学习自然语言必须依靠实践，学习计算机语言也一样。本书不采用详尽的使用手册式教学，而是通过实践帮助读者学会Python编程语言。如果你想开始学习Python，本书是一个良好的开端。
《Python——数据科学的手段(第2版)》比第1版增加了一倍的篇幅，内容选择和编排都有较大改动。全书四个部分共12章，第一部分基础，包括第1章软件准备、第2章Python基础知识、第3章类和子类简介；第二部分基本模块，包括第4章numpy模块、第5章pandas模块、第6章matplotlib模块、第7章scipy模块；第三部分编程思维训练，包括第8章基本编程训练、第9章若干计算方法的编程训练；第四部分数据科学，包括第10章探索性数据分析及数据准备、第11章有监督学习概论、第12章一些有监督学习模型。

吴喜之，北京大学数学力学系本科，美国北卡罗莱纳大学统计博士。中国人民大学统计学院教授，博士生导师。曾在美国加利福尼亚大学、北卡罗来纳大学以及南开大学、北京大学等多所著名学府执教。

第一部分 基础
第1章 软件准备
1.1 下载及安装Python
1.2 Anaconda的几种界面
1.2.1 使用Notebook
1.2.2 使用Spyder
1.2.3 使用IPython或者终端界面
1.3 下载并安装所需模块
第2章 Python基础知识
2.1 一些基本常识
2.1.1 引入模块、获得及改变你的工作目录
2.1.2 目录的建立和删除，文件的重命名及删除
2.2 数组(字符串、list、tuple、dict)及与它们相关的函数和运算
2.2.1 数组的元素及下标
2.2.2 循环语句打印数组元素
2.2.3 一些和数组及字符串有关的函数和方法
2.2.4 list中元素增减所用的函数
2.2.5 tuple不能改变或增减元素，但可以和list互相转换
2.2.6 dict所用的一些函数
2.2.7 zip使得数组运算更方便
2.2.8 集合set及有关运算
2.3 函数、自定义函数、数组元素的计
算、循环语句
2.3.1 更多的关于数组的函数
2.3.2 函数的定义
2.3.3 map和filtel
2.3.4 更多的函数例子
2.4 伪随机数模块：random
2.5 变量的存储位置
2.6 数据输入输出
2.6.1 终端输入输出
2.6.2 文件开启、关闭和简单读写
2.6.3 文字文件内容的读取
第3章 类和子类简介
3.1 class
3.2 subclass
第二部分 基本模块
第4章 numpy模块
4.1 numpy数组的产生
4.1.1 在numpy中生成各种分布的伪随机数
4.1.2 从Python基本数组产生
4.1.3 直接产生需要的数组
4.2 数据文件的存取
4.3 数组(包括矩阵)及有关的运算
4.3.1 数组的维数，形状及类型
4.3.2 数组形状的改变
4.3.3 同维数数组间元素对元素的计算
4.3.4 不同维数数组间元素对元素运算
4.3.5 舍入及取整运算
4.3.6 一些常用的数组(矩阵)计算
4.3.7 合并及拆分矩阵
4.3.8 使用insert往数组中插入值
4.3.9 部分数组的赋值
4.3.10 对角矩阵和上下三角阵
4.4 一些线性代数运算
4.4.1 特征值问题的解
4.4.2 奇异值分解
4.4.3 Cholesky分解
4.4.4 矩阵的逆、行列式及联立方程
4.4.5 简单的最小二乘线性回归
4.4.6 Kronecker积
4.5 关于日期和时间
4.6 多项式运算
4.6.1 复数的四则运算
4.6.2 多项式的根
4.6.3 多项式的积分和微分
……
第三部分 编程思维训练
第四部分 数据科学