چاپ اول این کتاب در سال 2012 در حالی منتشر شد که کتابخانه‌های تجزیه و تحلیل داده متن باز برای پایتون (مانند pandas) بسیار جدید و به سرعت در حال توسعه بودند. ویرایش دوم این کتاب، به روز شده و توسعه یافته است و در آن فصل‌ها مورد بررسی قرار گرفته اند تا هم تغییرات ناسازگار و مطالب منسوخ شده و هم امکانات جدیدی را که در 5 سال گذشته معرفی شده اند را در نظر بگیرد. من همچنین مطالب جدیدی را برای معرفی ابزار‌ها اضافه کردم که یا در سال 2012 وجود نداشته اند و یا به اندازه کافی بالغ نشده بودند تا شرایط لازم برای معرفی در کتاب را کسب کنند. در نهایت، من سعی کرده ام که از نوشتن در مورد پروژه‌های متن باز جدید یا مراحل توسعه که احتمالاً شانسی برای بالغ شدن ندارند، خودداری کنم. من می‌خواهم خوانندگان این ویرایش متوجه شوند که این مطالب همچنان در سال‌های 2020 یا 2021 به اندازه سال 2017 هنوز هم مرتبط باقی خواهد ماند.

در ویرایش دوم کتاب Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython، دستورالعمل‌های کاملی را برای دستکاری، پردازش، تمیز کردن و خرد کردن مجموعه داده‌ها در Python دریافت می‌کنید. مطالب چاپ دم این کتاب عملی، به نسخه 3.6 پایتون به روزرسانی شده اند و مملو از مطالعات موردی عملی است که به شما نشان می‌دهند که چگونه می‌توانید مجموعه گسترده ای از مشکلات تجزیه و تحلیل داده‌ها را بطور موثری حل کنید. شما آخرین نسخه‌های pandas،NumPy ، IPython و Jupyter را در این فرآیند خواهید آموخت.

ویژگی‌های ویرایش دوم کتاب پایتون برای تجزیه و تحلیل داده ها: سر و کله زدن داده‌ها با Pandas، NumPy و IPython:

• استفاده از پوسته IPython و دفترچه Jupyter برای محاسبات اکتشافی
• یادگیری امکانات اصلی و پیشرفته در NumPy (Numerical Python)
• شروع کار با ابزار‌های تحلیل داده در کتابخانه pandas
• استفاده از ابزارهای انعطاف پذیر برای بارگیری، تمیز کردن، تبدیل، ادغام و تغییر شکل داده ها
• ایجاد تصویر سازی‌های آموزنده با matplotlib
• به کارگیری امکانات گروه بندی pandas برای slice، dice و خلاصه کردن مجموعه داده ها
• تجزیه و تحلیل و دستکاری داده‌های سری زمانی با قاعده و بدون قاعده
• آموختن چگونگی حل کردن مسائل تجزیه و تحلیل داده‌های دنیای واقعی با مثال‌های کامل و دقیق