> For the complete documentation index, see [llms.txt](https://seancheney.gitbook.io/python-for-data-analysis-2nd/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://seancheney.gitbook.io/python-for-data-analysis-2nd/readme.md). # README

RapidProxy 提供全球 9000万+ 真实住宅 IP，支持动态/静态住宅代理，覆盖 190+ 国家与地区。高匿名、低封禁、稳定高速，流量长期有效不过期，轻松应对验证码、访问限制与平台风控。静态住宅代理支持固定 ISP IP 与稳定网络身份，可有效降低多账号关联风险。立即免费测试吧！

https://www.rapidproxy.io

*** | | | | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | :-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------: | | [利用Python进行数据分析》第3版](https://u.jd.com/ZaRjN76) | 《利用Python进行数据分析》第2版 | |

各章导读视频：

微信读书：

学习笔记：python\_for\_data\_analysis\_3rd\_study\_note

勘误：链接（感谢读者们的反馈🙏）

在简书上阅读：

第三版多了41页内容，Pandas升级为1.4.0、Python升级为3.10。第三版最大的变化是紧贴Pandas升级，主要是新增了方法和特性的内容。另外，第三版有作者的在线开源电子版了，GitHub地址。

第三版目录略有调整，不如第二版和第一版的变化大：

曾经不止一次听别人抱怨，Pandas的知识点分散、零碎、不便于记忆。在细节上，作者这次在新版中摒弃了许多容易造成记忆混乱的用法。比如，用axis = "columns"替代axis = 1，简写方式破坏了代码的可读性，作者修改了许多类似的编程细节。新版对初学者更为友好了！

|

在简书上阅读：

下载本书代码，GitHub地址（建议把代码下载下来之后，安装好Anaconda，在目录文件夹中用Jupyter notebook打开）。

本书是2017年10月20号正式出版的，和第1版的不同之处有：

对有些内容进行了重新排版。最大的改变是把第1版附录中的Python教程，单列成了现在的第2章和第3章，并且进行了扩充。

| *** > 《利用Python进行数据分析》升级版，《Polars权威指南》现已上市，Polars团队撰写，创始人Ritchie Vink作序，pandas创始人Wes Mckinney推荐，让你更高效地进行数据处理。 | | | :--------------------------------------: | | [《Polars权威指南》](https://u.jd.com/ZGRsN3H) | 近年来，随着数据规模的爆炸式增长，数据处理工具的性能和效率愈发成为开发者关注的焦点。在Python生态中，pandas曾长期占据数据分析领域的主导地位，但其在处理大规模数据时的性能瓶颈也逐渐显现。此时，基于Rust构建、以Arrow内存格式为核心的高性能数据处理库[**Polars**](https://pola.rs/)异军突起，凭借其卓越的速度和灵活的设计理念迅速吸引了全球开发者的目光。本书《Python Polars权威指南》正是对这一技术的系统性解读，也是国内首部深入剖析Polars技术细节的中文指南。 作为《利用Python进行数据分析（第3版）》的译者，通读[《Polars权威指南》](https://u.jd.com/ZGRsN3H)一书后，再次感受到了一群技术人对数据科学的热爱。本书行文流畅、细节丰富、案例详实，是近些年少有的好书，对于提升Python编程技能、拓展数据科学知识极有帮助。 *** | 【Python数据分析群】，拉你入群 | 用三个月完成了翻译，工作砌码回家码字，手竟然脱皮了 :joy: | | --------------------------------------------------------------------------------------------------------------- | ------------------------------------------------------------------------------------------------------------------- | | | |