Python極簡講義：一本書入門數據分析與機器學習

對於任何一個沒有Python基礎的人來說，都是一本不可多得的數據分析與機器學習入門的好書。書中內容詳實，案例豐富，可以說，掌握此書內容，那麼對於數據分析兩個庫已經能達到百分之八十的掌握率。同時此書閱讀門檻極低，即使在機器學習部分，也沒有太多數學要求，是非專業人士入門數據分析和機器學習的不二之選。

與單獨啃書相比，我還是更喜歡上平臺學習技術。不過後半部分的機器學習，入門可以瞭解下，重點知道常用的機器學習算法，性能指標如準確率，查準率，查全率，PR曲線，TPR—FPR，ROC面積，以及線性迴歸，K-近鄰算法，logistic迴歸，神經網絡學習算法，還有非監督學習如K-means聚類等。

對於從未接觸Python語法的初學者來說，這本書前半部分非常適合初學者學習。語法細節、語法糖介紹比較細緻，不使用裝飾器等高級功能的情況下，前半部分的語法介紹已足夠，比起那本學習手冊，這本書的語法解析符合中文語境，容易理解的多。 關於numpy和pandas，個人覺得也非常詳盡，有Excel數組公式經驗的朋友，理解矩陣，理解結構化處理數據，會更快。並行思路與sql有異曲同工之妙。 隨便感嘆一下，微軟在結構化處理數據上下足了功夫，很用心。VBA、M語言、DAX等等，所以，有過這些基礎的朋友，上手numpy和pandas，會比較容易。 機器學習部分放棄，目前，完全看不懂，待來日。 知識的關聯與互通，知識的全面與遞進。

還不錯，從《Python編程：從入門到實踐》看過來的，作爲新手還要多消化一下，機器學習說實話看得懵懵懂懂的。

1. 本書分爲三個部分：第一部分是1-5章，講述python基本語法與特性，第二部分是6-8章，講述數據分析三件套numpy&pandas&matplotlib，第三部分9-10章，講述機器學習基礎； 2. 本書框架清晰，基於Minimal Actionable Knowledge Experience，MAKE最小可用知識，介紹了數據分析和機器學習相關內容，下一步是快速實踐，然後迭代升級，每天實現進步，這也是快速起步做一件新領域事的路徑； 3. 本書適合非專業剛準備做數據分析的人員閱讀，最好是一邊讀一邊跟着寫代碼，對於有實踐經驗的，讀起來沒有太多的收穫。

這本書應該是“拋磚引玉”的經典，但這本書雖極簡，不僅對0基礎友好，對有基礎的人也有值得學習的細節，我把這本書當作轉行學習第二本必讀的書。 第一本：《數據挖掘：你必須知道的32個經典案例》。這本書有人評價是會的人不用看，不會的人看不懂，但是作爲第一本入門書，不會的都可以跳過，32個案例當作“故事”來讀就行，我會有一種原來“數據挖掘可以這麼用”的豁然開朗，是用來開拓思維，而不是學習技能的一本書。 第二本：《Python極簡講義：一本書入門數據分析與機器學習》。瞭解python基礎，介紹了np /pd/mlt最經典的三個數分的庫，最後是機器學習的幾個經典算法，內容看起來比較常規，也並不是大而全，但全文讀起來並不枯燥，之前看了不少相關的書，但說實話，不是讀不懂，就是沒收穫，看的越來越迷茫，看的過程也是極度痛苦。0基礎看合不合適我不清楚，但這本書完全可以做到在不打擊你自信的前提下，回答“你是否有興趣”的書，也可以鍛鍊很基礎的實操技能。 。。。 繼續打基礎吧，好多有名的書看的我真的“痛苦”，尋找不費心神的“快樂學習”，加油！！！

20210503讀完《Python極簡講義——一本書入門數據分析與機器學習》，作者的“最少必要知識原則”，這個學習觀念不錯。 對Python包中變量__all__說清楚了，好多其他教材是沒說的； 對生成器和迭代器也講述的比較清楚； 推薦了logging模板，但沒展開，然後補上一句：“高手都是自學的”，我也只好贊成了； 在Numpy模塊，深入淺出地講解了“愛因斯坦求和約定”和功能強大的einsum()，不但能“降維求和”，還能用於矩陣乘法等； 對於矩陣的點乘法，a1@b1，亦可表示爲np.einsum("ij,jk->ik",a1,b1)； 又如2個(2,2)向量點乘操作，a*b或np.multiply(a,b)，亦可表示爲np.einsum("ij,ij->ij",a,b)，其他維度亦可類似操作； 又如np.einsum("ij->ji",arr)可實現向量的轉置，等同於np.transpose(arr)； 作者einsum()的功能非常強大，這裏只講一點點，還可用於TensorFlow或PyTorch神經網絡架構的任意計算圖，並支持反向傳播計算，非常有意思； 對向量維度軸的的概念axis，按括號層次來理解，括號由外到內，對應從小到大的維數，分別爲[0,1,2,...,n]； 當“約減”時，有先後順序，如5維向量，可用axis=[2,0,1]，先後“約減”掉第2、第0、第1維度，最後剩下2個維度，等等； 中間很多…省略 寫在最後的感嘆：數據分析，要學的東西都挺多的，機器學習有點超綱，需要慢慢消化，還好各路大神都在做貢獻，很多功能越來越方便，越來越完善。

《Python與數據科學》課程的前一個寒假作爲預習書看過，講的很好，作爲python的基礎足夠了。後半部分的機器學習和深度學習，老實說原理還是不太理解，但是代碼能寫，或許這就是陶德那句“it just works”吧>_

請問你知道數據分析用的數據源在哪裏能找到嗎？非常感謝

前半部分講Python基礎語法，很囉嗦。 後半部分講pyplot繪圖，不夠全，以至於最後kmeans繪圖使用的參數等出現斷層，只能按照着寫下來。 1/3講算法難度陡然上升！沒點兒數學基礎會看天書。 作者水平高沒問題，但是內容組織顯得拼湊。