若要獨立用 Python 處理資料科學問題，Pandas 是繞不過去的。
新番
今天，花了一上午的時間，跟著這個 Youtube 系列教程，學習了 Pandas 中級技巧。
視訊來自於 Data School。釋出者是 Kevin Markham 。
在這個系列視訊教程裡， Kevin 將自己的 PYCON 2018 workshop 分成了10個部分全部精剪後釋出。一步步帶你領略 Pandas 的魅力。
我用了2個多小時，完成了他10個視訊的全部內容。
收穫頗豐。
利用教程中提到的美國交通警務資料來自於史丹佛開放警務專案（THE STANFORD OPEN POLICING PROJECT）。
這是資料大概的樣子：
一步步按照 Kevin 的指令練習，你可以完成這些內容：
分析男女司機的交通違規都包括哪些類別？每一類佔比如何？
那些被搜查車輛的男女司機，各是由於什麼原因？
哪個時段，警察發現違規的數量最多？
不同違規行為裡，司機年齡是如何分佈的？
這些分析結果，只是這個教程的一小部分而已。
更妙的是，上述這些圖形，幾乎都是利用兩三條 Pandas 語句，就可以做出。有的只需要一條就可以。
怎麼樣？有沒有想學習的衝動？
教程與 ipynb 檔案，都可以從這個github repo下載。
安裝好 Anaconda 3之後，你就可以開啟一個 Jupyter Notebook，跟著視訊一起做了。
老友
說說我是怎麼找到這麼好的視訊教程的。
其實一點兒也不稀奇。
因為我追 data school （Kevin Markham） 的視訊，已經有好幾年了。
可以看到， Kevin 最早的視訊，上傳於 2014 年 4 月，講述 git 和 github。
他還開設了官方網站 dataschool.io 。
後面一發不可收拾。講的內容，幾乎都是令人感興趣的資料科學領域知識。
包括：
- R ，尤其是 dplyr。也是我們之前介紹過的 R 語言大師級人物 Hadley Wickham 的作品（參見《如何用 Python 和 API 收集與分析網路資料？》）；
- 利用 Python 和 scikit-learn 做機器學習；
- 利用 Pandas 做資料整理；
- 用 Beautifulsoup 做網路爬蟲。
我從2013年，開始自學 Python 。
其中有段時間，一直在追 dataschool 的更新。
從這些免費視訊教程中，我受益良多。
2016年， Kevin 出品了一門付費課程，講授如何使用 Python, scikit-learn 來進行自然語言處理(NLP)以及文字機器學習（machine learning for text）。
這是我第一次在主流課程平臺（Coursera, Udacity, EdX, Datacamp）之外，付費購買課程。
售價不菲。
但是我覺得，這筆投資很有收穫。
依靠這門課程獲得的知識與技能，我帶著研究生團隊釋出了3篇論文，其中2篇 EI 檢索國際會議，一篇CSSCI國核心心期刊。3名研究生順利畢業。
我也把這門課程中學到的知識，利用簡書和微信公眾號等途徑，分享給了更多人。
案例式教學，詳細講述過程，用 Jupyter Notebook 分享全部程式碼與執行結果……
如果你常看我的公眾號，對這種風格，應該不陌生吧？
對，Kevin 給了我很大影響。
但是，學完這門課之後，我發現 Kevin 的 Youtube 頻道，一直出於停更狀態。
我當時疑惑，他是不是和 mac 系統某著名編輯器作者一樣，錢賺夠了就一走了之退休了？
還好，幾個月後，我從訂閱郵件得知了他的去向：
原來是喜得貴子，休陪產假去了。
所以，在 PyCon 2018 看見 Kevin 迴歸，我很開心。
教程
資料框 Pandas 的教程，我推薦你認真學習。
為什麼呢？
因為資料科學分析全流程裡面，人們似乎對爬蟲（入口）和深度學習（出口）過於熱衷，往往忘記了採集來的資訊也許不是結構化的，而且裡面存在著“不乾淨”（untidy）的資料，需要整理。
整理這樣的資料，常用的工具，分別是 Python 中的 Pandas，以及 R 中的 tidyverse。
想想看，如果你用 Beautifulsoup, requests-html, scrapy 爬取資料，用 scikit-learn, keras, tensorflow 來做機器學習，那麼你願意中間跑出去一趟，到 R 裡面做資料整理，再折騰回來嗎？
所以，Pandas 比起 tidyverse 的主要優勢，並不在於它的功能更強大，而在於它屬於 Python 生態環境。
若要獨立用 Python 處理資料科學問題，Pandas 是繞不過去的。
一旦你掌握了 Pandas 的資料框技術，就能輕鬆處理收集來的資料，同時為後面的模型建立做好充足的鋪墊工作。
用什麼教程來學習呢？
如果你對紙質閱讀有偏愛，我推薦你看經典之作：Python for Data Analysis。這本書廣受好評，口碑說明很多問題。
這本書有個問題，就是已經出版了將近6年，所以很多操作都已經過時了。
另外，所有紙質書的普遍問題，在於認知攝取維度單一。
相較而言，我更喜歡看視訊教程，畢竟有個真人在演示，感覺好很多，也對自己的學習有個督促。
最起碼，還能鍛鍊一下英語聽說讀寫能力，是不是？
不過PyCon 2018 的這個教程，並不適合 Pandas 初學者。它的定位，是有一定基礎的使用者群體。
跟著教程開始做之前，我建議你先把 Pandas 的基礎內容，學習一遍。
推薦的教程，是 Kevin 2016年的 Pandas 系列免費視訊教程：Data analysis in Python with pandas。
這個教程，從最簡單的概念談起，先教你怎麼讀取 csv 資料，然後一步步用具體問題引領你嘗試、實踐資料整理與分析操作。
可是，這個教程畢竟也已經出來兩年了。
兩年，對於一個成熟學科來說，也許還算不得什麼。
不過，對於資料科學，那真可謂日新月異。
好在，2018年1月份， Kevin 發了兩段更新視訊教程，介紹了當前 Pandas 最新版本(0.22) 和 2016年時的版本（0.18）之間的區別，算是給教程打了個升級補丁。
有了這些前導內容做基礎，相信你再來看 PyCon 2018 的視訊，就輕鬆多了。
但是，我的建議，是不要侷限於觀看，而要一邊看，一邊開啟 Jupyter Notebook 來實踐。
唯其如此，才能真正提升應用技能，把 Pandas 的常用命令形成肌肉記憶。
祝學習進步！
喜歡請點贊。還可以微信關注和置頂我的公眾號“玉樹芝蘭”(nkwangshuyi)。
如果你對資料科學感興趣，不妨閱讀我的系列教程索引貼《如何高效入門資料科學？》，裡面還有更多的有趣問題及解法。