本书为数据科学领域经典热销书升级版，基于GitHub热门开源项目，全面涵盖数据分析与数据科学领域的重要工具。 全书共分为五部分，每部分介绍一两个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；第二部分讲解NumPy如何高效地存储和操作大型数组；第三部分讲解pandas如何高效地存储和操作带标签的列式数据；第四部分聚焦Matplotlib，展示其丰富的数据可视化功能；第五部分以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。 本书适合有一定Python使用经验，并想进一步掌握Python数据分析能力的读者。

对本书的赞誉
译者序
前言
第一部分 Jupyter：超越Python
第1章 IPython和Jupyter入门
1.1 启动IPythonshell
1.2 启动JupyterNotebook
1.3 IPython的帮助和文档
1.3.1 用符号获取文档
1.3.2 用符号获取源代码
1.3.3 用Tab补全的方式探索模块
1.4 IPythonshell中的快捷键
1.4.1 导航快捷键
1.4.2 文本输入快捷键
1.4.3 命令历史快捷键
1.4.4 其他快捷键
第2章 增强的交互功能
2.1 IPython魔法命令
2.1.1 执行外部代码：%run
2.1.2 计算代码运行时间：%timeit
2.1.3 魔法函数的帮助：、%magic和%lsmagic
2.2 输入和输出历史
2.2.1 IPython的输入和输出对象
2.2.2 下划线快捷键和以前的输出
2.2.3 禁止输出
2.2.4 相关的魔法命令
2.3 IPython和shell命令
2.3.1 shell快速入门
2.3.2 IPython中的shell命令
2.3.3 在shell中传入或传出值
2.3.4 与shell相关的魔法命令
第3章 调试及性能分析
3.1 错误和调试
3.1.1 控制异常：%xmode
3.1.2 调试：当阅读轨迹追溯不足以解决问题时
3.2 代码性能与耗时分析
3.2.1 代码段计时：%timeit和%time
3.2.2 对整个脚本进行性能分析：%prun
3.2.3 用%lprun进行逐行性能分析
3.2.4 用%memit和%mprun进行内存分析
3.3 IPython参考资料
3.3.1 网络资源
3.3.2 相关图书
第二部分 NumPy入门
第4章 理解Python中的数据类型
4.1 Python整型不仅仅是一个整型
4.2 Python列表不仅仅是一个列表
4.3 Python中的固定类型数组
4.4 从Python列表创建数组
4.5 从头创建数组
4.6 NumPy标准数据类型
第5章 NumPy数组基础
5.1 NumPy数组的属性
5.2 数组索引：获取单个元素
5.3 数组切片：获取子数组
5.3.1 一维子数组
5.3.2 多维子数组
5.3.3 非副本视图的子数组
5.3.4 创建数组的副本
5.4 数组的变形
5.5 数组拼接和拆分
5.5.1 数组的拼接
5.5.2 数组的拆分
第6章 NumPy数组的计算：通用函数
6.1 缓慢的循环
6.2 通用函数介绍
6.3 探索NumPy的通用函数
6.3.1 数组的运算
6.3.2 绝对值
6.3.3 三角函数
6.3.4 指数和对数
6.3.5 专业的通用函数
6.4 高级的通用函数特性
6.4.1 指定输出
6.4.2 聚合
6.4.3 外积
6.5 通用函数：更多的信息
第7章 聚合：最小值、最大值和其他值
7.1 数组值求和
7.2 最小值和最大值
7.2.1 多维度聚合
7.2.2 其他聚合函数
7.3 示例：美国总统的平均身高是多少
第8章 数组的计算：广播
8.1 广播的介绍
8.2 广播的规则
8.2.1 广播示例
8.2.2 广播示例
8.2.3 广播示例
8.3 广播的实际应用
8.3.1 数组的归一化
8.3.2 画一个二维函数
第9章 比较、掩码和布尔逻辑
9.1 示例：统计下雨天数
9.2 将比较运算符看作通用函数
9.3 操作布尔数组
9.3.1 统计记录的个数
9.3.2 布尔运算符
9.4 将布尔数组作为掩码
9.5 使用关键字and/or与逻辑操作运算符&/|
第10章 花式索引
10.1 探索花式索引
10.2 组合索引
10.3 示例：选择随机点
10.4 用花式索引修改值
10.5 示例：数据区间划分
第11章 数组排序
11.1 NumPy中的快速排序：np.sort和np.argsort
11.2 沿着行或列排序
11.3 部分排序：分区
11.4 示例：k个最近邻
第12章 结构化数据：NumPy的结构化数组
12.1 生成结构化数组
12.2 更高级的复合数据类型
12.3 记录数组：结构化数组的扭转
12.4 关于pandas
第三部分 pandas数据处理
第13章 pandas对象简介
13.1 pandas的Series对象
13.1.1 Serise是通用的NumPy数组
13.1.2 Series是特殊的字典
13.1.3 创建Series对象
13.2 pandas的DataFrame对象
13.2.1 DataFrame是通用的NumPy数组
13.2.2 DataFrame是特殊的字典
13.2.3 创建DataFrame对象
13.3 pandas的Index对象
13.3.1 将Index看作不可变数组
13.3.2 将Index看作有序集合
第14章 数据取值与选择
14.1 Series数据选择方法
14.1.1 将Series看作字典
14.1.2 将Series看作一维数组
14.1.3 索引器：loc和iloc
14.2 DataFrame数据选择方法
14.2.1 将DataFrame看作字典
14.2.2 将Dat