Python数据分析笔记#0 引言

Python数据分析学习笔记#0

Yuan的学习笔记
作者：Yuan

为什么写这个笔记？

写这个笔记一方面是对我学习Python数据分析的复习，整理和巩固，另一方面是希望对那些想要学习Python数据分析的同学有所帮助。

这个笔记会写些什么？

如何利用Python进行数据控制，处理，整理，分析等方面的内容。

这个笔记的特点？

原书是《利用python进行数据分析》，作者韦斯·麦金尼是Python Pandas项目的创始人，所以我就选了这本读，然后我会尽量把这个笔记做的精简和通俗易懂，零门槛。

为什么要用Python进行数据分析？

O‘Reily年度报告：Python霸榜最受欢迎语言

• 自1991年诞生以来，Python现在已经成为最受欢迎的动态编程语言之
• Python成为数据科学，机器学习，学界和工业界软件开发最重要的语言之一
• Python的库强大
• Python作为胶水语言，可以集成C，C++以及Fortran代码

Python的缺点是：要比用编译型语言（如Java和C++）编写的代码运行慢得多

重要的Python库

（都是后面可能遇到的库，我就简单介绍一下，因为有些功能看起来很复杂，挺唬人的，后面遇到再学吧)

Numpy

Numerical Python的简称，是Python科学计算的基础包。功能有（只列举部分）：

• 快速高效多维数组对象
• 对数组执行数学运算的函数
• 线性代数运算，傅里叶变换，以及随机数生成

对于数值型数据，Numpy数组在存储和处理数据时要比内置的Python数据结构高效的多。

pandas

名字源于panel data（面板数据，多维结构化数据集在计量经济学中的术语），开始我还觉得奇怪，你怎么叫熊猫？pandas提供了快速便捷处理结构化数据的大量数据结构和函数，兼具Numpy高性能的数组计算功能以及电子表格和关系型数据库。

matplotlib、

最流行的用于绘制图表和其他二维数据可视化的Python库。

Scipy

专门解决科学计算中各种标准问题域的包的集合。

Numpy和Scipy结合使用，便形成了一个完备和成熟的计算平台

scikit-learn

2010年诞生以来，scikit-learn成为了Python的通用机器学习工具包，子模块包括：

• 分类：SVM，近邻，随机森林，逻辑回归等
• 回归：Lasso，岭回归等
• 聚类：k-均值，谱聚类等
• 降维：PCA，特征选择，矩阵分解等
• 选型：网格搜索，交叉验证，度量
• 预处理：特征提取，标准化

看不懂？没关系，这些都是机器学习相关的东西，这本书基本不涉及。

statsmodels

统计分析包，起源于斯坦福大学统计学教授Jonathan Taylor。子模块包括：

• 回归模型
• 方差分析
• 时间序列分析
• 统计模型结果可视化

statsmodels更关注统计推断，scikit-learn注重预测。

集成开发环境和文本编辑器

推荐在IPython或Jupyter notebooks中测试和调试每条代码。可以交互式操作数据和可视化验证数据。

创建软件时可以用特点更丰富的IDE：

• PyDev（免费，基于Eclipse平台的IDE）
• PyCharm（商业用户订阅，开源开发者免费）
• Visual Studio（微软的，Windows用户）
• Spider（免费，Anaconda附带的IDE）

喜欢哪个用哪个吧，我用的是Jupyter notebooks（超级推荐）和Visual Studio。

那下一篇就正式开始吧！

-完-

微信公众号：Yuan的学习笔记
关注微信公众号一起学习，分享吧