À propos du projet

Ce dépôt contient la traduction chinoise de la 2e édition de « Python for Data Analysis » de Wes McKinney. L'ouvrage original, publié en octobre 2017, est un manuel d'introduction classique dans le domaine de l'analyse de données avec Python. La version chinoise a été traduite par le traducteur sur son temps libre, en environ trois mois. Par rapport à la 1re édition, les principaux changements de la 2e édition incluent : la mise à niveau du code vers Python 3.6 (la 1re édition était basée sur Python 2.7) ; la mise à jour des méthodes d'installation de Python avec Anaconda et d'autres paquets ; la mise à jour de pandas vers la version la plus récente de 2017 ; l'ajout d'un chapitre sur les outils pandas plus avancés et leurs astuces d'utilisation ; et une brève introduction à l'utilisation de StatsModels et scikit-learn. De plus, le tutoriel Python en annexe de la 1re édition a été scindé et développé pour devenir les chapitres 2 et 3, et une partie du contenu a été remise en page. Le contenu du dépôt est principalement la traduction chinoise des chapitres du livre. Les lecteurs peuvent lire le texte intégral en ligne via le lien Jianshu fourni dans le README. Le code d'exemple correspondant est hébergé dans le dépôt GitHub de l'auteur original (branche 2nd-edition de wesm/pydata-book). Le traducteur recommande de télécharger le code, d'installer Anaconda, puis d'ouvrir et d'exécuter les notebooks avec Jupyter Notebook dans le répertoire du code. Le traducteur maintient également la traduction de la 3e édition et un dépôt de notes d'étude associé (python_for_data_analysis_3rd_study_note), qui comprend des vidéos d'introduction pour chaque chapitre (sur Bilibili), des liens de lecture en ligne via WeChat Reading, ainsi qu'un document d'errata compilé à partir des retours des lecteurs. Selon le README, la 3e édition ajoute environ 41 pages par rapport à la 2e, avec une mise à niveau de pandas vers 1.4.0 et de Python vers 3.10. Les principaux changements incluent : l'ajout de la génération de nombres pseudo-aléatoires dans le chapitre 4 sur les bases de NumPy ; l'ajout de types de données étendus et de données catégorielles dans le chapitre 7 sur le nettoyage des données ; l'ajout du rééchantillonnage temporel groupé dans le chapitre 11 sur les séries temporelles ; et l'abandon de certaines notations abrégées susceptibles de prêter à confusion (comme l'utilisation de axis="columns" au lieu de axis=1), ce qui la rend plus conviviale pour les débutants. Il convient de noter que le README contient des liens promotionnels pour des services de proxy IP tiers et des présentations d'autres traductions du traducteur (comme « Polars: The Definitive Guide »). Ces contenus sont de nature promotionnelle et sans rapport avec la traduction du livre lui-même.