Python Data Science Handbook

Manual de referencia de O'Reilly redactado por Jake VanderPlas que cubre de manera integral el núcleo científico de Python (basado en Python 3.5 en su primera edición). Está destinado a programadores, científicos, matemáticos e ingenieros con conocimientos previos de la sintaxis de Python que necesitan dominar en profundidad las herramientas estándar de computación numérica, análisis de datos tabulares, visualización y algoritmos de aprendizaje automático clásico.

El contenido está articulado rigurosamente en torno a los cinco pilares del ecosistema científico: el entorno interactivo de IPython y Jupyter Notebooks (comandos mágicos, depuración y perfilado de rendimiento); computación de alto rendimiento con NumPy (arreglos ndarray, funciones universales, broadcasting e indexación booleana); manipulación y transformación de datos con pandas (estructuras Series y DataFrame, agregaciones con groupby, tablas pivote y series temporales); visualización de datos con matplotlib (gráficos 2D, 3D, mapas de contorno y personalización de estilos) y gráficos estadísticos con seaborn; y machine learning con scikit-learn, abarcando validación cruzada, ingeniería de características, Naive Bayes, regresión lineal, Support Vector Machines (SVM), árboles de decisión, Random Forests, PCA y clustering con k-Means y modelos de mezclas gaussianas.

El aprendizaje se consolida mediante cuadernos ejecutables y casos de aplicación completos, destacando un pipeline de detección facial con visión artificial y un modelo de predicción del volumen de ciclistas en el puente Fremont de Seattle que cruza datos temporales con variables climáticas. Su mayor fortaleza radica en explicar con una claridad matemática y técnica excepcional el funcionamiento interno de las operaciones vectorizadas y los algoritmos. No incluye redes neuronales profundas (deep learning con TensorFlow o PyTorch) ni procesamiento distribuido. Es recomendable contar con una base de álgebra lineal, cálculo básico y estadística.