Python Data Science Handbook: sách Python miễn phí
/PythonDataScienceHandbook
Python Data Science Handbook là một khóa học khoa học dữ liệu miễn phí, đầy đủ, ở dạng notebook, không phải chương mẫu dẫn bạn tới việc mua sách. Sách xứng đáng được giới thiệu vì mỗi phần đặt code chạy được ngay cạnh phần giải thích, nên đổi một tham số và chạy lại cell thay thế cho việc đoán mò. Sách dừng ở Scikit-Learn kinh điển, không phải deep learning. Đọc trọn bộ hoặc nhảy vào từng chương khi cần.
Python Data Science Handbook là gì
Python Data Science Handbook là bản notebook Jupyter miễn phí của cuốn sách O'Reilly do Jake VanderPlas viết, bao quát IPython, NumPy, Pandas, Matplotlib và Scikit-Learn từ đầu đến cuối. Repo GitHub lưu toàn bộ nội dung dưới dạng notebook chạy được, đọc online hoặc chạy trực tiếp trên Google Colab hay Binder mà không cần cài gì trên máy.
Điều gì làm cuốn sách này khác biệt
- ✓Sách được tổ chức lần lượt theo từng thư viện — IPython, rồi đến NumPy, Pandas, Matplotlib và Scikit-Learn — nên mỗi phần đứng độc lập nếu bạn chỉ cần một chủ đề.
- ✓Phần giải thích và code chạy được nằm chung trong cùng cell notebook, không tách thành khối code riêng phải copy ra ngoài, nên bạn đổi giá trị và chạy lại ngay.
- ✓Toàn bộ nội dung miễn phí khi đọc online, không phải chương mẫu; bản in được bán riêng qua O'Reilly Media cho ai muốn có bản giấy.
- ✓Notebook mở trực tiếp trên Google Colab hoặc chạy qua Binder, nên bạn theo dõi được mà không cần cài Python trên máy.
- ✓Một dự án đi kèm, A Whirlwind Tour of Python, dạy ngôn ngữ Python cho ai bắt đầu đọc Handbook mà chưa có nền tảng đó.
- ✓Index.ipynb liệt kê mọi notebook ở một chỗ, vừa là mục lục vừa là bản đồ chính xác những gì sách bao quát.
Điểm mạnh
- ✓Miễn phí và đầy đủ — toàn bộ sách ở đây, không phải chương mẫu dẫn bạn tới việc mua sách.
- ✓Mọi giải thích đều nằm cạnh code chạy được trong cùng notebook, nên bạn thử ý tưởng thay vì chỉ đọc về nó.
- ✓Bao quát cả bộ công cụ khoa học dữ liệu chuẩn (IPython, NumPy, Pandas, Matplotlib, Scikit-Learn) trong một chỗ thay vì năm tutorial rời rạc.
- ✓Nhiều cách để chạy: đọc online, mở trên Colab, chạy qua Binder, hoặc clone notebook về máy.
Những gì cuốn sách không đề cập
- △Code và nội dung được viết và kiểm thử với Python 3.5; README nói các phiên bản khác, kể cả Python 2.7, 'nên hoạt động trong hầu hết các trường hợp' — không phải cam kết chắc chắn cho môi trường Python 3.9+ hiện nay.
- △Sách dừng lại ở machine learning kinh điển với Scikit-Learn — không có nội dung deep learning, không có PyTorch hay TensorFlow.
- △Phần văn bản được cấp phép CC-BY-NC-ND, nên bạn đọc và chia sẻ được nhưng không được chỉnh sửa hay xuất bản lại vì mục đích thương mại; chỉ code mẫu mới dùng giấy phép MIT.
- △Không có bài tập hay assignment có chấm điểm — đọc giống tài liệu tham khảo kết hợp tutorial hơn là một khóa học có checkpoint rõ ràng.
Các tài nguyên miễn phí tương tự
Câu hỏi thường gặp
Python Data Science Handbook miễn phí đọc toàn văn online dưới dạng notebook Jupyter; README cũng nhắc tới một bản in được bán riêng qua O'Reilly Media cho ai muốn có bản giấy.
Python Data Science Handbook bao quát IPython, NumPy, Pandas, Matplotlib và Scikit-Learn làm thư viện cốt lõi, đi qua từng thư viện trong phần riêng trước khi kết hợp chúng vào các ví dụ phân tích dữ liệu.
Python Data Science Handbook giả định bạn đã biết ngôn ngữ Python; sách không dạy cú pháp cơ bản. Nếu bạn mới với Python, dự án đi kèm của tác giả, A Whirlwind Tour of Python, dạy phần đó trước.
Repo GitHub lưu toàn bộ nội dung sách dưới dạng notebook Jupyter chạy được — cùng nội dung với bản in và bản online, nhưng bạn chạy, sửa và chạy lại từng cell code thay vì chỉ đọc trang tĩnh.
Có khả năng — Python Data Science Handbook được viết và kiểm thử với Python 3.5, README nói các phiên bản khác nên hoạt động trong hầu hết trường hợp, nhưng không xác nhận cụ thể đã kiểm thử với 3.9 hay 3.10.
Lợi thế chính so với phần lớn đối thủ là giá và định dạng: toàn văn miễn phí và ở dạng notebook chạy được thay vì trang tĩnh, nên bạn chạy đúng đoạn code tác giả dùng thay vì gõ lại ví dụ từ trang sách in.
Trường hợp sử dụng tốt nhất
- •Học broadcasting mảng trong NumPy và các thao tác DataFrame trong Pandas qua ví dụ thực tế thay vì đọc tài liệu API khô khan.
- •Theo dõi bài học trên Google Colab trong buổi tự học, không cần cài môi trường cục bộ.
- •Dùng Index.ipynb như tài liệu tra cứu khi bạn đã biết chút ít về khoa học dữ liệu và chỉ cần cú pháp Matplotlib hay Scikit-Learn cho một loại biểu đồ hoặc mô hình cụ thể.
- •Đọc A Whirlwind Tour of Python trước nếu bạn đã biết lập trình nói chung nhưng còn mới với riêng Python.
Ai nên thử — và ai nên bỏ qua
Ai đã biết Python cơ bản và muốn một tài liệu tham khảo miễn phí duy nhất cho bộ NumPy/Pandas/Matplotlib/Scikit-Learn nên bắt đầu từ đây — sách được viết cho đúng đối tượng đó, theo giả định của README rằng người đọc đã quen Python. Bỏ qua nếu bạn chưa biết Python (đọc A Whirlwind Tour of Python trước) hoặc nếu bạn tìm deep learning: Handbook dừng ở Scikit-Learn kinh điển và không chạm tới PyTorch hay TensorFlow.
Repo liên quan
Chưa chắc PythonDataScienceHandbook có hợp với bạn?
Để ChatGPT, Claude hoặc Perplexity tìm hiểu giúp — bấm bên dưới và xem AI nói gì về PythonDataScienceHandbook.