数据分析与应用丛书Python--数据科学的手段(第2版)/数据分析与应用丛书

Python 是??款??常优秀的通??软件; 它免费、开源; 它的模块数??有??万个, ??且还在飞速增长。Python 是??前??乎所有的知识探索及应??领域的*重要的软件??具之??。各个领域对 Python 的??泛需求产??了很多关于 Python 的教科书. 但是, 由于 Python 的应??领域太多, 不同领域对 Python 语??的需求??相径庭, 每本书可能仅适应于某??类读者。本书??对的是 (??计算机背景的) 统计、应??数学及数据分析????的师??和实际??作者, ??图以*简单的??式让读者尽快地掌握 Python 的精髓。本书旨在介绍计算机语??, 因此不应看成是统计教科书, 其中涉及的??些统计内容仅仅是学习 Python 的载体, 所以并不追求统计内容的完整和全??, ??的是向已经有些统计知识的??介绍 Python。??前世界经济是被技术驱动的, ??拥有编程技能则是??种优势.。在科学、技术、??程等????, 有过半的??作是由计算机完成的。对能够编程的??才需求远远超过供给。 学习编程不仅是社会需要, ??且能够教会人如何思考。能不能迅速学会编程, 关键在于对其是否感兴趣。当然, 从来没有写过程序的??不可能事先就有兴趣, 但????绝??多数兴趣都是后天培养的。对编程的爱好是在编程中培养的。如果你能够把编程作为一种艺术来欣赏, 作为一种嗜好来实践, 那么你的目的就达到了。在??数据时代的数据分析, *重要的不是掌握??两种编程语??, ??是拥有泛型编程能力(也是??种思维??式). 有了这种能??, 语??之间的不同不会造成太多的烦恼。Python 仅仅是??种编程语??, 但对于编程的初学者来说, 却是??个良好的开端。??些??说 Python ?? R 好学, ??另??些??正相反, 觉得 R 更易掌握。其实, 对于熟悉编程语??的??来说, 学哪??个都很快。它们的区别??体如下: 由于统??的志愿团队管理, R 的语法相对??较??致, 安装程序包很简单, ??且很容易找到帮助和??持, 但由于R 主要??于数据分析, 所以??些对于统计不那么熟悉的??可能觉得对象太专业了。Python 则是??款通??软件, ?? C++ 容易学, 功能并不差, 基于 Python 改进的诸如 Cython 那样的改进或包装版软件运??速度也??常快。但是, Python 没有统??的团队管理, 针对不同 Python 版本的模块??常多。因此对于不同的计算机操作系统、不同版本的 Python、不同的模块, ??先遇到的就是安装问题, 语法习惯也不尽相同。另外, R 软件的基本语?? (即下载 R 之后所装的基本程序包) 本??就可以应付相当复杂的统计运算, ??相??之下 Python 的统计模型没有那么多, 做??些统计分析不如 R 那么??便, 但从其基本语法所产??的成千上万的模块使它??乎可以做任何想做的事情。学习??然语??必须依靠实践, ??不能从背单词和学习语法????。学习计算机语??也是??样, 本书不采??详尽的使????册式教学, ??是通过实践来学会编程语??。??需要查找某些特定的定义或语法细节, ??络查询则是*好的途径。本书第??版??第??版增加了??倍的篇幅, 内容选择和编排都作了??常??的改变。经验表明, 其中编程思维训练部分的实践可以迅速提升读者的编程能??并逐渐形成编程思维; ??增加的数据科学内容对于编程和对于数据科学的理解都有裨益。