Python数据科学实践指南

数据科学是一门比较复杂的学科，涉及的知识门类也比较庞杂，甚至还需要一些社会工程、经济学、心理学的知识。为了能够更好地学习、理解和吸收必要的知识，还有几个必要的工具需要掌握：过硬的英语水平、扎实的数学功底、高超的编程技巧，以及洞察力。没有人天生就拥有这些，任何人都是通过后天的学习和训练才获得这些基本功的，能做到的人和做不到的人的唯一区别就是是否行动了。没有必要去考虑投资回报率这种问题，因为人的创造力是难以估计的，而且是潜力巨大的，你无法估计自己的价值，更别说投资回报率了。你可以凭兴趣、毅力或其他别的什么东西，将这件事做下去，并且坚持下来，每天坚持3～5个小时，不间断1个月后自然就会爱上它，并持续受惠于它。做科学的人不求回报，只求自己的工作能产生价值，哪怕仅仅只是帮助自己。

挺不错的一本书，针对python在数据科学处理方面写的书，看得出作者是有实战经验的，写的内容都是有针对性的，对数据处理有用的基本都写了，虽然很多章节不是很详细（特别是后面的章节），不过作为入门书籍，还是不错的一本书，有学到东西。

内容一般，大部分内容还是Python编程，真正有关数据科学的内容不多。不过作者一开始就澄清了这一点，比较实在。之所以本质上讲Python编程的书籍都冠以数据科学的名号，可能是因为数据科学是Python的主要应用领域，也是数据科学提升了这门语言的“江湖地位”。

介绍出了一条Python数据科学的学习线路。每个章节都很清晰但也会有点浅显，不够深入。总得而言，代码要多敲才行啊……

购买本书的目的，一是看看numpy，pandas库的用法，二是看看hadoop与spark部分，第二个部分还是太简单了。 意外收获，附录中python2与3的区别和一些trick 那部分写得还不错。

不错的入门加指导书籍，虽然大部分我都掌握的不错，但还是不够深入……看来我得找点更深入的学习一下，就是手机看着比较麻烦，没有纸质的舒服，可能ipad好点……

大数据框架讲的比较浅显，只是一些概念，关于算法的部分对没有接触过的读者来说还算简单易懂。本书适合初步了解，快速阅读

自我感觉该本书不适合初学者 因为我就是一个初学者，但是在读本书的过程中我发现我遇到了以下的问题： ①一些概念第一遍看的时候并不知道是什么意思，没有很详细的进行讲解。 ②书中的很多都是概念的东西。 ③实践指南应该算不上，因为有些实践的例子都讲解的不是很清晰，即使敲了也不知道是怎么来的。 个人见解，不喜勿喷。

资深大数据工程师多年经验总结，写给新人的大数据入行指南。 广涉大数据技术的各个方面，解密数据科学家的工作内容，通过实战带领读者走进梦想中的职业。

涉及的面太广，又过于浅显，没干货，营养少，适合零基础入门