若要独立用 Python 处理数据科学问题，Pandas 是绕不过去的。

新番

今天，花了一上午的时间，跟着这个 Youtube 系列教程，学习了 Pandas 中级技巧。

视频来自于 Data School。发布者是 Kevin Markham 。

在这个系列视频教程里， Kevin 将自己的 PYCON 2018 workshop 分成了10个部分全部精剪后释出。一步步带你领略 Pandas 的魅力。

我用了2个多小时，完成了他10个视频的全部内容。

收获颇丰。

利用教程中提到的美国交通警务数据来自于斯坦福开放警务项目（THE STANFORD OPEN POLICING PROJECT）。

这是数据大概的样子：

一步步按照 Kevin 的指令练习，你可以完成这些内容：

分析男女司机的交通违规都包括哪些类别？每一类占比如何？

那些被搜查车辆的男女司机，各是由于什么原因？

哪个时段，警察发现违规的数量最多？

不同违规行为里，司机年龄是如何分布的？

这些分析结果，只是这个教程的一小部分而已。

更妙的是，上述这些图形，几乎都是利用两三条 Pandas 语句，就可以做出。有的只需要一条就可以。

怎么样？有没有想学习的冲动？

教程与 ipynb 文件，都可以从这个github repo下载。

安装好 Anaconda 3之后，你就可以打开一个 Jupyter Notebook，跟着视频一起做了。

老友

说说我是怎么找到这么好的视频教程的。

其实一点儿也不稀奇。

因为我追 data school （Kevin Markham）的视频，已经有好几年了。

可以看到， Kevin 最早的视频，上传于 2014 年 4 月，讲述 git 和 github。

他还开设了官方网站 dataschool.io 。

后面一发不可收拾。讲的内容，几乎都是令人感兴趣的数据科学领域知识。

包括：

R ，尤其是 dplyr。也是我们之前介绍过的 R 语言大师级人物 Hadley Wickham 的作品（参见《如何用 Python 和 API 收集与分析网络数据？》）；
利用 Python 和 scikit-learn 做机器学习；
利用 Pandas 做数据整理；
用 Beautifulsoup 做网络爬虫。

我从2013年，开始自学 Python 。

其中有段时间，一直在追 dataschool 的更新。

从这些免费视频教程中，我受益良多。

2016年， Kevin 出品了一门付费课程，讲授如何使用 Python, scikit-learn 来进行自然语言处理(NLP)以及文本机器学习（machine learning for text）。

这是我第一次在主流课程平台（Coursera, Udacity, EdX, Datacamp）之外，付费购买课程。

售价不菲。

但是我觉得，这笔投资很有收获。

依靠这门课程获得的知识与技能，我带着研究生团队发布了3篇论文，其中2篇 EI 检索国际会议，一篇CSSCI国内核心期刊。3名研究生顺利毕业。

我也把这门课程中学到的知识，利用简书和微信公众号等途径，分享给了更多人。

案例式教学，详细讲述过程，用 Jupyter Notebook 分享全部代码与运行结果……

如果你常看我的公众号，对这种风格，应该不陌生吧？

对，Kevin 给了我很大影响。

但是，学完这门课之后，我发现 Kevin 的 Youtube 频道，一直出于停更状态。

我当时疑惑，他是不是和 mac 系统某著名编辑器作者一样，钱赚够了就一走了之退休了？

还好，几个月后，我从订阅邮件得知了他的去向：

原来是喜得贵子，休陪产假去了。

所以，在 PyCon 2018 看见 Kevin 回归，我很开心。

教程

数据框 Pandas 的教程，我推荐你认真学习。

为什么呢？

因为数据科学分析全流程里面，人们似乎对爬虫（入口）和深度学习（出口）过于热衷，往往忘记了采集来的信息也许不是结构化的，而且里面存在着“不干净”（untidy）的数据，需要整理。

整理这样的数据，常用的工具，分别是 Python 中的 Pandas，以及 R 中的 tidyverse。

想想看，如果你用 Beautifulsoup, requests-html, scrapy 爬取数据，用 scikit-learn, keras, tensorflow 来做机器学习，那么你愿意中间跑出去一趟，到 R 里面做数据整理，再折腾回来吗？

所以，Pandas 比起 tidyverse 的主要优势，并不在于它的功能更强大，而在于它属于 Python 生态环境。

若要独立用 Python 处理数据科学问题，Pandas 是绕不过去的。

一旦你掌握了 Pandas 的数据框技术，就能轻松处理收集来的数据，同时为后面的模型建立做好充足的铺垫工作。

用什么教程来学习呢？

如果你对纸质阅读有偏爱，我推荐你看经典之作：Python for Data Analysis。这本书广受好评，口碑说明很多问题。

这本书有个问题，就是已经出版了将近6年，所以很多操作都已经过时了。

另外，所有纸质书的普遍问题，在于认知摄取维度单一。

相较而言，我更喜欢看视频教程，毕竟有个真人在演示，感觉好很多，也对自己的学习有个督促。

最起码，还能锻炼一下英语听说读写能力，是不是？

不过PyCon 2018 的这个教程，并不适合 Pandas 初学者。它的定位，是有一定基础的用户群体。

跟着教程开始做之前，我建议你先把 Pandas 的基础内容，学习一遍。

推荐的教程，是 Kevin 2016年的 Pandas 系列免费视频教程：Data analysis in Python with pandas。

这个教程，从最简单的概念谈起，先教你怎么读取 csv 数据，然后一步步用具体问题引领你尝试、实践数据整理与分析操作。

可是，这个教程毕竟也已经出来两年了。

两年，对于一个成熟学科来说，也许还算不得什么。

不过，对于数据科学，那真可谓日新月异。

好在，2018年1月份， Kevin 发了两段更新视频教程，介绍了当前 Pandas 最新版本(0.22) 和 2016年时的版本（0.18）之间的区别，算是给教程打了个升级补丁。

有了这些前导内容做基础，相信你再来看 PyCon 2018 的视频，就轻松多了。

但是，我的建议，是不要局限于观看，而要一边看，一边打开 Jupyter Notebook 来实践。

唯其如此，才能真正提升应用技能，把 Pandas 的常用命令形成肌肉记忆。

祝学习进步！

喜欢请点赞。还可以微信关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。

如果你对数据科学感兴趣，不妨阅读我的系列教程索引贴《如何高效入门数据科学？》，里面还有更多的有趣问题及解法。