资料名称： Python for Data Analysis（第3版，开放教材）

帖内资料： 无附件。本帖是作者官网开放版（wesmckinney.com/book）的获取与重点说明，正文与代码须从官网与代码仓库按章阅读。注意：开放版正文可免费在线读，但页面声明正文不可复制转载；真正可自由取用的是代码示例。

时间覆盖： 第三版（2022 年 8 月首发，后续按 pandas 2.0.0 与 Python 3.10 更新），在线版持续可访问并定期修勘误。

许可与引用： 在线正文以开放版形式免费阅读，但版权归作者，页面明确「内容不可复制或再分发」；示例代码以 MIT 许可发布在 GitHub（仓库 wesm/pydata-book 的 3rd-edition 分支）并附带配套数据集。引用注明作者 Wes McKinney 与书名、版本。

适用任务： 按 NumPy／pandas 基础、数据读写、清洗、合并变形、时间序列章节取案例与代码，学用 pandas 把真实数据整理成可分析的样子。

《Python for Data Analysis》是 Wes McKinney 写的书，而他正是 pandas 这个库的作者——这一点让这本书在数据分析入门里地位特殊：它不是第三方在讲别人的工具，而是造工具的人把自己多年的用法写成教材。第三版已经全面更新到 pandas 2.0.0 和 Python 3.10，相比第二版主要就是把 2017 年以来 pandas 的变化都补齐了。

这本书最友好的地方是它有一个「Open Access」的在线版。纸质书和电子书照常卖，但同一份内容同时在作者官网以网页形式免费开放阅读，任何人都可以在浏览器里从头读到尾。页面是用 Quarto 排版系统生成的，读起来跟看电子书差不多，左侧有章节导航，章节内还能直接展开代码。对想先试再买、或者只是查某一章写法的人，这个开放版很省事。

书的结构是一条清晰的「先打底、再上手」路线。开头讲 NumPy 的基础——数组、向量化运算这些 pandas 的底层依赖；接着进入 pandas 本身，先把 Series 和 DataFrame 这两个核心对象讲透。然后才进入数据分析真正耗时的环节：怎么把各种格式的数据读进来、怎么清洗那些缺值错值重复值、怎么把多张表按关键字段合并或变形、以及怎么处理带时间索引的数据。

题目点名的清洗、合并、时间序列，恰好是后面这几章的主线——也是日常做数据的人最怕、也最值得练的部分。

这里有个容易踩的坑要提前说清：开放版是「免费读」，不是「随便转」。页面明确写了网站内容不可复制或再分发，所以你能在自己屏幕上读、能按章节抄写练习用的代码片段，但不能把整章正文搬走另发。真正可以自由取用的是代码——所有示例都以 MIT 许可放在 GitHub 上（3rd-edition 分支），连同书里用到的配套数据集一起，clone 下来就能跑。

读正文用官网，跑代码去仓库，两件事分开，许可才清爽。

一个实用建议：别从第一页死磕。直接跳到「数据清洗」「合并与变形」「时间序列」那几章，对着仓库里对应的 notebook 或脚本一段段跑，改两个参数看输出怎么变，比通读更省时间。卡在语法点时再回前面的 NumPy／pandas 基础章补对应的点。书的更新历史也值得一看——它能告诉你哪些写法是因为 pandas 2.0 才改的，避免拿旧版本的心得套新版本。

下面把官网入口、代码仓库和按章节取代码的要点整理出来，回复一下就能看到。