一句话定位

它是用笔记本形式放出来的整本书

整个网站就是这本书本身，内容是交互式笔记本，不是静态的网页正文。

代码可以一段一段自己跑，改一个参数立刻能看到结果。这一点让它同时具备书与练习场两种用法。

书另有纸本版本，由一家技术出版社出版。线上版不收钱，代码部分用宽松的开源许可。

它分成五块

• IPython 与笔记本。先把工作环境讲清楚，包括怎么在笔记本里写代码、看结果。
• NumPy。讲数组这一层，包括索引、切片、运算与广播这类容易踩坑的地方。
• Pandas。讲带标签的数据表：怎么读、怎么筛、怎么分组汇总。
• Matplotlib。讲怎么把数据画出来，从简单折线到多子图排布。
• 机器学习。用一套统一的接口走一遍常见的模型：分类、回归、聚类、降维。

它假定你已经有编程基础

书的第一页就把边界划了出来：这里不教 Python 语法，也不教数据科学是什么，假定读者已经会写代码、知道自己在做什么分析。

正因为省掉了入门部分，它的节奏比一般的教程快：一块内容常常几十页就把核心用法讲完。

这条边界也让它的定位很清楚：它是补工具链的，不是从零起步的。

它的代码可以逐段跑

因为是笔记本，每一段代码都能单独执行，出错也会停在那一段上，不用从头查。

这对「看懂」与「会用」之间的那段距离很关键：光读会以为懂了，自己跑一遍才会发现卡在哪。

在线版直接把代码框和输出摆在一起，读的时候就在同一个页面上。

它把几样工具串成了一条顺序

书里的顺序不是随便排的：先是环境，再是数组，再是数据表，再是画图，最后是模型。

这个顺序与真实工作里的顺序基本一致：任何一次分析，通常都是先把数据弄进来、整理、看一眼分布，再谈建模。

按这个顺序读下来，五块内容会接成一条链，而不是五个互不相干的工具说明。