python入门教程之使用Python探索数据的电子书免费下载

　　对于那些不断被告知“出版或消亡”的学者来说，总是想从零开始创造一些自己的新鲜创造，这是很自然的。这本书是一个从零开始的实验，而不是“混合”书名为PythyPython：如何像Allen B. Downey、Jeff Elkner和其他人写的计算机科学家那样思考。2009年12月，我正准备在密歇根大学连续第五个学期教授SI502网络编程，我决定是时候编写一本Python教科书，重点是探索数据，而不是理解算法和抽象。我在SI502中的目标是教人们使用Python终身的数据处理技能。我的学生中很少有人打算成为专业的计算机程序员。相反，他们计划成为图书管理员、经理、律师、生物学家、经济学家等，他们碰巧希望在自己选择的领域熟练地使用技术。我似乎从来没有为我的课程找到完美的面向数据的Python书籍，所以我开始写这样一本书。幸运的是，在我准备在假期里从头开始写新书的三周前的一次教员会议上，Atul Prakash博士向我展示了他那学期用来教授Python课程的Think Python book。这是一个写得很好的计算机科学的文本，重点是简短，直接的解释和易于学习。为了尽快解决数据分析问题，本书的整体结构已经改变，从一开始就有了一系列关于数据分析的运行示例和练习。第2-10章类似于ThinkPython的书，但是有一些重大的变化。面向数字的例子和练习已经被面向数据的练习所取代。主题按构建日益复杂的数据分析解决方案所需的顺序呈现。一些主题，如try和except，作为条件句一章的一部分被提出。函数被赋予非常轻的处理，直到它们需要处理程序复杂性，而不是作为抽象的早期教训引入。几乎所有用户定义的函数都已从第4章之外的示例代码和练习中删除。“递归”一词根本没有出现在书中。在第1章和第11-16章中，所有的材料都是全新的，着重于Python在数据分析中的实际应用和简单示例，包括用于搜索和解析的正则表达式、在计算机上自动执行任务、通过网络检索数据、为数据刮取网页、面向对象编程、使用web服务，解析XML和JSON数据，使用结构化查询语言创建和使用数据库，以及可视化数据。所有这些变化的最终目标是从计算机科学转移到信息学的焦点，并且只将主题包含到第一个技术类中，即使一个人选择不成为专业程序员，这些技术类也是有用的。

　　如果学生觉得这本书有趣并想进一步探索，应该看看艾伦B唐尼的《思考巨蟒》一书。由于这两本书之间有很多重叠，学生们将很快掌握Think Python中涉及的技术编程和算法思考的其他领域的技能。考虑到这些书有着相似的写作风格，他们应该能够以最小的努力快速地通过Think Python。作为Think Python的版权所有者，Allen允许我将本书中的内容许可证从GNU Free Documentation许可证更改为更新的Creative Commons Attribution-Share-like许可证。在此之前，开放文档许可证从GFDL到CC-BY-s a（如Wikipedia）有了一个普遍的转变。使用CC-BY-SA许可证保持了本书强大的版权传统，同时使新作者可以更直接地在他们认为合适的情况下重用这些材料。我觉得这本书是一个例子，说明了为什么开放材料对教育的未来如此重要，我要感谢艾伦·B·唐尼和剑桥大学出版社作出了前瞻性的决定，让这本书在开放版权下出版。我希望他们对我的努力成果感到高兴，我希望读者们对我们的集体努力感到高兴。我要感谢艾伦·B·唐尼和劳伦·考尔斯在处理和解决本书的版权问题方面给予的帮助、耐心和指导。