Python for Data Analysis

by Wes McKinney

Python for Data Analysis is concerned with the nuts and bolts of manipulating, processing, cleaning, and crunching data in Python. It is also a practical, modern introduction to scientific computing in Python, tailored for data-intensive applications. This is a book about the parts of the Python language and libraries you’ll need to effectively solve a broad set of data analysis problems. This book is not an exposition on analytical methods using Python as the implementation language. Written by Wes McKinney, the main author of the pandas library, this hands-on book is packed with practical cases studies. It’s ideal for analysts new to Python and for Python programmers new to scientific computing.

Genres: Programming, Computer Science, Technology, Nonfiction, Coding, Reference, Technical

400 pages, Paperback

First published December 30, 2011

Reviews

[idle sign]

Эту книгу, конечно, можно упрекать: и за слишком пафосное название (автор книги — человек, создавший pandas — мог бы сразу сказать, что она в основном о pandas); и за стиль изложения, делающий книгу почти, но не справочником; и за нелепое введение в Питон в конце книги; и за отсутствие привязки большинства примеров к реальной жизни; и за рваное повествование.

Упрекать можно, но стоит помнить: pandas де-факто на текущий момент нет альтернатив в области анализа данных на Python, да и инструмент этот действительно мощный. Кроме того, книгу стоит похвалить за популяризацию IPython и NumPy.

Вам непременно стоит прочесть книгу, как введение в pandas, если вы работаете с большим количеством данных, по которым требуется строить отчёты различной сложности.

[Nickolai]

Вроде бы, подробная и обстоятельная книга. Но почему-то положительного впечатления не произвела. Автор во многом отходит от устоявшейся структуры описания Data Science (Numpy - Pandas - Matplotlib), а во многом переплетает эти элементы. На мой взгляд, это усложняет восприятие информации. Кроме того, язык изложения и, особенно, примеры кода очень скучные. Кроме того, глава о визуализации довольно слабенькая; автор проходит лишь по самым верхушкам. В целом, книга будет интересна в основном лишь тем, кто уже разбирается в Data Science и хочет лишь освежить свои знания. Для самостоятельного изучения предмета не подходит.