Ecosyste.ms: Awesome
An open API service indexing awesome lists of open source software.
https://github.com/bramblexu/pydata-notebook
利用Python进行数据分析 第二版 (2017) 中文翻译笔记
https://github.com/bramblexu/pydata-notebook
chinese-translation data-analysis jupyter-notebook pandas python-for-data-analysis
Last synced: about 1 month ago
JSON representation
利用Python进行数据分析 第二版 (2017) 中文翻译笔记
- Host: GitHub
- URL: https://github.com/bramblexu/pydata-notebook
- Owner: BrambleXu
- Created: 2017-10-22T01:03:56.000Z (about 7 years ago)
- Default Branch: master
- Last Pushed: 2018-05-08T12:39:43.000Z (over 6 years ago)
- Last Synced: 2024-10-15T03:40:51.576Z (about 1 month ago)
- Topics: chinese-translation, data-analysis, jupyter-notebook, pandas, python-for-data-analysis
- Language: Jupyter Notebook
- Homepage:
- Size: 42.8 MB
- Stars: 4,586
- Watchers: 245
- Forks: 1,646
- Open Issues: 1
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# 利用Python进行数据分析 2017 第二版 (Python for Data Analysis, 2nd Edition)中文翻译笔记
这本书的英文版github仓库:[pydata-book](https://github.com/wesm/pydata-book)
作者[Wes McKinney](https://github.com/wesm)是pandas的创作者,所以书中关于pandas的讲解也是最实用的部分。我也直接联系过了Wes本人,这个笔记不会有任何版权问题,当然,也不会用于任何商业用途。
这本书自2013年第一版发行后,就广受好评。第一版的时候作者用的是Python2,不过随着Python2的维护年限将近(2020),以及Python3的推广,整个社群向Python3转变已经成为不可扭转的趋势。所以在第二版里,作者使用了Python3.6。而我实际写的代码则是基于Python3.5,使用上没有任何差别。
> 2017第二版主要更新:
>1. 所有代码,包括Python教程,都升级到了Python3.6(第一版用的是Python2.7)
>2. 更新了Python的安装介绍。这次改用Anaconda Python发行版,以及其他一些需要的Python包
>3. 使用了最新的2017版pandas
>4. 新增了一章,用来介绍pandas的高级应用工具,和其他一些有用的小贴士
>5. 简单介绍了如何使用statsmodels和scikit-learn本来很早就知道这本书了,直到最近才终于有时间,打算把这本书完整过一遍,顺便用jupyter做成笔记方便以后查阅。结果我在看第一版第三章的时,突然发现作者已经在2017年推出了第二版,不过暂时还没有中文版。想了想反正也要做成笔记,索性直接把英文翻译成中文,做一个简洁版的Notebook版本分享出来好了,也算是为开源世界做点小贡献。
在写笔记的时候,我尽量写中文,不过有一些专有名字我是直接写英文,然后配上中文翻译,毕竟有时候知道英文单词的话查找英文的文档也方便一些,而且我相信这样做对提升中文和英文专业名字的对照关系有帮助。毕竟在程序员的世界里,不懂英语会很艰难,即使是一些简单的单词,也是我们走向新世界的起点。
另外我并不是逐字逐句翻译,因为这样翻译出来的效果洋味十足,很难懂。我尽可能按方便理解的方式进行翻译,其他一些没有用的话我不进行翻译。这本书中的翻译并不是经过特别考究的,内容上也会有很多个人的解释。推荐大家等正式的中文版推出后进行购买,翻译质量肯定会比我的有保障。不过因为是一个人在翻译整本书,工作量比较大,难免有错误和疏漏的地方,或者有读起来觉得奇怪的地方,如果有发现的话不要客气,请尽管说出来,欢迎任何改进和Pull Request。
## 声明
我的翻译行为完全是出于自己的兴趣,并没有经过国内出版社的授权。经一些朋友的提醒,国外的作者本人是不享有翻译权的,即使我获得了原作者的许可,也不能私自进行翻译。为了尊重版权和国内译者的劳动,这个笔记只保留一部分翻译内容。我挑选了一些相对基础的章节留了下来,可以用于了解Numpy和Pandas,如果想要看完整版内容的话,读者朋友们可以期待即将出版的中文版书籍。
* [Chapter 4: NumPy Basics: Arrays and Vectorized Computation(NumPy基础:数组和向量化计算)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/tree/master/Chapter-04/)
- [4.1 The NumPy ndarray: A Multidimensional Array Object(ndarray: 多维数组对象)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-04/4.1%20The%20NumPy%20ndarray%EF%BC%88%E5%A4%9A%E7%BB%B4%E6%95%B0%E7%BB%84%E5%AF%B9%E8%B1%A1%EF%BC%89.ipynb)
- [4.2 Universal Functions: Fast Element-Wise Array Functions(通用函数:快速点对点数组函数)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-04/4.2%20Universal%20Functions%20%28%E9%80%9A%E7%94%A8%E5%87%BD%E6%95%B0%29.ipynb)
- [4.3 Array-Oriented Programming with Arrays(数组导向编程)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-04/4.3%20Array-Oriented%20Programming%20with%20Arrays%EF%BC%88%E6%95%B0%E7%BB%84%E5%AF%BC%E5%90%91%E7%BC%96%E7%A8%8B%EF%BC%89.ipynb)* [Chapter 5: Getting Started with pandas(开始使用pandas)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/tree/master/Chapter-05/)
- [5.1 Introduction to pandas Data Structures(pandas的数据结构)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-05/5.1%20Introduction%20to%20pandas%20Data%20Structures%EF%BC%88pandas%E7%9A%84%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84%EF%BC%89.ipynb)
- [5.2 Essential Functionality(主要功能)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-05/5.2%20Essential%20Functionality%EF%BC%88%E4%B8%BB%E8%A6%81%E5%8A%9F%E8%83%BD%EF%BC%89.ipynb)
- [5.3 Summarizing and Computing Descriptive Statistics(汇总和描述性统计)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-05/5.3%20Summarizing%20and%20Computing%20Descriptive%20Statistics%EF%BC%88%E6%80%BB%E7%BB%93%E5%92%8C%E6%8F%8F%E8%BF%B0%E6%80%A7%E7%BB%9F%E8%AE%A1%EF%BC%89.ipynb)* [Chapter 7: Data Cleaning and Preparation(数据清洗和准备)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/tree/master/Chapter-07/)
- [7.1 Handling Missing Data(处理缺失数据)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-07/7.1%20Handling%20Missing%20Data%EF%BC%88%E5%A4%84%E7%90%86%E7%BC%BA%E5%A4%B1%E6%95%B0%E6%8D%AE%EF%BC%89.ipynb)
- [7.2 Data Transformation(数据变换)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-07/7.2%20Data%20Transformation%EF%BC%88%E6%95%B0%E6%8D%AE%E5%8F%98%E6%8D%A2%EF%BC%89.ipynb)
- [7.3 String Manipulation(字符串处理)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-07/7.3%20String%20Manipulation%EF%BC%88%E5%AD%97%E7%AC%A6%E4%B8%B2%E5%A4%84%E7%90%86%EF%BC%89.ipynb)* [Chapter 11: Time Series(时间序列)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/tree/master/Chapter-11/)
- [11.1 Date and Time Data Types and Tools(日期和时间数据类型及其工具)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-11/11.1%20Date%20and%20Time%20Data%20Types%20and%20Tools%EF%BC%88%E6%97%A5%E6%9C%9F%E5%92%8C%E6%97%B6%E9%97%B4%E6%95%B0%E6%8D%AE%E7%B1%BB%E5%9E%8B%E5%8F%8A%E5%85%B6%E5%B7%A5%E5%85%B7%EF%BC%89.ipynb)
- [11.2 Time Series Basics(时间序列基础)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-11/11.2%20Time%20Series%20Basics%EF%BC%88%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%9F%BA%E7%A1%80%EF%BC%89.ipynb)
- [11.3 Date Ranges, Frequencies, and Shifting(日期范围,频度,和位移)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-11/11.3%20Date%20Ranges%2C%20Frequencies%2C%20and%20Shifting%EF%BC%88%E6%97%A5%E6%9C%9F%E8%8C%83%E5%9B%B4%EF%BC%8C%E9%A2%91%E5%BA%A6%EF%BC%8C%E5%92%8C%E4%BD%8D%E7%A7%BB%EF%BC%89.ipynb)* [Chapter 12: Advanced pandas(高级pandas用法)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/tree/master/Chapter-12/)
- [12.1 Categorical Data(类别数据)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-12/12.1%20Categorical%20Data%EF%BC%88%E7%B1%BB%E5%88%AB%E6%95%B0%E6%8D%AE%EF%BC%89.ipynb)* [Chapter 14: Data Analysis Examples(数据分析实例)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/tree/master/Chapter-14/)
- [14.1 USA.gov Data from Bitly(USA.gov数据集)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-14/14.1%20USA.gov%20Data%20from%20Bitly%EF%BC%88USA.gov%E6%95%B0%E6%8D%AE%E9%9B%86%EF%BC%89.ipynb)
- [14.2 MovieLens 1M Dataset(MovieLens 1M数据集)](http://nbviewer.jupyter.org/github/LearnXu/pydata-notebook/blob/master/Chapter-14/14.2%20MovieLens%201M%20Dataset%EF%BC%88MovieLens%201M%E6%95%B0%E6%8D%AE%E9%9B%86%EF%BC%89.ipynb)
- [14.3 US Baby Names 1880–2010(1880年至2010年美国婴儿姓名)](http://nbviewer.jupyter.org/github/BrambleXu/pydata-notebook/blob/master/Chapter-14/14.3%20US%20Baby%20Names%201880%E2%80%932010%EF%BC%881880%E5%B9%B4%E8%87%B32010%E5%B9%B4%E7%BE%8E%E5%9B%BD%E5%A9%B4%E5%84%BF%E5%A7%93%E5%90%8D%EF%BC%89.ipynb)> commit 94ab376,我只能帮到这里了
## License
The code in this repository, including all code samples in the notebooks listed
above, is released under the [MIT license](LICENSE-CODE). Read more at the
[Open Source Initiative](https://opensource.org/licenses/MIT).