Pandas 的學習資源整理


這篇文章收集了一些我學習 Pandas 中所參考到的學習資源，會不定時的更新。

2019/9/6 更新 data school 的 Learn a new pandas trick every day 文章 (見網站一節)。


書籍


書籍大家最推薦的，就是 Wes Mckinney 的 Python for Data Analysis: Data Wrangling with Pandas, Numpy, and IPython。這本書 O'Reilly 有中譯版。我買的是簡體版，但也是有繁體版的。



本書算是 Pandas 的參考大全，裏面列了許多實用範例。

我在學習過程中，有許多的語法上的疑惑，都是翻這本書得到解答的。

另一本 Pandas Cookbook: Recipes for Scientific Computing, Time Series Analysis and Data Visualization using Python。本書在 Amazon 有 24 個 review，共取得 4.1 顆星的評價，算是不錯的水準。

不過這本就沒有中譯版了。


這本書看名字就知道，屬於「食譜型」的書籍。書中會列出一系列我們使用 Pandas 時會遇到的問題，並給出解答。

底下是一些例子：
  1. Selecting multiple DataFrame Columns
  2. Selecting columns with methods
  3. Ordering column names sensible
  4. Operating on the entire DataFrame
由於本書列出的都是我們使用 Pandas 的常會用到的操作，是蠻有參考價值的。

網站

網站的話，最好的參考來源就是 Pandas 本身的文件了。

初學者的話，建議由 10 分鐘入門 Pandas 開始，這是 Pandas 本身的官方文件，十分淺顯地將 Pandas 的功能做一個快速的說明。這份文件雖然是英文的，但有許多中文的翻譯，在 Google 上用關鍵字，可以找到一堆的參考文件。


郭耀仁先生的 Pandas 101 也是很好的參考文件。我在學習的過程中，也受惠良多。

Data school 的主持人 Kevin Markham 整理了一份 Pandas 使用小技巧的文章，名為 Learn a new pandas trick every day。裏面有許多 Pandas 的使用小技巧 (有點向網頁版的 Pandas Cookbook)，非常實用。也建議追蹤 data school 的 FB 專頁，這樣便不會錯過最新的技巧教學。Data school 的介紹見底下 Youtube 頻道一節。

由於網站的資訊會隨著時間更新，書籍的話，則受限於媒介的關係，沒法子時常更新，所以建議多參考網站的資訊。

Youtube 頻道

第一個要推薦的是 Kevin Markham 的 dataschool 頻道。

Kevin 在頻道中提供了許多 Pandas 的使用技巧，並配合淺白的解說，十分的清楚。我使用這個頻道的方式通常是我在使用某個 Pandas 的操作，不是很清楚用法時，就用 search 的方式找 Kevin 的影片。看完影片後，通常對於這個操作就有一定程度的瞭解了。例如底下是我搜尋 "groupby" 時，得到的教學列表。


Kevin 的英文發音清楚，而且速度不快，用字也很淺白。有大學的英文程度應該可以聽的八九不離十。非常推薦這個頻道。

Kevin 也是知名線上課程 datacamp 的講師，以及 PyCon 的講者，對於資訊方面的教學是十分在行的。

Dataschool 頻道除了 Pandas 的教學外，也有人工智慧，機器學習相關的課程，這篇文章中對於 dataschool 以及 Kevin 有詳細的介紹，大家可以參考。

第二個推薦的頻道是 codebasics。



頻道中提供了一系列資料分析工具的解說，如 Pandas，Numpy，資料視覺化 (Metplotlib) 的課程，十分精彩。



這個頻道我就比較少參考，通常是 dataschool 找不到解答，或是找到的結果不滿意時，才會到這個頻道搜尋。

頻道的主持人是印度人，所以英語多少有點口音 (但不嚴重)，一般說來，把字幕打開，通常聽懂不會有問題。

結論

這篇文章中，推薦了一些學習 Pandas 的書籍，網站，以及 Youtube 頻道。

我知道還有一些有名的資源我沒有放上去，例如周莫煩的 youtube 頻道，以及 Pandas for Everyone: Python Data Analysis: Python Data Analysis 這本書。

因為這些資源我都沒有看過，所以就沒有附上了。

也歡迎網友在留言處給我更多有關 Pandas 學習資源的推薦了！

留言

  1. Unknown2021年11月28日 凌晨4:43

    我覺得這篇也寫得非常好，與老師分享
    https://leemeng.tw/practical-pandas-tutorial-for-aspiring-data-scientists.html

    回覆刪除

張貼留言

這個網誌中的熱門文章

由 Pandas 的 DataFrame 中取得資料

由 Pandas 的 DataFrame 中取得資料 ¶ 這篇文章參考了 Pandas 的官方教學文件 「10分鐘短教學」 ，由其中截取 data selection 的部分的內容。 DataFrame 是 Pandas 中儲存 2 維表格的資料結構。我們可以將它視為類似 Excel 的試算表，或是關聯式資料庫中的一個表格。 底下我使用 Pandas 將這個 csv 讀入。 這個表格的 csv 可以由 這兒 下載。 In [2]: import pandas as pd student = pd . read_csv ( 'student.csv' , index_col = 0 ) student Out[2]: Name height weight sex bdate city major s1234567 Peter 175.0 70.45 1 1980/4/30 Tainan CSIE e1234567 Mary 163.0 55.00 2 1981/12/21 Taipei EE f1357689 John 180.4 80.30 1 1980/5/30 Tainan Stat e1374659 Keven 182.5 77.60 1 1980/11/19 Taipei EE s7758347
閱讀完整內容

[程式設計] C++ 的字串切割

簡介 C++的字串切割，我看過解釋最詳細的是 這篇 。推薦大家看看。 字串切割是撰寫程式中常有的需求，舉例來說 將一個字串依空白切割成數個子字串。如 "15 19 12" 切成 "15"，"19" 以及 "12"。 將字串依規定的符號切割成數個子字串。如 "15,19,12"，切成 "15"，"19" 以及 "12"，這是切割符號為逗點。 將字串依規定的符號切割成數個子字串，但這個符號可以有 多種 。例如 "15,19!12"，切成 "15"，"19" 以及 "12"，這是切割符號為 , 以及 !。 這篇文章，要談的，是最後一種的切割方式。
閱讀完整內容

[C++]在 cin 後呼叫 getline 所遇到的問題

圖片
在 C++ 中，使用 cin 讀資料後，再用 getline 讀字串，就會遇到 buffer 沒有清空的問題。例如底下的程式碼： 這個例子中，程式先讀一個整數，將之放入 value 變數中。接著讀 value 個字串。所以要是 value 為 2 時，應該就要讀取 2 個字串。但在這個例子中，很奇怪就只會讀 1 個字串。
閱讀完整內容