利用python进行数据分析第一版和第二版区别_013【数据分析】利用Python进行数据分析 第二版 (2017) 中文笔记...

中期回顾：10月下旬我就开始在做这本书的笔记，现在三周过去了，这期间发生了很多事，但终于，终于，完成了一半……

不过，起码现在已经完成了一半，总算是有点底气贴出来以飨读者。

写中文笔记比我想的要花时间，不过这个笔记有两个好处：

1. 适合英文不好的初学者拿来练习。我已经尽量翻译成中文了，对于英文不好的同学更友好一些；

2. 可以直接当字典来索引，以后遇到问题直接找对应的章节，不用到处问来问去。

2017第二版主要更新：

1. 所有代码，包括Python教程，都升级到了Python3.6(第一版用的是Python2.7)

2. 更新了Python的安装介绍。这次改用Anaconda Python发行版，以及其他一些需要的Python包

3. 使用了最新的2017版pandas

4. 新增了一章，用来介绍pandas的高级应用工具，和其他一些有用的小贴士

5. 简单介绍了如何使用statsmodels和scikit-learn

如果使用python做数据分析的程序员，我想应该没有人不知道Python for Data Analysis(利用Python进行数据分析)这本书。

自从这本书2013年第一版发行后，就广受好评，尤其是搞数据科学的，这本书可以说是必读书籍了，里面对于pandas进行了重点的介绍，并辅以numpy，matplotlib等包进行说明，里面的内容完全可以让一个小白学会用python进行一般的数据分析任务。

最近时间多了些，本来打算把这本书完整过一遍，不过在做第三章的笔记时，发现作者已经在2017推出了第二版，不过现在还没有中文版。 所以这里我打算直接把书里的内容翻译成中文，做一个简洁的中文笔记版本(Jupyter Notebook)。

这本书第一版的时候使用的语言是Python 2，不过随着Python2的维护年限将近(2020)，以及Python3的推广，整个社群向Python3转变已经成为不可扭转的趋势。 所以在第二版里，作者使用了Python3.6。而我实际写的代码则是基于Python3.5，实际使用过程中没有什么差别。

在写笔记的时候，我尽量写中文，不过有一些专有名字我是直接写英文，然后配上中文翻译，毕竟有时候知道英文单词的话查找英文的文档也方便一些，而且我相信这样做对提升中文和英文专业名字的对照关系有帮助。毕竟在程序员的世界里，不懂英语会很艰难，即使是一些简单的单词，也是我们走向新世界的起点。

如果觉得有帮助的话，就点个Star吧：)吐槽

这个专栏终于要写一点关于编程的东西了……本来就是打算以深度学习为主题创建的专栏，结果完全没有分享技术的东西，现在终于对回到正轨感到了一丝欣慰