详情
作者根据自己多年的前后端开发经验，站在完全零基础读者的角度，详尽介绍了Pytho数据分析的基础知识，以及大量的开发技巧，全书围绕着“数据分析三剑客（NumPy、Pandas、Matplotlib）”进行细致的介绍。这三款工具的知识点非常多，本书尽量系统细致地介绍最精华的知识点，以便为读者构建一个完善的知识体系，并且为后续的工作打下坚实的基础。 每一章后面的实战题以及练习题，经过精心设计，可以锻炼读者的数据分析实战能力，对于巩固基础以及锻炼技术是非常有帮助的。
书名：从0到1——Python数据分析
ISBN：978-7-115-58586-8
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
著 莫振杰
责任编辑 赵 轩
人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
网址 http://www.ptpress.com.cn
读者服务热线：(010)81055410
反盗版热线：(010)81055315
读者服务：
微信扫码关注【异步社区】微信公众号，回复“e58586”获取本书配套资源以及异步社区15天VIP会员卡，近千本电子书免费畅读。
莫振杰，全栈工程师，产品设计师，涉猎前端、后端、Python等多个领域，熟练掌握JavaScript、Vue、React、Node.js、Python等多门技术。拥有一个非常活跃、受欢迎的个人网站——绿叶学习网，用于分享开发经验和技术。
作为多种图书的作者，凭着“从0到1”系列图书，获得“人民邮电出版社IT图书2020年最有影响力作者”称号。
一本好书犹如指路明灯，不仅可以让读者学得轻松，而且能让读者少走很多弯路。如果读者需要的不是大而全，而是恰到好处，那么不妨看看“从0到1”系列图书。
实际上，这个系列是笔者多年开发工作的心血总结，除了技术介绍之外，也注入了自己非常多的思考。笔者虽是一名技术工程师，但对文字非常敏感。对于技术写作来说，笔者更喜欢用最简单的语言来把丰富的知识呈现出来。
在接触任何一门技术时，笔者都会记录初学者遇到的各种问题及自己的各种思考。所以笔者还是比较了解初学者的心态的，也知道怎样才能让大家快速而无障碍地学习。对于这个系列来说，笔者更多是站在初学者的角度编写的。
这个系列从基本语法出发，延伸到Python的各个重要领域，包括网络爬虫、数据分析、数据可视化等。“从0到1”系列的几本图书连贯性非常强，这样做的目的是让大家能够一步到位地系统学习，而不至于浪费大量时间在一些弯路上。
最后想要跟大家说的是：或许这个系列并不十全十美，但相信其独树一帜的讲解方式，也能够让读者的学习之路走得更快、更远。
● 数据分析零基础的初学者
● 想要系统学习的Python工程师
● 大中专院校相关专业的老师和学生
绿叶学习网是笔者开发的一个开源技术网站，也是“从0到1”系列图书的配套网站。本书的所有配套资源（包括源码、答案、PPT等）都可以在该网站中找到下载链接。
此外，读者如果有任何技术问题，想要获取更多学习资源，以及希望和更多技术大牛进行交流，可以加入我们的官方QQ群：280972684、387641216。
书中所有数据均为便于读者理解的虚拟数据，不具备其他任何用途，仅供编程练习。并且所有数据的数值、单位皆为举例，不具备实际功能与价值。
在编写本书的过程中，笔者得到了很多人的帮助。
首先要感谢赵轩老师（本书责任编辑），谢谢他这么多年的照顾，他是一位非常专业且不拘一格的编辑。
接下来要感谢五叶草团队的一路陪伴，感谢韦雪芳、陈志东、秦佳、莫振浩花费大量时间对本书进行细致的审阅，并且给出了诸多非常棒的建议。
最后要特别感谢笔者的妹妹莫秋兰，她一直都在默默地支持和关心着我。有这样一个能够懂得自己的人，既是妹妹也是朋友，是笔者一生中非常幸运的事情。
由于个人水平有限，书中难免有错漏之处，读者如果发现问题或有任何意见，可以到绿叶学习网或发邮件（lvyestudy@qq.com）与笔者联系。
莫振杰
2022年3月
本书由异步社区出品，社区（https://www.epubit.com/）为您提供相关资源和后续服务。
本书提供如下资源：
● 本书源代码；
● 书中彩图文件。
要获得以上配套资源，请在异步社区本书页面中点击
，跳转到下载界面，按提示进行操作即可。注意：为保证购书读者的权益，该操作会给出相关提示，要求输入提取码进行验证。
如果您是教师，希望获得教学配套资源，请在社区本书页面中直接联系本书的责任编辑。
您还可以扫码右侧二维码， 关注【异步社区】微信公众号，回复“e58586”直接获取,同时可以获得异步社区15天VIP会员卡，近千本电子书免费畅读。
作者和编辑尽最大努力来确保书中内容的准确性，但难免会存在疏漏。欢迎您将发现的问题反馈给我们，帮助我们提升图书的质量。
当您发现错误时，请登录异步社区，按书名搜索，进入本书页面，点击“提交勘误”，输入勘误信息，点击“提交”按钮即可。本书的作者和编辑会对您提交的勘误进行审核，确认并接受后，您将获赠异步社区的100积分。积分可用于在异步社区兑换优惠券、样书或奖品。
扫描下方二维码，您将会在异步社区微信服务号中看到本书信息及相关的服务提示。
我们的联系邮箱是contact@epubit.com.cn。
如果您对本书有任何疑问或建议，请您发邮件给我们，并请在邮件标题中注明本书书名，以便我们更高效地做出反馈。
如果您有兴趣出版图书、录制教学视频，或者参与图书翻译、技术审校等工作，可以发邮件给我们；有意出版图书的作者也可以到异步社区在线提交投稿（直接访问www.epubit.com/selfpublish/submission即可）。
如果您是学校、培训机构或企业，想批量购买本书或异步社区出版的其他图书，也可以发邮件给我们。
如果您在网上发现有针对异步社区出品图书的各种形式的盗版行为，包括对图书全部或部分内容的非授权传播，请您将怀疑有侵权行为的链接发邮件给我们。您的这一举动是对作者权益的保护，也是我们持续为您提供有价值的内容的动力之源。
“异步社区”是人民邮电出版社旗下IT专业图书社区，致力于出版精品IT技术图书和相关学习产品，为作译者提供优质出版服务。异步社区创办于2015年8月，提供大量精品IT技术图书和电子书，以及高品质技术文章和视频课程。更多详情请访问异步社区官网https://www.epubit.com。
“异步图书”是由异步社区编辑团队策划出版的精品IT专业图书的品牌，依托于人民邮电出版社近30年的计算机图书出版积累和专业编辑团队，相关图书在封面上印有异步图书的LOGO。异步图书的出版领域包括软件开发、大数据、AI、测试、前端、网络技术等。
异步社区
微信服务号
随着大数据及人工智能时代的来临，数据科学变得越来越重要。所谓数据科学，用最简单的一句话来解释就是：处理数据的科学。
网络爬虫、数据分析、数据可视化、机器学习……
在日常学习或工作中，我们或多或少都听过上面这些名词。但是大多数人只停留在了解上，并不知道这些名词的背后其实是有着深层次联系的。如果想要从数据中提炼出有用的信息，一般流程是下面这样的：
获取数据→处理数据→展示数据。
网络爬虫用于获取数据，数据分析用于处理数据，数据可视化用于展示数据。而机器学习则是进一步对数据进行建模，以便进行预测分析。对于数据科学来说，它的工作流可以总结成“OSEMN”，如表1-1和图1-1所示。
表1-1 数据科学的工作流
| 步骤 |
常用库 |
| Obtain（获取数据） |
Scrapy |
| Scrub（清洗数据） |
NumPy、Pandas |
| Explore（展示数据） |
Matplotlib、Seaborn |
| Model（数据建模） |
Scikit-Learn、SciPy、TensorFlow |
| iNterpret（解析数据） |
Bokeh、D3.js |
图1-1是一张非常有价值的图，从中我们可以得到非常重要的两点信息：①Python不同领域之间的关系；②不同领域都会用到什么库。有了这张图，我们在接触Python各个领域的时候，会有一个清晰的学习路线。
图1-1
数据分析，也就是数据科学中“Scrub”（清洗数据）这一环节。它指的是在统计学理论的支持下，使用合理的工具对相关数据进行一定程度的处理，然后把隐藏在数据中的重要信息提炼出来。
通过数据分析，我们可以挖掘出数据的内在规律及有用信息，进而帮助企业创造新的商业价值、提高运营效率、获得持续竞争的优势等。数据分析这种方式更加科学准确，远不是只凭个人经验（也就是“我觉得”）这种方式能比的，所以现在的企业越来越重视数据分析。
可能很多读者都听过“啤酒和纸尿裤的故事”（见图1-2）。为什么沃尔玛将看似毫不相干的啤酒和纸尿裤摆在一起销售，并且它们的销量双双增长呢？这是因为沃尔玛很好地运用了数据分析手段，挖掘出了啤酒和纸尿裤之间的潜在关系。
图1-2
除了商业领域，数据分析在其他领域也有着大量的应用，例如科学研究、社会调查、体育竞技等。
如果想要成为一名真正的数据分析师，那么至少要掌握这3个工具：Excel、Python、SQL。由于本书针对的是Python方面的内容，所以Excel和SQL这两个工具就不在本书中展开介绍了。
那么问题来了：学习Python数据分析，我们应该学些什么呢？对于Python数据分析来说，它有非常重要的3个库：NumPy、Pandas、Matplotlib。这3个库又被叫作Python数据分析“三剑客”（见图1-3），本书就是紧紧围绕这3个库来展开介绍的。
图1-3
可能有些读者会问：“既然Excel可以做数据分析，为什么还要使用Python呢？”虽然Excel好用，但是它更适合处理中小量数据，而不适合处理大量数据（也就是所谓的大数据）。Python处理大量数据的效率，远远不是Excel能比得上的。
除了执行效率比Excel高之外，Python的工作量也少很多。业界有一句比较有意思的话：“Excel十分钟，Python两行代码。”这句话恰恰说明了Python的简单高效。
最后需要说明的是，Python虽然是一门编程语言，但是它在数据分析上实现的功能和Excel是非常相似的。所以，我们在学习Python数据分析时，应该和Excel多多进行对比，这样更能加深理解和记忆，如图1-4所示。
图1-4
【常见问题】
对于Python来说，不同的功能需要使用不同的库，为什么它不将这些功能全部集合到自身呢？
这是因为Python的设计者从来没想过要包揽所有的活儿，Python本身只提供基础语法及一些常用的功能模块。如果把所有功能都集中到Python上面，那么Python就会变得非常“臃肿”并且难以维护，运行速度也会变得非常慢。
对于其他功能，Python使用“分工”的方式来管理，不同的功能使用不同的库。例如网络爬虫可以使用Scrapy，而数据分析可以用Pandas等。分工才能更好地管理，在实际开发中，需要用到什么功能，导入对应的库即可。
对于Python来说，有那么一句话：学习Python，其实就是学习Python的各种库。细想一下，这句话也是有一定道理的。
既然是Python数据分析，那么在学习这本书之前，读者必须要有一定的Python基础。因为“从0到1”系列图书是环环相扣的。没有Python基础的读者，可以先去看一下《从0到1——Python快速上手》或者《从0到1——Python进阶之旅》。
后续章节将围绕Python数据分析“三剑客”（NumPy、Pandas、Matplotlib）进行详细介绍。这3个库涉及的知识点非常多，不过笔者会尽可能系统且细致地介绍最精华的知识点，以便为读者构建完整的知识体系打下坚实的基础。
实际上这是没有太大必要的。虽然有Excel基础可以帮助我们更快地学习，但即使没有任何Excel基础，我们也一样能轻松地学习Python。当然，如果你既学会了Python又掌握了Excel，那么能在工作、面试时加分不少。
从数据科学工作流程可以看出，网络爬虫用于获取数据，而数据分析用于处理数据。从正常角度来看，应该是先学会怎么获取数据，然后再学习怎样对数据进行处理。
实际上，网络爬虫、数据分析、数据可视化是可以完全独立开来学习的。虽然它们在应用时有着比较大的联系，但是学习时没有必然的先后顺序。读者完全可以根据自己的喜好来安排学习顺序。
本书的实战题及练习题，都是笔者精心挑选出来的。数据分析的技术是练出来的，所以读者还是要尽可能地把每一道题都做了，这对巩固基础及打磨技术是非常有帮助的。
数据分析涉及的知识点非常杂也非常多，虽然本书已经梳理得足够清晰完善了，但还是远远不够。学习这本书，建议读者看两遍：第一遍把每一个知识点都过一下，留下一个大致的印象；第二遍重新梳理一下脉络，以构建一个清晰完整的知识体系。
如果想要使用Python做数据分析，常用的工具有VSCode、PyCharm、Jupyter Notebook这3个。这一节我们先来介绍一下 VSCode（见图1-5）。
图1-5
VSCode，也就是Visual Studio Code，它是现在非常热门的一款主流开发编辑器。VSCode非常强大，不仅可以用于Python开发，还可以用于前端开发、后端开发等。如果想要使用VSCode来进行Python开发，我们需要进行以下3步操作。
➤ 安装 VSCode。
➤ 安装插件。
➤ 运行代码。
不管是Windows系统还是macOS系统，VSCode的下载和安装都是一样的，只需要简单的两步。
① 下载 VSCode。打开VSCode官网，在首页找到【Download for XXX】按钮，单击就可以下载了，如图1-6所示。
图1-6
② 安装VSCode。VSCode的安装非常简单，只需要像安装普通软件那样安装VSCode就可以了。笔者并不建议把VSCode安装在C盘，而是推荐安装到其他盘中。安装完成之后，打开 VSCode，界面如图1-7所示。
图1-7
VSCode是一个非常自由的开发工具，所以默认情况下它是非常简洁的，并不会额外安装太多的插件。但是它的可定制程度非常高，我们可以根据自己的需要安装一些插件。
如果想要使用VSCode来编写Python代码，需要安装以下3个插件。
➤ Chinese (Simplified) Language：简体中文包。
➤ Python：必备标准库。
➤ Code Runner：用于运行代码。
在VSCode中，所有插件的安装步骤都是一样的。首先单击“extension”（扩展，即插件商店），然后搜索想要的插件名（一般是英文名），最后单击“安装”（Install）就可以安装了，如图1-8所示。需要注意的是，如果插件未生效，就重启一下 VS Code。
图1-8
读者还可以搜索一些关于Python的其他插件，然后自行安装。
接下来给读者介绍如何在VSCode中编写和运行Python代码。
① 创建项目。首先我们在任意一个计算机磁盘中创建一个名为“python-test”的文件夹，然后在VSCode左上角选择【文件】→【打开文件夹】选项，如图1-9所示，打开刚刚创建的“python-test”文件夹。一个文件夹就相当于一个项目。
图1-9
② 创建文件。将鼠标指针移到左栏空白处，单击鼠标右键，选择【新建文件】选项，如图1-10所示，输入文件名“test.py”。其中，“.py”是Python代码文件的扩展名。
图1-10
③ 编写代码。在“test.py”文件中编写一段Python代码，如图1-11所示。编写完代码之后，一定要记得保存。很多初学者就是因为没有保存代码，才导致许多问题的产生。
图1-11
④ 运行代码。在VSCode顶部选择【终端】→【新终端】选项，打开终端窗口。这个终端窗口非常重要，不管是Python开发，还是前端开发、C/C++开发等，都会用到这个终端窗口。
在终端窗口中输入“py test.py”（注意空格），按Enter键就会执行代码，然后会输出结果“3”（也就是1+2的值），如图1-12所示。
图1-12
需要特别注意的是，每次修改“test.py”中的代码后都要先保存再运行，不然修改无法生效。
这里需要说明的是，使用Python来做数据分析时，首选开发工具还是Jupyter Notebook。不过由于大多数读者之前并未接触过数据分析，如果一上来就介绍这个复杂的开发工具，很可能让读者难以理解。所以对于Jupyter Notebook，我们留到最后一章来给大家详细地介绍，这样也是为了让读者可以将其掌握得更好。
微信扫码关注【异步社区】微信公众号，回复“e58586”获取本书配套资源以及异步社区15天VIP会员卡，近千本电子书免费畅读。
