。
● scikit-learn：高效、简洁地实现核心机器学习算法。
——Anne Bonner
Content Simplicity创始人兼首席执行官
因强大的数据存储、处理及数据分析与建模能力，Python已成为开发者与研究者的首选工具。这得益于其丰富的库生态，覆盖从数据存储、处理到分析与建模的全流程工具：IPython、NumPy、pandas、Matplotlib、scikit-learn等。市面上关于它们的资源多如牛毛，但本书独具特色，系统、全面地整合了这些强大的工具，真正为大家提供全方位的一站式解决方案。
本书被誉为Python数据分析与数据科学领域的“权威指南”，内容系统全面，讲解深入浅出。同时，本书的实用性极强，只需熟悉Python编程，你便可以通过学习本书轻松解决数据科学中的常见难题：数据的操作、转换与清洗，不同类型的数据的可视化，以及基于数据构建统计模型或机器学习模型。
通过本书，你将深入掌握以下内容。
● IPython与Jupyter：提供强大的交互式计算环境。
● NumPy：利用ndarray实现稠密数据数组的高效存储与运算。
● pandas：通过DataFrame高效存储和操作带标签的数据/列式数据。
● Matplotlib：支持多样化、灵活的数据可视化需求。
● scikit-learn：高效、简洁地实现核心机器学习算法。
- 对本书的赞誉
- 译者序
- 前言
- 第一部分 Jupyter：超越 Python
- 第1章 lPython和Jupyter入门
- 1.1 启动IPython shell.
- 1.2 启动Jupyter Notebook
- 1.3 IPython的帮助和文档
- 1.3.1 用符号?获取文档
- 1.3.2 用符号??获取源代码
- 1.3.3 用Tab补全的方式探索模块
- 1.4 IPython shell中的快捷键
- 1.4.1 导航快捷键
- 1.4.2 文本输入快捷键
- 1.4.3 命令历史快捷键
- 1.4.4 其他快捷键
- 第2章 增强的交互功能
- 2.1 IPython魔法命令
- 2.1.1 执行外部代码：%run
- 2.1.2 计算代码运行时间：%timeit
- 2.1.3 魔法函数的帮助：?、%magic和%lsmagic
- 2.2 输入和输出历史
- 2.2.1 IPvthon的输入和输出对象
- 2.2.2 下划线快捷键和以前的输出
- 2.2.3 禁止输出
- 2.2.4 相关的魔法命令
- 2.3 IPython和shell命令
- 2.3.1 shell快速入门
- 2.3.2 IPython中的shell命令
- 2.3.3 在shell中传入或传出值
- 2.3.4 与shell相关的魔法命令
- 第3章 调试及性能分析
- 3.1 错误和调试
- 3.1.1 控制异常：%xmode
- 3.1.2 调试:当阅读轨迹追溯不足以解决问题时
- 3.2 代码性能与耗时分析
- 3.2.1 代码段计时：%timeit和%time
- 3.2.2 对整个脚本进行性能分析：%prun
- 3.2.3 用%lprun进行逐行性能分析
- 3.2.4 用%emit和%prun进行内存分析
- 3.3 IPython参考资料
- 3.3.1 网络资源
- 3.3.2 相关图书
- 第二部分 NumPy入门
- 第4章 理解Python中的数据类型
- 4.1 Python整型不仅仅是一个整型
- 4.2 Python列表不仅仅是一个列表
- 4.3 Python中的固定类型数组
- 4.4 从Python列表创建数组
- 4.5 从头创建数组
- 4.6 NumPy标准数据类型
- 第5章 NumPy数组基础
- 5.1 NumPy数组的属性
- 5.2 数组索引：获取单个元素
- 5.3 数组切片：获取子数组
- 5.3.1 一维子数组
- 5.3.2 多维子数组
- 5.3.3 非副本视图的子数组
- 5.3.4 创建数组的副本
- 5.4 数组的变形
- 5.5 数组拼接和拆分
- 5.5.1 数组的拼接
- 5.5.2 数组的拆分
- 第6章 NumPy数组的计算：通用函数
- 6.1 缓慢的循环
- 6.2 通用函数介绍
- 6.3 探索NumPy的通用函数
- 6.3.1 数组的运算
- 6.3.2 绝对值
- 6.3.3 三角函数
- 6.3.4 指数和对数
- 6.3.5 专业的通用函数
- 6.4 高级的通用函数特性
- 6.4.1 指定输出
- 6.4.2 聚合
- 6.4.3 外积
- 6.5 通用函数：更多的信息
- 第7章 聚合：最小值、最大值和其他值
- 7.1 数组值求和
- 7.2 最小值和最大值
- 7.2.1 多维度聚合
- 7.2.2 其他聚合函数
- 7.3 示例：美国总统的平均身高是多少
- 第8章 数组的计算：广播
- 8.1 广播的介绍
- 8.2 广播的规则
- 8.2.1 广播示例1
- 8.2.2 广播示例2
- 8.2.3 广播示例3
- 8.3 广播的实际应用
- 8.3.1 数组的归一化
- 8.3.2 画一个二维函数
- 第9章 比较、掩码和布尔逻辑
- 9.1 示例：统计下雨天数
- 9.2 将比较运算符看作通用函数
- 9.3 操作布尔数组
- 9.3.1 统计记录的个数
- 9.3.2 布尔运算符
- 9.4 将布尔数组作为掩码
- 9.5 使用关键字and/or与逻辑操作运算符&/|
- 第10章 花式索引
- 10.1 探索花式索引
- 10.2 组合索引
- 10.3 示例：选择随机点
- 10.4 用花式索引修改值
- 10.5 示例：数据区间划分
- 第11章 数组排序
- 11.1 NumPy中的快速排序：np．sort和np．argsort
- 11.2 沿着行或列排序
- 11.3 部分排序：分区
- 11.4 示例：k个最近邻
- 第12章 结构化数据：NumPy的结构化数组
- 12.1 生成结构化数组
- 12.2 更高级的复合数据类型
- 12.3 记录数组：结构化数组的扭转
- 12.4 关于pandas
- 第三部分 pandas数据处理
- 第13章 pandas对象简介
- 13.1 pandas的Series对象
- 13.1.1 Serise是通用的NumPy数组
- 13.1.2 Series是特殊的字典
- 13.1.3 创建Series对象
- 13.2 pandas的DataFrame对象
- 13.2.1 DataFrame是通用的NumPy数组
- 13.2.2 DataFrame是特殊的字典
- 13.2.3 创建DataFrame对象
- 13.3 pandas的Index对象
- 13.3.1 将Index看作不可变数组
- 13.3.2 将Index看作有序集合
- 第14章 数据取值与选择
- 14.1 Series数据选择方法
- 14.1.1 将Series看作字典
- 14.1.2 将Series看作一维数组
- 14.1.3 索引器：loc和iloc
- 14.2 DataFrame数据选择方法
- 14.2.1 将DataFrame看作字典
- 14.2.2 将DataFrame看作二维数组
- 14.2.3 其他取值方法
- 第15章 pandas数值运算方法
- 15.1 通用函数：保留索引
- 15.2 通用函数：索引对齐
- 15.2.1 Series索引对齐
- 15.2.2 DataFrame索引对齐
- 15.3 通用函数：DataFrame与Series的运算
- 第16章 处理缺失值
- 16.1 处理缺失值的方法选择
- 16.2 pandas的缺失值
- 16.2.1 None作为哨兵值
- 16.2.2 NaN：数值类型的缺失值
- 16.2.3 pandas中NaN与None的差异
- 16.3 pandas可空类型
- 16.4 处理缺失值
- 16.4.1 发现缺失值
- 16.4.2 剔除缺失值
- 16.4.3 填充缺失值
- 第17章 分层索引
- 17.1 多级索引Series
- 17.1.1 笨办法
- 17.1.2 好办法：pandas多级索引
- 17.1.3 高维数据的多级索引
- 17.2 多级索引的创建方法
- 17.2.1 显式地创建多级索引
- 17.2.2 多级索引的级别名称
- 17.2.3 多级列索引
- 17.3 多级索引的取值与切片
- 17.3.1 Series多级索引
- 17.3.2 DataFrame多级索引
- 17.4 多级索引行列转换
- 17.4.1 有序的索引和无序的索引
- 17.4.2 索引stack与unstack
- 17.4.3 索引的设置与重置
- 第18章 合并数据集：concat与append操作
- 18.1 知识回顾：NumPy数组的合并
- 18.2 通过pd.concat实现简单合并
- 18.2.1 索引重复
- 18.2.2 类似join的合并
- 18.2.3 append方法
- 第19章 合并数据集：合并与连接
- 19.1 关系代数
- 19.2 数据连接的类型
- 19.2.1 一对一连接
- 19.2.2 多对一连接
- 19.2.3 多对多连接
- 19.3 设置数据合并的键
- 19.3.1 参数on的用法
- 19.3.2 left_on与right_on参数
- 19.3.3 left_index与right_index参数
- 19.4 设置数据连接的集合操作规则
- 19.5 重复列名：suffixes参数
- 19.6 案例：美国各州的统计数据
- 第20章 聚合与分组
- 20.1 行星数据
- 20.2 pandas的简单聚合功能
- 20.3 groupby：分割、应用和组合
- 20.3.1 分割、应用和组合
- 20.3.2 GroupBy对象
- 20.3.3 聚合、过滤、转换和应用
- 20.3.4 设置分割的键
- 第21章 数据透视表
- 21.1 演示数据透视表
- 21.2 手工制作数据透视表
- 21.3 数据透视表语法
- 21.3.1 多级数据透视表
- 21.3.2 其他数据透视表选项
- 21.4 案例：美国人的生日
- 第22章 向量化字符串操作
- 22.1 pandas字符串操作简介
- 22.2 pandas字符串方法列表
- 22.2.1 与Python字符串方法相似的方法
- 22.2.2 使用正则表达式的方法
- 22.2.3 其他字符串方法
- 22.3 案例：食谱数据库
- 22.3.1 制作简单的美食推荐系统
- 22.3.2 继续完善美食推荐系统
- 第23章 处理时间序列
- 23.1 Python的日期与时间工具
- 23.1.1 Python的原生日期与时间工具：datetime与dateutil
- 23.1.2 时间类型数组：NumPy的datetime64类型
- 23.1.3 pandas的日期与时间工具：理想与现实的最佳解决方案
- 23.2 pandas时间序列：用时间作索引
- 23.3 pandas时间序列数据结构
- 23.4 有规律的时间序列：pd.date_range
- 23.5 时间频率与偏移量
- 23.6 重采样、移位和窗口
- 23.6.1 重采样与频率转换
- 23.6.2 时间移位
- 23.6.3 滚动窗口
- 23.7 案例：美国西雅图自行车统计数据的可视化
- 23.7.1 数据可视化
- 23.7.2 深入挖掘数据
- 第24章 高性能pandas：eval与query
- 24.1 query与eval的设计动机：复合表达式
- 24.2 用pandas.eval实现高性能运算
- 24.3 用DataFrame.eval实现列间运算
- 24.3.1 用DataFrame.eval新增列
- 24.3.2 DataFrame.eval使用局部变量
- 24.4 DataFrame.query方法
- 24.5 性能决定使用时机
- 24.6 参考资料
- 第四部分 Matplotlib数据可视化
- 第25章 Matplotlib常用技巧
- 25.1 导入Matplotlib
- 25.2 设置绘图样式
- 25.3 用不用show？如何显示图形
- 25.3.1 在脚本中画图
- 25.3.2 在IPython shell中画图
- 25.3.3 在Jupyter Notebook中画图
- 25.3.4 将图形保存为文件
- 25.3.5 两种画图接口
- 第26章 简单线形图
- 26.1 调整图形：线条的颜色与风格
- 26.2 调整图形：坐标轴上下限
- 26.3 设置图形标签
- 26.4 Matplotlib陷阱
- 第27章 简单散点图
- 27.1 用plt.plot画散点图
- 27.2 用plt.scatter画散点图
- 27.3 plot与scatter：效率对比
- 27.4 可视化误差
- 27.4.1 基本误差线
- 27.4.2 连续误差
- 第28章 密度图与等高线图
- 28.1 三维函数的可视化
- 28.2 频次直方图、数据区间划分和分布密度
- 28.3 二维频次直方图与数据区间划分
- 28.3.1 plt.hist2d：二维频次直方图
- 28.3.2 plt.hexbin：六边形区间划分
- 28.3.3 核密度估计
- 第29章 配置图例
- 29.1 选择图例显示的元素
- 29.2 在图例中显示不同尺寸的点
- 29.3 同时显示多个图例
- 第30章 配置颜色条
- 30.1 配置颜色条
- 30.1.1 选择配色方案
- 30.1.2 颜色条刻度的限制与扩展功能的设置
- 30.1.3 离散型颜色条
- 30.2 案例：手写数字
- 第31章 多子图
- 31.1 plt.axes：手动创建子图
- 31.2 plt.subplot：简单网格子图
- 31.3 plt.subplots：用一行代码创建网格
- 31.4 plt.GridSpec：实现更复杂的排列方式
- 第32章 文字与注释
- 32.1 案例：节假日对美国出生率的影响
- 32.2 坐标变换与文字位置
- 32.3 箭头与注释
- 第33章 自定义坐标轴刻度
- 33.1 主要刻度与次要刻度
- 33.2 隐藏刻度与标签
- 33.3 增减刻度数量
- 33.4 花哨的刻度格式
- 33.5 格式生成器与定位器小结
- 第34章 Matplotlib自定义：配置文件与样式表
- 34.1 手动配置图形
- 34.2 修改默认配置：rcParams
- 34.3 样式表
- 34.3.1 默认风格
- 34.3.2 FiveThirtyEight风格
- 34.3.3 ggplot风格
- 34.3.4 bmh风格
- 34.3.5 黑色背景风格
- 34.3.6 灰度风格
- 34.3.7 Seaborn风格
- 第35章 用Matplotlib画三维图
- 35.1 三维数据点与线
- 35.2 三维等高线图
- 35.3 线框图和曲面图
- 35.4 曲面三角剖分
- 35.5 案例：默比乌斯带
- 第36章 用Seaborn做数据可视化
- 36.1 Seaborn图形介绍
- 36.1.1 频次直方图、KDE和密度图
- 36.1.2 成对图
- 36.1.3 分面频次直方图
- 36.2 分类图
- 36.2.1 联合分布
- 36.2.2 条形图
- 36.3 案例：探索马拉松比赛成绩数据
- 36.4 参考资料
- 36.5 其他Python画图程序库
- 第五部分 机器学习
- 第37章 什么是机器学习
- 37.1 机器学习的分类
- 37.2 机器学习应用的定性示例
- 37.2.1 分类：预测离散标签
- 37.2.2 回归：预测连续标签
- 37.2.3 聚类：为无标签数据添加标签
- 37.2.4 降维：推断无标签数据的结构
- 37.3 小结
- 第38章 scikit-learn简介
- 38.1 scikit-learn的数据表示
- 38.1.1 特征矩阵
- 38.1.2 目标数组
- 38.2 scikit-learn的估计器API
- 38.2.1 API基础知识
- 38.2.2 监督学习示例：简单线性回归
- 38.2.3 监督学习示例：鸢尾花数据分类
- 38.2.4 无监督学习示例：鸢尾花数据降维
- 38.2.5 无监督学习示例：鸢尾花数据聚类
- 38.3 应用：手写数字探索
- 38.3.1 加载并可视化手写数字
- 38.3.2 无监督学习：降维
- 38.3.3 数字分类
- 38.4 小结
- 第39章 超参数与模型验证
- 39.1 模型验证
- 39.1.1 错误的模型验证方法
- 39.1.2 正确的模型验证方法：留出集
- 39.1.3 交叉验证
- 39.2 选择最优模型
- 39.2.1 偏差与方差的均衡
- 39.2.2 scikit-learn验证曲线
- 39.3 学习曲线
- 39.4 验证实践：网格搜索
- 39.5 小结
- 第40章 特征工程
- 40.1 分类特征
- 40.2 文本特征
- 40.3 图像特征
- 40.4 衍生特征
- 40.5 缺失值插补
- 40.6 特征管道
- 第41章 专题：朴素贝叶斯分类
- 41.1 贝叶斯分类
- 41.2 高斯朴素贝叶斯
- 41.3 多项式朴素贝叶斯
- 41.4 朴素贝叶斯的应用场景
- 第42章 专题：线性回归
- 42.1 简单线性回归
- 42.2 基函数回归
- 42.2.1 多项式基函数
- 42.2.2 高斯基函数
- 42.3 正则化
- 42.3.1 岭回归（L2范数正则化）
- 42.3.2 Lasso回归（L1范数正则化）
- 42.4 案例：预测自行车流量
- 第43章 专题：支持向量机
- 43.1 支持向量机的由来
- 43.2 支持向量机：间隔最大化
- 43.2.1 拟合支持向量机
- 43.2.2 超越线性边界：核函数SVM模型
- 43.2.3 SVM优化：软化间隔
- 43.3 案例：人脸识别
- 43.4 小结
- 第44章 专题：决策树与随机森林
- 44.1 随机森林的基础：决策树
- 44.1.1 创建一棵决策树
- 44.1.2 决策树与过拟合
- 44.2 估计器集成算法：随机森林
- 44.3 随机森林回归
- 44.4 案例：用随机森林识别手写数字
- 44.5 小结
- 第45章 专题：主成分分析
- 45.1 PCA简介
- 45.1.1 用PCA降维
- 45.1.2 用PCA做数据可视化：手写数字
- 45.1.3 成分的含义
- 45.1.4 选择成分的数量
- 45.2 用PCA做噪声过滤
- 45.3 案例：特征脸
- 45.4 小结
- 第46章 专题：流形学习
- 46.1 流形学习：“HELLO”
- 46.1.1 多维标度法（MDS）
- 46.1.2 将MDS用于流形学习
- 46.2 非线性嵌入：当MDS失败时
- 46.3 非线性流形：局部线性嵌入
- 46.4 关于流形方法的一些思考
- 46.5 示例：用Isomap处理人脸数据
- 46.6 示例：手写数字的可视化结构
- 第47章 专题：k-means聚类
- 47.1 k-means简介
- 47.2 k-means算法：期望最大化
- 47.3 案例
- 47.3.1 案例1：用k-means算法处理手写数字
- 47.3.2 案例2：将k-means用于色彩压缩
- 第48章 专题：高斯混合模型
- 48.1 高斯混合模型诞生的原因：k-means算法的缺陷
- 48.2 广义E-M：高斯混合模型
- 48.3 选择协方差的类型
- 48.4 将GMM用作密度估计器
- 48.5 示例：用GMM生成新的数据
- 第49章 专题：核密度估计
- 49.1 KDE的由来：直方图
- 49.2 核密度估计的实际应用
- 49.3 通过交叉验证选择带宽
- 49.4 示例：不是很朴素的贝叶斯
- 49.4.1 解析自定义估计器
- 49.4.2 使用自定义估计器
- 第50章 应用：人脸识别管道
- 50.1 HOG特征
- 50.2 HOG实战：一个简单的人脸识别器
- 50.2.1 获取一组正训练样本
- 50.2.2 获取一组负训练样本
- 50.2.3 组合数据集并提取HOG特征
- 50.2.4 训练一个支持向量机
- 50.2.5 在新图像中寻找人脸
- 50.3 注意事项与改进方案
- 50.4 机器学习参考资料
书名：Python数据科学手册（第2版）
作者：Jake VanderPlas 著
译者：陶俊杰, 陈小莉 译
国内出版社：人民邮电出版社
出版时间：2025年03月
页数：483
书号：978-7-115-66266-8
原版书书名：Python Data Science Handbook,2e
原版书出版商：O'Reilly Media
本书封面上的动物是一种名为墨西哥毒蜥（珠毒蜥，Heloderahorridum）的爬行动物，主要栖息于墨西哥和危地马拉的部分地区。heloderma 在希腊语中意为“布满颗粒的皮肤”指的是这种蜥蜴特有的念珠纹理的皮肤。这些小凸起被称为骨鳞片（osteoderm），内嵌着骨片，为蜥蜴提供了像甲胄一样的保护。
墨西哥毒蜥的身体覆盖着醒目的黑黄相间的斑点和条纹。它头部宽大，尾部粗壮，尾内脂肪丰富，这种独特的生理结构使其在酷热的夏季休眠期间得以生存。这种蜥蜴的体长通常在 22至36 英寸（约55至91厘米）之间，体重约为1.8磅（约0.8千克）。与许多蛇和蜥蜴一样，墨西哥毒蜥灵敏的舌头是其探索世界的主要工具。它会不断地伸出舌头，以捕捉空气中的气味分子，从而侦测到猎物的存在，或在交配季节寻找潜在伴侣。
墨西哥毒蜥和它的近亲吉拉毒蜥（Gila monster）是世界上仅存的两种有毒蜥蜴。当受到敌人威胁时，墨西哥毒蜥会将其咬住并不断咀嚼，因为它无法一次性释放大量的毒素，只能通过咀嚼动作将毒素渗透到敌人的伤口中。虽然这种咬伤和毒液引起的后续反应非常痛苦，但是很少会对人类造成致命伤害。墨西哥毒蜥的毒液中含有某种化合物，已被合成用干治疗糖尿病，进一步的药理学研究还在进行中。由于栖息地的消失、作为宠物而被捕猎，以及当地人因为害怕而捕杀等原因，墨西哥毒蜥濒临灭绝。目前，它受到它的栖息地墨西哥和危地马拉两国法律的保护。
墨西哥毒蜥的身体覆盖着醒目的黑黄相间的斑点和条纹。它头部宽大，尾部粗壮，尾内脂肪丰富，这种独特的生理结构使其在酷热的夏季休眠期间得以生存。这种蜥蜴的体长通常在 22至36 英寸（约55至91厘米）之间，体重约为1.8磅（约0.8千克）。与许多蛇和蜥蜴一样，墨西哥毒蜥灵敏的舌头是其探索世界的主要工具。它会不断地伸出舌头，以捕捉空气中的气味分子，从而侦测到猎物的存在，或在交配季节寻找潜在伴侣。
墨西哥毒蜥和它的近亲吉拉毒蜥（Gila monster）是世界上仅存的两种有毒蜥蜴。当受到敌人威胁时，墨西哥毒蜥会将其咬住并不断咀嚼，因为它无法一次性释放大量的毒素，只能通过咀嚼动作将毒素渗透到敌人的伤口中。虽然这种咬伤和毒液引起的后续反应非常痛苦，但是很少会对人类造成致命伤害。墨西哥毒蜥的毒液中含有某种化合物，已被合成用干治疗糖尿病，进一步的药理学研究还在进行中。由于栖息地的消失、作为宠物而被捕猎，以及当地人因为害怕而捕杀等原因，墨西哥毒蜥濒临灭绝。目前，它受到它的栖息地墨西哥和危地马拉两国法律的保护。
购买选项
|
© 2026，奥莱利技术咨询(北京)有限公司。版权所有。 传真: +86-10-88097463 京ICP备05003502号 |
|