前言

为什么写此书

我们正处于一个数据科技（Data Technology，DT）时代。在这个时代，我们的一举一动都能在数据空间留下电子印记，于是海量的社交、电商、科研大数据扑面而来。然而，太多的数据给人们带来的，可能并不是更多的洞察，反而是迷失。

因为仅就数据本身而言，它们是“一无所知”的。数据的价值，在于形成信息，变成知识，乃至升华为智慧。也就是说，这些数据如果不能进一步被“深加工”，即使数据量再“大”，也意义甚小。

于是，就派生出这么一个问题：这些数据，由谁来深加工？其实，早在2012年，《哈佛商业评论》就刊登了一篇文章并给出了答案，进行数据深加工的人就是“数据科学家”。文章还断言，数据科学家是21世纪最“性感”的职业。

但如何成为一名数据科学家呢？尤其是一名“性感”的数据科学家？作为一个有点文艺范儿的理工男，我喜欢读书，从书中获得启迪。

我曾读过埃里克·莱斯（Eric Ries）写的一本有关创业的书，书名是《精益创业》（The Lean Startup）。在阅读这本书时，有一个概念深入我心，那就是“最小可行产品”（Minimum Viable Product，MVP）。围绕这个概念，创业者在创业初期不可贪多求全，而应该先做出一个最小的可用产品，拿到市场上去检验，然后根据反馈反复迭代，打磨升级，最终做出比较完善、比较成功的产品。

后来，我看到有人提出了类似的概念——最少必要知识（Minimal Actionable Knowledge and Experience，MAKE）。这个概念点醒了我，我觉得自己大概找到了“如何成为一名数据科学家”这个问题的答案：You can MAKE it！

先来说说什么是MAKE。它指的是入门某个新领域切实可行的最小知识集合。MAKE说起来好像比较高级，但实际上，它背后有一个支撑它的朴素原则——Pareto原则（亦称80-20原则），即80%的工作问题可以通过掌握20%的知识来解决。

同样，想成为一名“性感”的数据科学家，一条路自然是按部就班地学习所有技能——十年磨一剑，但这样做的风险在于，当你“携剑下山”时，别人可能已经用上了飞机、大炮。这样的对垒，你胜算几何？

其实还有另一条备选之路，那就是走一走MAKE之道。在学习某项技能（如Python、数据分析、机器学习）时，我们要想办法在最短的时间内，摸索清楚这项技能的“最少必要知识”。一方面，它已然可以帮我们解决工作中的大部分问题；另一方面，入门之后，技能的提升通道可以在实践中寻得，缺啥补啥。有明确的任务导向，学习就会有如神助，这也是当前时代的快节奏学习法。

说到这里，本书的写作初衷就呼之欲出了。是的，这本书的定位就是，为初学者提供关于数据科学的“最少必要知识”，从而让你获得那份最“性感”的工作。这些知识包含了成为数据科学家所需要掌握的基础内容——Python编程、数据分析、机器学习。

本书内容

本书主要介绍Python的基础知识、数据分析的必备技能，以及机器学习相关内容。全书共分10章，每章的内容简介如下。

第1章 初识Python与Jupyter

Python是最具人气的编程语言之一，Jupyter是人气与口碑俱佳的Python开发平台。本章将介绍Python和Jupyter的基本内容，包括Python的安装与运行，以及文学化编程利器Jupyter的使用方法。

第2章 数据类型与程序控制结构

本章将介绍Python的基础语法及常见的数据类型，包括数值型、布尔类型、字符串型、列表、元组、字典、集合等。此外，本章还将介绍三种程序控制结构（顺序结构、选择结构和循环结构）和高效的推导式。

第3章 自建Python模块与第三方模块

本章将介绍Python的自定义模块及常用的第三方模块，包括collection、datetime、json、random等模块。

第4章 Python函数

本章将讨论Python的函数定义、函数参数（关键字参数、可变参数、默认参数等）的“花式”传递、函数的递归调用，以及函数式编程。

第5章 Python高级特性

本章将介绍Python中的一些高阶应用，这些高阶应用能让我们更高效地写出更专业的Python代码。本章内容涉及面向对象程序设计思想、生成器与迭代器、文件操作、异常处理及错误调试等。

第6章 NumPy向量计算

本章将讨论NumPy数组的构建、方法和属性，介绍NumPy的广播机制、布尔索引、数组的堆叠，以及爱因斯坦求和约定等。

第7章 Pandas数据分析

Pandas是数据分析的利器，本章将主要介绍Pandas的两种常用数据处理结构：Series和DataFrame。同时介绍基于Pandas的文件读取与分析，涉及数据的清洗、条件过滤、聚合与分组等。

第8章 Matplotlib与Seaborn可视化分析

Matplotlib和Seaborn是非常好用的数据可视化包，本章将主要介绍Matplotlib和Seaborn的基本用法，并基于此绘制可视化图形，包括散点图、条形图、直方图、饼图等。同时，本章将以谷歌流感趋势数据为例，结合Pandas进行可视化分析。

第9章 机器学习初步

本章将主要介绍有关机器学习的初步知识，包括机器学习的定义，机器学习的几个主要流派，并讨论机器学习模型的性能评估指标，包括混淆矩阵、查准率、查全率、P-R曲线、ROC曲线等。

第10章 sklearn与经典机器学习算法

本章将主要讲解知名机器学习框架sklearn的用法，并介绍几种经典机器学习算法的原理和实战，这些算法包括线性回归、k-近邻算法、Logistics回归、神经网络学习算法、k均值聚类算法等。

阅读准备

要想运行本书中的示例代码，需要提前安装如下系统及软件。

●操作系统：Windows、macOS、Linux均可。

●Python环境：建议使用Anaconda安装，确保版本为Python 3.x即可。

●NumPy：建议使用Anaconda安装NumPy 1.18及以上版本。

●Pandas：建议使用Anaconda安装Pandas 1.0.1及以上版本。

●sklearn：建议使用Anaconda安装sklearn 0.22.1及以上版本。

联系作者

数据科学是一个前沿且广袤的研究领域，很少有人能对其每个研究方向都有深刻的认知。我自认才疏学浅，同时限于时间与篇幅，书中难免出现理解偏差和错缪之处。若读者朋友们在阅读本书的过程中发现问题，希望能及时与我联系，我将在第一时间修正并对此不胜感激。

邮件地址：zhangyuhong001@gmail.com。

致谢

这本《Python极简讲义：一本书入门数据分析与机器学习》，从构思大纲、查阅资料、撰写内容、绘制图片，到出版成书，历时一年有余。图书得以面市，自然得益于多方面的帮助和支持。在信息获取上，我学习并吸纳了很多精华知识，书中也尽可能地给出了文献出处，如有疏漏，望来信告知。在这里，我对这些高价值资料的提供者、生产者，表示深深的敬意和感谢。

很多人在这本书的出版过程中扮演了重要角色——电子工业出版社博文视点的孙奇俏老师在选题策划和文字编辑上，国网河北电科院计量中心的赵佩、河南工业大学的苏灏等在文稿校对上，都付出了辛勤的劳动，在此对他们一并表示感谢。

张玉宏

2020年3月于美国

读者服务

微信扫码回复：38704

●获取博文视点学院20元付费内容抵扣券

●获取本书配套代码资源

●获取更多技术专家分享的视频与学习资源

●加入本书读者交流群，与更多读者互动