资源介绍
书籍内容架构
本书共分为五个主要部分，涵盖 Python 基础、Pandas 数据分析、spaCy 自然语言处理、应用设计以及结论，各部分内容层层递进，逻辑清晰。
（一）第一部分：Python 基础（第 1-6 章）
这部分是 Python 入门的基础内容，从 Python 的基本介绍入手，解答人文学者为何应学习编程这一关键问题。书中以大型数字历史项目的时间线为例，说明学习编程能让研究者在几天或几周内测试想法，创建最小可行产品（MVP），助力获取项目资金；还阐述了掌握编程可使人文研究者成为自主研究者，减少项目成本、解决沟通问题、缩短想法到执行的滞后时间，同时提及自动化、系统清理数据等学习编程的其他益处。
随后介绍了 Python 的定义、优势，如易读易写、拥有庞大社区和丰富库资源等，以及当前的版本情况。在安装 Python 部分，提供了五种方式，从简单到复杂依次为使用教材数字版中嵌入的 Trinket 应用、Google Colab、教材自带的 Binder 功能、免费在线 Jupyter Notebook，以及通过 Anaconda Navigator 在本地安装并使用 JupyterLab，还详细讲解了每种安装方式的操作步骤，尤其推荐新手通过 Anaconda Navigator 安装，以减少错误。
此外，还涵盖了 Python 编码基础，包括打印函数、对象、变量、大小写敏感性、保留字、内置类型、类型函数以及 bugs（错误）的相关知识，为读者后续深入学习 Python 打下坚实基础。同时，介绍了数据与数据结构，详细讲解了字符串、整数、浮点数、布尔值等数据类型，以及列表、元组、集合、字典等数据结构的定义、创建方法、特性（如可变性与不可变性）和相关操作，如索引、添加元素、替换元素等。
在循环与逻辑章节，阐述了 for 循环和 while 循环的概念、用法，通过实例讲解了循环的构建与应用，还介绍了列表推导式，对比了其与普通循环的异同及适用场景；讲解了比较运算符（如等于、大于、小于等）以及条件语句（if、else、elif），结合实例展示了如何在循环和数据处理中运用这些逻辑判断，帮助读者实现更复杂的数据筛选与处理。
函数、类与库章节介绍了函数的定义、组成部分（函数名、参数、文档字符串、函数体、返回值）、调用方法，包括带多个参数、关键字参数、任意参数的函数；讲解了类的创建、属性与方法的定义及使用，以 “皇帝” 类为例展示了类在数据存储与处理中的应用；还介绍了 Python 库的概念、安装方法（使用 pip 命令）和导入方式，以 Pandas、Requests、BeautifulSoup 等常用库为例进行了演示。
最后，介绍了如何处理外部数据，包括文本数据和 JSON 数据的读取与写入方法，以及如何使用 glob 库和 os 库处理多个文件，如查找特定类型文件、遍历目录等，为读者处理实际研究中的大量数据提供了实用方法。在网页数据处理部分，讲解了 HTML 的基本结构和常用标签、属性，介绍了如何使用 BeautifulSoup 库解析 HTML 数据，以及如何结合 Requests 库调用远程服务器获取网页数据并进行解析，以维基百科 “法国君主列表” 页面为例，演示了网页数据的抓取与处理过程。
（二）第二部分：Pandas 数据分析（第 7-10 章）
这部分聚焦 Pandas 库，首先介绍了 Pandas 的定义，它是用于处理表格数据的强大 Python 库，尤其擅长将.csv 文件等加载为 DataFrame 数据结构，该结构能保留表格数据的结构和层次，便于数据访问与分析，还说明了 Pandas 在数据处理中的优势以及在众多数据分析师资源中的基础地位。
接着讲解了 Pandas 的安装与导入方法，推荐使用 “import pandas as pd” 的导入方式，符合 Python 的使用习惯。在 Pandas 基础部分，介绍了如何从字典创建 DataFrame、显示 DataFrame、将 DataFrame 保存为 CSV 或 JSON 文件以及从这些文件中读取数据，还讲解了如何向 DataFrame 添加列、获取特定列数据、将列数据转换为列表、提取列中的唯一值以及通过索引获取特定行数据，此外，还介绍了如何使用 df.iterrows () 方法遍历 DataFrame。
在 DataFrame 数据查找章节，以泰坦尼克号乘客数据集为例，介绍了如何获取数据集的列名、查看数据集的前几行数据（使用 df.head () 方法）、获取特定范围的行数据（使用 df.iloc [] 方法）、通过 df.describe () 方法获取数据集的定量统计信息，以及如何使用 df.loc [] 方法根据特定条件筛选数据，如查找女性乘客、特定舱位的乘客等，还介绍了使用 “|” 实现 “或” 逻辑的查询方法。
数据组织章节介绍了如何使用 df.sort_values () 方法对 DataFrame 数据进行排序，包括按单个列排序、反向排序、按多个列排序以及按多个列不同方式排序（部分列升序、部分列降序），通过实例展示了排序操作在数据整理中的应用。
数据清理章节讲解了如何删除 DataFrame 中的特定列（使用 df.drop () 方法）、保留特定列、删除包含 NaN 值的行（使用 df.dropna () 方法），可选择删除任意列含 NaN 的行或特定列含 NaN 的行，还介绍了如何转换 DataFrame 中列的数据类型（如从浮点数转换为整数），解决了转换过程中可能出现的问题，如处理 NaN 值等。
高级搜索章节介绍了如何在 DataFrame 中进行高级字符串搜索，如查找包含特定字符串的记录、排除包含特定字符串的记录，以及结合正则表达式进行复杂的字符串匹配；还介绍了 filter () 和 query () 方法，filter () 方法可用于筛选特定列或重新排列列顺序，query () 方法可通过类似 SQL 的语法根据比较运算符（如等于、大于、小于等）查询数据，支持多条件组合查询。
分组分析章节介绍了 groupby () 函数的使用，通过实例展示了如何按特定列对数据进行分组，结合 count ()、sum () 等函数进行定量分析，如按性别分组统计乘客数量、按性别和舱位分组统计票价总和等，还介绍了如何处理分组后的多子集数据，将分组结果转换为 DataFrame 以便进一步分析和可视化。
数据可视化章节介绍了如何使用 Pandas 结合 Matplotlib 绘制条形图、水平条形图、饼图和散点图，详细讲解了图表的自定义方法，如添加标题、设置颜色、调整图表大小、添加标签、显示百分比等，以泰坦尼克号数据集为例，展示了如何通过图表直观呈现数据分布和关系，如不同性别的乘客数量分布、不同舱位乘客的年龄与票价关系等。
网络数据图表绘制章节介绍了如何结合 NetworkX 和 Matplotlib 将 Pandas DataFrame 中的网络数据（如源节点和目标节点数据）转换为网络图表，讲解了网络图表的绘制、添加标签、自定义节点颜色和背景色等操作，为分析人际关系、组织网络等人文研究相关的网络数据提供了方法。
时间序列数据处理章节介绍了时间序列数据的概念和重要性，以南非真相与和解委员会最终报告的数据集为例，讲解了如何处理时间序列数据，包括将浮点数类型的年份转换为整数类型、处理数据中的 NaN 值，以及将整数年份转换为 Pandas 的 datetime 类型，以便进行更高级的时间序列分析，如按年份排序、提取特定年份的数据等，还介绍了如何绘制时间序列数据的图表，直观展示数据随时间的变化趋势。
（三）第三部分：spaCy 自然语言处理（第 11-13 章）
这部分首先介绍了 spaCy 的定义，它是一个自然语言处理框架，属于计算语言学范畴，在学术研究、金融、法律、医疗等多个领域都有广泛应用，还说明了自然语言处理的复杂性以及深度学习在该领域的重要作用。
随后讲解了 spaCy 的安装方法，推荐读者参考 spaCy 官方网站，根据自身设备（如 Mac、Windows、Linux）和所需语言（如英语、法语、德语）获取相应的安装命令，在 JupyterBook 中可通过 “!” 执行终端命令进行安装，还介绍了如何导入 spaCy 以及下载并加载预训练模型（如小型英语模型 en_core_web_sm）。
spaCy 基础部分介绍了 spaCy 的核心容器，包括 Doc、Span 和 Token，讲解了它们之间的关系，Doc 是处理文本的基础对象，包含文本的所有信息；Span 是 Doc 的一部分，可跨多个 Token；Token 是文本的基本单位，如单词、标点符号等，通过图示帮助读者理解这些容器的结构和层次。
在 spaCy 与语言标注章节，介绍了如何创建 Doc 容器，通过将文本传入加载好的 spaCy 模型即可生成 Doc 对象，讲解了 Doc 对象与普通文本字符串的区别，Doc 对象包含丰富的元数据和语言标注信息，如分词结果、句子边界检测（SBD）、词性标注（POS Tagging）、命名实体识别（NER）等。
详细讲解了 Token 的各种属性，如文本（text）、中心词（head）、左右边界（left_edge、right_edge）、实体类型（ent_type_）、实体 IOB 标记（ent_iob_）、词元（lemma_）、形态学信息（morph）、词性（pos_）、句法依存关系（dep_）、语言（lang_）等，通过实例展示了如何获取和解读这些属性信息，帮助读者深入理解文本的语言结构和语义信息。
句子边界检测部分介绍了如何通过 Doc.sents 属性获取文本中的句子，讲解了 spaCy 句子边界检测的优势，能够准确处理包含缩写等复杂情况的句子分割，避免了简单使用字符串分割方法可能出现的错误。
词性标注部分介绍了 spaCy 如何对文本中的每个 Token 进行词性标注，展示了如何通过遍历 Doc 对象获取每个 Token 的文本、词性和句法依存关系，还介绍了使用 spaCy 的 displaCy 功能可视化句子的句法结构，帮助读者直观理解句子的语法结构。
命名实体识别部分介绍了如何通过 Doc.ents 属性获取文本中的命名实体及其类型，如地理政治实体（GPE）、人物（PERSON）、组织（ORG）等，展示了如何遍历 Doc.ents 获取实体信息，还介绍了使用 displaCy 功能可视化命名实体标注结果，使实体及其类型更加直观可见。
spaCy 管道部分介绍了 spaCy 管道的概念，管道由多个组件（pipe）组成，每个组件执