内容简介 · · · · · ·
本书是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；第2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为最重要的机器学习算法提供了高效整洁的Python版实现。
本书适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。
作者简介 · · · · · ·
Jake VanderPlas，Python科学栈深度用户和开发者，尤其擅长Python科学计算和数据可视化，是altair等可视化程序库的创建人，并为Scikit-Learn、IPython等Python程序库做了大量贡献。现任美国华盛顿大学eScience学院物理科学研究院院长。
目录 · · · · · ·
译者序 xiii
前言 xv
第1 章 IPython：超越Python 1
1.1 shell还是Notebook 1
1.1.1 启动IPython shell 2
1.1.2 启动Jupyter Notebook 2
1.2 IPython的帮助和文档 3
1.2.1 用符号? 获取文档 3
1.2.2 通过符号?? 获取源代码 4
1.2.3 用Tab补全的方式探索模块 5
1.3 IPython shell中的快捷键 7
1.3.1 导航快捷键 7
1.3.2 文本输入快捷键 7
1.3.3 命令历史快捷键 8
1.3.4 其他快捷键 9
1.4 IPython魔法命令 9
1.4.1 粘贴代码块：%paste和%cpaste 9
1.4.2 执行外部代码：%run 10
1.4.3 计算代码运行时间：%timeit 11
1.4.4 魔法函数的帮助：?、%magic 和%lsmagic 11
1.5 输入和输出历史 12
1.5.1 IPython的输入和输出对象 12
1.5.2 下划线快捷键和以前的输出 13
1.5.3 禁止输出 13
1.5.4 相关的魔法命令 13
1.6 IPython和shell命令 14
1.6.1 shell快速入门 14
1.6.2 IPython中的shell命令 15
1.6.3 在shell中传入或传出值 15
1.7 与shell相关的魔法命令 16
1.8 错误和调试 17
1.8.1 控制异常：%xmode 17
1.8.2 调试：当阅读轨迹追溯不足以解决问题时 19
1.9 代码的分析和计时 21
1.9.1 代码段计时：%timeit和%time 22
1.9.2 分析整个脚本：%prun 23
1.9.3 用%lprun进行逐行分析 24
1.9.4 用%memit和%mprun进行内存分析 25
1.10 IPython参考资料 26
1.10.1 网络资源 26
1.10.2 相关图书 27