CHAPTER 1 Preliminaries(预备知识)
1.1 What Is This Book About?(这本书是关于什么的)
这本书关心的是如何用Python对数据进行处理和清洗等操作。本书的目的是作为一个指南,讲解使用Python语言和它的一些处理数据的库和工具,这能让我们成为一个有效率的数据分析师(data analyst)。本书会告诉我们,使用Python语言的情况下,我们需要用那些工具来进行数据分析。
What Kinds of Data?(什么种类的数据)
我们说的数据指的是结构化的数据(structured data),比如:
- 表格型数据,每一列有不同的类型(字符串,数字,日期等)。这种情况是我们最常见到的,常见于用tab-或逗号分隔的文件(比如CSV文件)
- 多维数组(Multidimensional arrays,比如矩阵)
- 用一列作为键(比如SQL中的主键和外键),整合多个表格的数据
- 时间序列数据
大部分数据都可以被转化为结构化数据,方便进行分析和建模。如果无法转化,那么我们可以从数据集中抽取特征,做成一个结构化的形式。举个例子,新闻可以被处理为单词频率表格,然后我们可以对其进行情感分析(sentiment analysis)。
表格型程序,比如微软的Excel,可能是当今最广泛的数据分析工具,所以没必要把数据分析想得很难。