第1章 准备工作

1.1 本书内容

本书关注的是利用Python操作、处理、清洗和操作数据时的基本要点。我的目标是提供一份Python编程语言以及Python面向数据的类库生态系统和工具的指南，该指南将帮助你成为一个高效的数据分析师。尽管“数据分析”出现在书名里，但本书将明确专注于Python语言的编程、类库、工具而不是数据分析方法论。这就是你需要的Python数据分析编程。

1.1.1 什么类型的数据

当我说“数据”时，我想表达的准确含义是什么？主要的关注点是结构化数据，这个有意义的术语包含了众多常见的数据形式，例如：

· 表格型的数据，每一列可能会包含不同的类型（字符串、数值、日期或其他）。这类数据包含了大部分类型的数据，它们通常存储在关系型数据库或者由制表符、逗号分隔的文本文件中。

· 多维数组（矩阵）。

· 由键位列关联的多张表数据（对于SQL用户来说就是主键或外键）。

· 均匀或非均匀的时间序列。

以上是一份大致完整的清单。但该清单有时并不完全准确，很多数据集可以转换为一种更适合分析、建模的结构形式。如果不进行转换，从数据集中提取特征形成一种结构形式也是可行的。例如，一个新闻文章的数据集可以被处理为一个词频表，然后再用于情感分析。

大部分表格程序（比如微软Excel，或许是全世界应用最广泛的数据分析工具）的用户对这些类型的数据并不陌生。