利用python进行数据分析论文_《利用Python进行数据分析》读后感10篇

《利用Python进行数据分析》是一本由Wes McKinney著作，机械工业出版社出版的平装图书，本书定价：89.00，页数：464，特精心从网络上整理的一些读者的读后感，希望对大家能有帮助。

《利用Python进行数据分析》读后感(一)：搭个数据分析的框架

读完后，知道了数据分析那些流程，具体的python实现方式。这本书主要介绍了numpy和pandas模块，逻辑挺清晰的，实操性应该挺强。

不过啊，看代码的书实在是一件枯燥的事，看完也只是知道了。打代码，还是得有具体问题，直接开始干，才会比较有成就感。

自己还要补充网络爬虫、正则表达式相关知识，也要再系统学习python的语言基础。

这个是我看完后自己画的框架

《利用Python进行数据分析》读后感(二)：利用Python进行数据分析

“科学计算和数据分析社区已经等待这本书很多年了：大量具体的实践建议，以及大量综合应用方法。本书在未来几年里肯定会成为Python领域中技术计算的权威指南。”

——Fernando Pérez　加州大学伯克利分校 研究科学家， IPython的创始人之一

还在苦苦寻觅用Python控制、处理、整理、分析结构化数据的完整课程？本书含有大量的实践案例，你将学会如何利用各种Python库（包括NumPy、pandas、matplotlib以及IPython等）高效地解决各式各样的数据分析问题。

由于作者Wes McKinney是pandas库的主要作者，所以本书也可以作为利用Python实现数据密集型应用的科学计算实践指南。本书适合刚刚接触Python的分析人员以及刚刚接触科学计算的Python程序员。

•将IPython这个交互式Shell作为你的首要开发环境。

•学习NumPy（Numerical Python）的基础和高级知识。

•从pandas库的数据分析工具开始。

•利用高性能工具对数据进行加载、清理、转换、合并以及重塑。

•利用matplotlib创建散点图以及静态或交互式的可视化结果。

•利用pandas的groupby功能对数据集进行切片、切块和汇总操作。

•处理各种各样的时间序列数据。

•通过详细的案例学习如何解决Web分析、社会科学、金融学以及经•济学等领域的问题。

《利用Python进行数据分析》读后感(三)：入门神作，跨界经典

接触本书其实挺偶然的，最初接触数据分析的时候用的是R语言，可视化用的是大神的ggplot2包，感觉还不错但是后来发现Python不仅可以利用NumPy包进行数据计算而且还有极佳的易用性和广泛性而且可视化包是越来越丰富所以索性摈弃R语言转到了Python，最开始不是很懂所以网上直接搜了发现人们买这本书比较多所以就入手了，但是由于没有什么Python基础所以看起来很吃力只好先束之高阁，啃掉了经典的Python学习手册之后转身看这本书，绝对经典中的经典。

尤其是Pandas的内容，不愧是亲儿子，内容讲的很有逻辑和章法，89元的定价感觉很值，有一种买到宝库的感觉，现在只要进行数据操作的时候必然会用Pandas，很抱歉我本身从事的制造业但是爱上Python的数据分析能力之后让我灵感迸发，目前正在啃ERP的难关，希望工作之余考应用统计的硕士真正从原理上提升。

我的数据之路萌芽于R语言，真正开始走上正途的就是Python和本书所讲的Pandas。

《利用Python进行数据分析》读后感(四)：治愈失眠良药

我就是想写这个：print("hello,world")

豆瓣说不能通过

我去考了一段：

import os

filenames=os.listdir(os.getcwd())

for name in filenames:

filenames[filenames.index(name)]=name[:-3]

out=open('names.txt','w')

for name in filenames:

out.write(name+'n')

out.close()

以上我没看懂正如我没看懂这本书~~

《利用Python进行数据分析》读后感(五)：纯工具书

纯工具书，有R的基础，可以看得比较快，因为都是向量和矩阵的计算语法。

不过python确实强大而灵活：要用python解决计算问题不难，但要很有美感的写出简洁的代码还是需要相当的功力。

http://note.youdao.com/noteshare？id=db399a7b0d83e2214d4932ce724e08c6

《利用Python进行数据分析》读后感(六)：作者和译者都相当用心的一本书

去年的一个项目上，需要有简单的统计功能（还没涉及分析），记得当时是纯手写的一堆分组求和、向前向后填充的代码，虽然能用，但性能差到爆，想起来都是噩梦。这本书上十分之一的内容不到就能搞定我遇到的问题了。刚好今年项目要升级，这块的内容可以考虑用pandas重写试试练练手。pandas的作者来写pandas使用说明，内容自然不会差，给人的感觉就是他深知pandas的每一处细节(自己的作品，肯定的)。数据分析方面我不了解，而且也暂时没有这方面的需求，但是看书上讲的内容给人豁然开朗，大Python已经NB到这种程度了，先留个印象搞不好哪天还真需要用到了。略不足的就是，书最后提的Python的一些基本知识和技巧只是点到为止，给人意犹未尽的感觉，不过这块的内容扩大了去写就是一遍《Python Cookbook》，早已远远超出了本书的介绍范围。

再说说翻译吧，这大概是我把每一个译者注都认真看完的唯一一本书了。整本书的翻译感觉是很到位的，专业且接地气，先不说术语这种最基本要求了(当然，我只能说Python方面的术语我没发现什么毛病)，原著里面的不少小错误都被翻译给一一指出了，有些有歧义的语句也用中英文对照的方式给读者解释说明。从译者注上你可以看出译者翻译这本书的过程，几乎作者提到的每个例子都是去找原始数据来尝试跑了一遍的，某些找不到的数据也会很细心的提醒你该怎么处理（有个Demo，译者折腾了几天最终也没弄出来，最后不得不承认失败，还希望读者成功了告知他一下）。这种水准的翻译真心很少见，所以必须得赞一个。

无论是作者还是译者，一定是敲了足够多的代码，才有功底写(译)成了该书。

简单概括，IPython和pandas都值你花时间得去试试，往深一点就去看看numpy。

最后，引自本书P401：知识是一座宝库，而实践就是开启这座宝库的钥匙。----Thomas Fuller