對于那些不斷被告知“出版或消亡”的學者來說，總是想從零開始創造一些自己的新鮮創造，這是很自然的。這本書是一個從零開始的實驗，而不是“混合”書名為PythyPython：如何像Allen B. Downey、Jeff Elkner和其他人寫的計算機科學家那樣思考。2009年12月，我正準備在密歇根大學連續第五個學期教授SI502網絡編程，我決定是時候編寫一本Python教科書，重點是探索數據，而不是理解算法和抽象。我在SI502中的目標是教人們使用Python終身的數據處理技能。我的學生中很少有人打算成為專業的計算機程序員。相反，他們計劃成為圖書管理員、經理、律師、生物學家、經濟學家等，他們碰巧希望在自己選擇的領域熟練地使用技術。我似乎從來沒有為我的課程找到完美的面向數據的Python書籍，所以我開始寫這樣一本書。幸運的是，在我準備在假期里從頭開始寫新書的三周前的一次教員會議上，Atul Prakash博士向我展示了他那學期用來教授Python課程的Think Python book。這是一個寫得很好的計算機科學的文本，重點是簡短，直接的解釋和易于學習。為了盡快解決數據分析問題，本書的整體結構已經改變，從一開始就有了一系列關于數據分析的運行示例和練習。第2-10章類似于ThinkPython的書，但是有一些重大的變化。面向數字的例子和練習已經被面向數據的練習所取代。主題按構建日益復雜的數據分析解決方案所需的順序呈現。一些主題，如try和except，作為條件句一章的一部分被提出。函數被賦予非常輕的處理，直到它們需要處理程序復雜性，而不是作為抽象的早期教訓引入。幾乎所有用戶定義的函數都已從第4章之外的示例代碼和練習中刪除。“遞歸”一詞根本沒有出現在書中。在第1章和第11-16章中，所有的材料都是全新的，著重于Python在數據分析中的實際應用和簡單示例，包括用于搜索和解析的正則表達式、在計算機上自動執行任務、通過網絡檢索數據、為數據刮取網頁、面向對象編程、使用web服務，解析XML和JSON數據，使用結構化查詢語言創建和使用數據庫，以及可視化數據。所有這些變化的最終目標是從計算機科學轉移到信息學的焦點，并且只將主題包含到第一個技術類中，即使一個人選擇不成為專業程序員，這些技術類也是有用的。

?

　　如果學生覺得這本書有趣并想進一步探索，應該看看艾倫B唐尼的《思考巨蟒》一書。由于這兩本書之間有很多重疊，學生們將很快掌握Think Python中涉及的技術編程和算法思考的其他領域的技能。考慮到這些書有著相似的寫作風格，他們應該能夠以最小的努力快速地通過Think Python。作為Think Python的版權所有者，Allen允許我將本書中的內容許可證從GNU Free Documentation許可證更改為更新的Creative Commons Attribution-Share-like許可證。在此之前，開放文檔許可證從GFDL到CC-BY-s a（如Wikipedia）有了一個普遍的轉變。使用CC-BY-SA許可證保持了本書強大的版權傳統，同時使新作者可以更直接地在他們認為合適的情況下重用這些材料。我覺得這本書是一個例子，說明了為什么開放材料對教育的未來如此重要，我要感謝艾倫·B·唐尼和劍橋大學出版社作出了前瞻性的決定，讓這本書在開放版權下出版。我希望他們對我的努力成果感到高興，我希望讀者們對我們的集體努力感到高興。我要感謝艾倫·B·唐尼和勞倫·考爾斯在處理和解決本書的版權問題方面給予的幫助、耐心和指導。