爲什麼寫此書？
我們正處於一個數據科技（Data Technology，簡稱DT）的時代。我們的一舉一動，都有能在數據空間留下電子印記。於是海量的社交、電商、行爲及科研大數據鋪面而來。然而，太多的數據給人們帶來的，可能並不是更多的洞察，還可能是迷失。
因爲僅僅就數據本身而言，它們是“一無所知”的。數據的價值，在於形成信息，變成知識，乃至昇華爲智慧。也就是說，這些數據如果不能進一步 “深加工”，即使數據量再“大”，也意義聊聊。
於是，就派生這麼一個問題，這些數據，誰來“深加工”？如何“深加工”？其實，早在2012年，《哈佛商業評論》就刊登一篇文章，給出了答案，他們就是“數據科學家”，文章還斷言，“數據科學家是21世紀最性感的職業”[①]。
但如何成爲一個數據科學家呢？特別是一個性感的數據科學家？作爲一個有點文青情懷的理工男，我喜歡讀寫書。讀書總會給我們啓迪。
曾讀過埃裏克•萊斯（Eric Ries）寫的一本有關創業書，叫《精益創業》（The Lean Startup）[②]。在閱讀這本書時，有個概念深入我心，那就是“最小可行產品”（minimum viable product，簡稱MVP）。這個概念說得是，在創業初期，不可貪多求全，而應先做出一個最小可用的產品，拿到市場上去檢驗，然後再根據反饋反覆迭代，打磨升級，最終做出比較完善比較成功的產品。
後來，看到有人提出了類似的概念——“最少必要知識（Minimal Actionable Knowledge and Experience，簡稱MAKE）”，這算是點醒了我，我覺得大概可以回答前面的問題。那就是：You can MAKE it （你可以做到）。
先來說說什麼是MAKE？它指的是入門某個新領域切實可行的最小知識集合。MAKE說起來好像比較高級，但實際上，在其背後，有個支撐它的樸素原則——Pareto原則（亦稱80-20原則），即80%的工作可以掌握20%的知識來解決。
同樣，想成爲一個“性感的”數據科學家，一條路自然是按部就班地學習所有技能，“十年磨一劍”，但這樣做的風險在於，當你“攜劍下山”時，可能別人都用上了飛機大炮，這樣的對壘，你勝算有幾何？
當然，還有另外一條備選之路，那就是走一走MAKE之道。在學習某項技能（如Python、數據分析或機器學習）時，我們要想辦法在最短的時間內，摸索清楚這項技能的“最小必要知識”。一方面，它已然可以幫我們解決工作中的大部分問題；另一方面，入門之後，技能的提升通道可以在實踐中尋得，缺啥補啥。有明確的任務導向，學習效率就會“有如神助”。這也是當前時代的快節奏學習法。
說到這裏，本書的寫作用意就呼之欲出了。是的，它的定位就在於，爲初學者提供關於數據科學的“最小必要知識”儲備，從而找到那份“最性感的”工作。它包含了成爲數據科學家的基礎知識——Python、數據分析和機器學習。
本書內容
本書包括三個部分，共計10章，每個部分和每章的內容簡介如下。
第一部分 Python講義
這部分內容主要涉及Python的基本應用。
第１章 初識Python與Jupyter
本章介紹了Python和Jupyter的基本用法，包括Python的安裝與運行，以及文學化編程利器—Jupyter的使用。
第2章 數據類型與程序控制結構
本章介紹了Python的基礎語法以及常見的數據類型、三種控制結構，包括順序結構、分支結構和循環結構。
第3章 自建Python模塊與第三方模塊
本章介紹了Python的自定義模塊及常用的第三方模塊，包括collection、datetime、json和random等。
第4章 Python函數
本章討論了Python的函數定義、函數的參數 “花式”傳遞、函數的遞歸調用及函數式編程。
第5章 Python高級特性
本章討論了面向對象程序設計思想、迭代器及生成器、文件操作、異常處理及錯誤調試等內容。
第二部分 數據分析
這部分內容主要涉及數據分析所需的技能，如向量計算所用的NumPy、數據分析的所用Pandas和可視化展示所用的Matplotlib。
第6章 NumPy向量計算
本章討論了NumPy數組的構建、方法和屬性、NumPy的廣播和布爾索引、向量的堆疊及愛因斯坦求和約定等。
第7章 Pandas數據分析
本章主要介紹了Pandas的兩種常用數據處理結構Series和DataFrame。並介紹了基於Pandas的文件讀取和分析，涉及數據的清洗、條件過濾、聚合與分組。
第8章 Matplotlib與Seaborn可視化分析
本章主要介紹Matplotlib和Seaborn的基本用法，包括散點圖、折線圖、條形圖、直方圖及餅狀圖等專業圖形的畫法，並以谷歌流感趨勢數據，結合Pandas繪圖分析。
第三部分 機器學習
這部分內容主要涉及機器學習的基本概念和機器學習框架scikit-learn的基本用法。
第9章 機器學習初步
本章主要介紹有關機器學習初步知識，包括機器學習的概念，以及機器學習的幾個主要流派，並討論機器學習的模型評估和性能度量，包括混淆矩陣、查準率、ROC曲線等。
第10章 sklearn與經典機器學習算法
本章主要講解sklearn的用法，並介紹幾種經典機器學習算法的原理和實戰，這些算法包括線性迴歸、k-近鄰算法、Logistics迴歸分類算法、神經網絡、k均值聚類算法等。
閱讀準備
本書理論結合實踐，爲運行本書示例代碼，需提前安裝如下軟件環境。
操作系統：Windows、macOS、Linux均可。
Python環境：建議使用Anaconda安裝，確保Python 3即可。
NumPy: 建議使用Anaconda安裝，版本號>=1.18。
Pandas: 建議使用Anaconda安裝，版本號>=1.0.1。
sklearn: 建議使用Anaconda安裝，版本號>=0.22.1。
聯繫作者
數據科學是一個前沿而廣袤的研究領域，很少有人能對每個研究方向都有深刻的認知。作者自認才疏學淺，同時也限於時間與篇幅關係，書中難免出現理解偏差和錯繆之處，若讀者朋友能大方指出，作者將及時修正，不勝感激。
作者聯繫郵件：[email protected]
致謝
這本《Python極簡講義：一本書入門數據分析與機器學習》，從構思、查閱資料、撰寫及繪圖，到出版爲書，歷時一年有餘。圖書得以面市，自然得益於多方面的幫助和支持。在信息獲取上，從很多圖書和網絡資源中，我學習並吸納了很多精華知識，文中也儘可能給出文獻出處，如有疏漏，請來信告知。這裏，我對這些高價值資料的提供者、生產者，表示深深的敬意和謝意。
很多人在這本書的出版上扮演者重要角色。例如，電子工業出版社博文視點的孫奇俏老師在選題和編輯上，國網河北電科院計量中心趙佩、河南工業大學蘇灝等在文稿校對上，都付出了辛勤的勞動，在此一併表示感謝。
張玉宏
2020年3月16日
美國卡梅爾
[①] Davenport T H, Patil D J. Data Scientist: The Sexiest Job of the 21st Century-A new breed of professional holds the key to capitalizing on big data opportunities. But these specialists aren't easy to find—And the competition for them is fierce[J]. Harvard Business Review, 2012: 70.
[②]埃裏克·萊斯（Eric Ries）著，吳彤 譯. 精益創業新創企業的成長思維[M]. 北京：中信出版社, 2012