我在2011年和2012年寫作這本書的第一版，當(dāng)時(shí)只有很少的關(guān)于用 python 進(jìn)行數(shù)據(jù)分析的學(xué)習(xí)資源。這有點(diǎn)類似于“雞生蛋還是蛋生雞”的問題；許多現(xiàn)在我們習(xí)以為常的庫，比如pandas, scikit-learn 和 statsmodels 在當(dāng)時(shí)還相當(dāng)?shù)夭怀墒臁?017年，數(shù)據(jù)科學(xué)，數(shù)據(jù)分析和機(jī)器學(xué)習(xí)方面的文獻(xiàn)數(shù)量不斷增加，補(bǔ)充了以往關(guān)于面向計(jì)算科學(xué)家，物理學(xué)家和其他研究領(lǐng)域?qū)I(yè)人員的通用科學(xué)計(jì)算的工作。還有許多關(guān)于學(xué)習(xí)Python編程語言本身并成為一名高效的軟件工程師的優(yōu)秀書籍。
在我看來，成為 python 軟件開發(fā)方面的專家并不意味著能夠進(jìn)行卓有成效的數(shù)據(jù)分析。我鼓勵(lì)你使用 IPython shell 和 Jupyter notebooks 動(dòng)手嘗試代碼示例，并且在相關(guān)文檔中查看不同的（數(shù)據(jù)）類型，函數(shù)和方法。盡管我已經(jīng)盡了最大的努力將這本書呈現(xiàn)為一種漸進(jìn)學(xué)習(xí)的形式，但你偶爾可能會一些尚未完全介紹過的內(nèi)容。
本書中的一些工具最好從實(shí)時(shí)的IPython或Jupyter會話中進(jìn)行探索。一旦你學(xué)會了如何啟動(dòng)IPython 和 Jupyter，我建議你跟隨這些例子，試驗(yàn)和嘗試不同的東西。 與任何鍵盤驅(qū)動(dòng)的控制臺式環(huán)境一樣，為常見命令形成肌肉記憶也是學(xué)習(xí)曲線的一部分。
