简介

精彩点评

• 

  非

  推荐

  读完此书，基本了解了用Python进行数据分析的方法和流程，或者更准确说是用pandas进行数据分析的方法，因为全书都在讲pandas，毕竟作者是pandas之父。对pandas强大的数据处理功能印象深刻，读取，清洗，排序，分类，聚合，可视化，最终生成满足各种需求的可供分析的样本。讲解很详细，可以作为工具书，需要时查询相关算法。

• 

  lin

  推荐

  在实际工作中科学确定指标权重的方法有三种： 第一类是AHP层次分析法，此类方法用数字的相对大小信息进行权重计算，通过矩阵求解的方式求出特征矩阵，作为指标的权重。 第二类是主成分分析法，此类方法利用了数据的信息浓缩原理，利用方差解释率进行权重计算。 第三类是熵权法，以每个特征的信息熵大小决定权重，借用了信息熵的概念。 前两类前文讲过，今天主要讲第三类熵权法 理解熵权法的核心是要理解信息熵，理解信息熵之后，熵权法的其他步骤就是数据建模时的一般复杂计算而已 信息熵是由克劳德 • 香农提出的，按照吴军在《信息传》中的观点，信息熵在提出之前和之后是完全不同的两个时代。香农最重大的贡献是他揭示了信息的本质，给人类带来了一种新的世界观，几乎以一己之力结局了信息处理、密码学和通信最基础的理论问题，历史因为他的贡献而发生了巨大的转折。 信息熵是信息的不确定性（Uncertainty）的度量，不确定性越大，信息熵越大，要消除不确定性需要的信息就越多。将信息与不确定性联系起来具有划时代的意义，深刻影响了之后的科学发展走向，围绕着不确定性重新构建起我们对世界的认知，即不确定性是世界固有特性，不要试图否定他。而要消除不确定性，或者说预测事情的发展，不能靠套用一两个经典理论，而需要大量的信息。正是在这样方法论的指导下，人类才迈入信息时代，我们今天才会想到利用包含了大量信息的大数据来解决问题。 信息熵的公式和热力学熵的公示非常类似。信息和质量、温度等物理量一样，是实际存在的，也是可以测量的，信息熵的单位是比特，1比特是按照抛一次硬币的结果来定义的。 H=-∑_(i=1)^n▒〖p_(i ) ln〖(p〗_(i ))〗 通过熵权法来计算信息熵主要分为5个步骤 1、归一化 对于不同量纲的指标比较信息熵显然没有意义，需要先进行归一化。 同时，需要对负向指标正向化处理，处理后的指标均为正向指标。 正向指标： t_(ij )=(x_(ij )-min{x_1j···x_1n })/(max{x_1j···x_1n }-min{x_1j···x_1n } ) 负向指标： t_(ij )=(max{x_1j···x_1n }-x_(ij ))/(max{x_1j···x_1n }-min{x_1j···x_1n } ) 2、计算信息熵 e_j=-k∑_(i=1)^n▒〖p_(i j) ln⁡(p_(i j))〗 其中k= 1/ln(n)>0 需要注意的是，这里的p不再是每个取值的数量所占的比例，而是该取值的大小除以该指标所有取值的总和。 比如，共有2个样本，当指标 j 取值分别为0,1，那么p_1=0/(0+1)，p_2=1/(0+1)，带入公式可得e=0。 当2个样本取值分别为1/2,1/2时，p_1=1/2/(1/2+1/2)=1/2，p_2=1/2/(1/2+1/2)，带入公式可得e=1。 3、计算信息熵冗余度（差异）： d_j=1-e_j 4、计算各指标的权重 w_j=d_(j )/(∑_(j=1)^n▒d_(j ) ) 5、计算各样本的综合得分 s_i=∑_(j=1)^m▒w_(j ) t_(ij ) 最重要的一点： p不是各取值的比例，而是各个取值的相对大小

• 

  HYH

  推荐

  耗时近100小时读完这本书，包括书中代码练习，代码扩展练习，数学知识补习……，数学很重要。 这本书内容非常不错，读完后就对于python如何用于数据分析有了基本认识，有助于后续专项学习。 唯一不足就是翻译的有些生硬，不太符合中文表达方式。如果能对专业词汇给出英语原词做为参考就好了，有些词中文看起来有点怪。

• 

  Zcxu

  推荐

  豁然开朗，正是需要此类数据分析库用于项目重构上，层层递进，很快就入门了。

• 

  汪蔚

  推荐

  官方作者写的书籍，内容比较全面，到案例不是很深入，建议最好从文档入手学习，结合实际练习，熟能生巧，pandas 绝对是一把利器

• 

  不才刘某

  推荐

  略略读完了，感觉跟pandas, numpy, matplotlib中文官方文档差不多，没什么新意。

• 

  明明

  推荐

  如果你的数据容量已经接近超过10万行，那就免不了要用专门的“大”数据分析工具，涉及的语言有python,R,julia等，如果你选的是python，pandas就是必学的工具，如果你之前都是用Excel处理数据，学会pandas会给你打开不一样的世界，而这书是学pandas最推荐的

• 

  补叙

  推荐

  总体来说不错，不过感觉不太适合零基础。起码有涉猎才能上手。还在继续学习

• 

  熊钊

  推荐

  如果你看到代码中出现 ....：或....：感到困惑，其实它并没有特殊含义，只是因为一行写不下，在排版中表示紧跟着上一行的内容。IN表示输入行，OUT表示输出行，中括号[ ]内的数字表示行号，很多代码在上下文中是呼应的，所以看行号方便找关联代码。O记的书多读几遍还是蛮舒服的，只是本书排版最开始不好接受，现在已经很熟悉，而且感觉还不错。

• 

  Zachary

  推荐

  适合跳读，迅速了解自己的诉求在哪个章节可以得到解决。不要啃书。

• 

  SoulYoung

  推荐

  针对数据分析中可能使用的python相关的库做了全面的解释，入门足够，深度不足

• 

  芝麻不加饼

  推荐

  在UofT念data science的时候教授推荐的书 读完受益匪浅 建议大家坚持读完

• 

  不良人

  推荐

  pandas开创者写的书，说实话，对pandas方法介绍比之前看过的几本书要深很多，或者说很多书知识点来源于此。以长转宽来说，《对比Excel》那本就没有本书写得细致到位。 这本书让我见识到矢量化运算的厉害。要写一个大型实用库，底层是功夫，整个pandas就是证明。所以，技术类书籍，推荐看国外优质书籍，原版更好。 这本书，实际上不适合初学者，里面的概念以及知识延展比之前看过的几本都深，但是作者用示例辅助可以有效帮助读者理解。还是那个，官方文档，官方文档。 各种示例，给我最深的感触就是标量、单列表、嵌套列表的多重实现。所以，pandas基于numpy，了解相对底层的原理，才能更好地用矢量化思维解决问题。 数学家开发的库，有股浓浓的数学气味。感谢这些人，让低端编程更普及。

• 

  小白

  推荐

  这本书比较适合有一定数据分析基础和统计学知识的读者，一般初学者可能不太容易理解其中的示例。书中的示例和案例一定要动手实践，才能掌握书中内容，才能将Python数据分析作为大数据时代从业者的左膀右臂。书中内容详尽实用，值得一读。

• 

  华章微课小编

  推荐

  本书由Python pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。第2版针对Python 3.6进行全面修订和更新，涵盖新版的pandas、NumPy、IPython和Jupyter，并增加大量实际案例，可以帮助你高效解决一系列数据分析问题。