使用Python数据分析进行标准化和归一化的意义是什么,以及有哪些操作方法?

不和使用场景匹配,纯谈工具都是耍流氓。

问这个问题证明你还没有搞清楚自己的定位,先弄清楚这两个问题:

你的工作岗位是什么呢?是文员还是程序员?

然后我们在看看市场上的工作岗位,到底有没有文员兼职做程序员,或者有人做程序员兼职做公司文员的?好像是没有吧?

所以说,Python还是Excel,不只是简单的选择问题,[杀鸡焉用牛刀]?用 Excel 还是 Python,具体还是要看使用场景和需求。

如果是场景复杂数据量特别大的样本,Python 的确很好用。但如果只是日常办公,简单做个[统计报表]或者透视表之类,完全没必要打开[编辑器]写代码再运行,Excel 省时又省力。


Excel和Python的区别在哪里

01 数据量&处理需求

Excel 适合结构化的数据处理,且数据处理的量级**完全足够日常办公(104w行)**使用。

Python 适合大批量的(不同)[结构化数据]处理,直观性比 Excel 差一些,**适用面广但是普及程度有限,**毕竟学习门槛在那儿呢。

使用Python数据分析进行标准化和归一化的意义是什么,以及有哪些操作方法?_第1张图片

02 门槛&成本

Excel入门门槛低,学习的时间也长,比如大学几乎所有专业都会教 Excel,是一种必需型技能。而对于日常办公,非专业人员用 Excel 的宏就足够了。

相较于 Excel 来说,Python学习成本高,调试成本也高,很多人 [vlookup]都不会用, Python 肯定玩不转的。Python的语法再简单,也要有一定的编程思维,对非开发人员要求还是高了,非必要不会为了搞 Excel 去学编程。

03 定位 &普适性

Excel定位是[办公软件],而Python 出生就是程序[开发工具],更好使用和更好编程也是两个概念,两者面向群体不同,不能一概而论。对于非开发人员来说,使用 Python 的学习成本要远高于使用 Excel。

**举个例子:**用 Excel 做出来的东西,可以毫无阻滞地同步给领导、同事、客户。但 Python 做出来的东西运行还需要环境。如果发个[流水统计表]给同事还需要对方安装配置环境,那就是逗人玩了。

使用Python数据分析进行标准化和归一化的意义是什么,以及有哪些操作方法?_第2张图片

要是细分的话还可以列很多,交给各位伙伴了,评论区见。

所以:如果是简单的[批处理],Excel 完全没问题,如果是日常10w行以上的处理,再用 Python 也不迟。


已经会Excel了还有必要学Python吗?

有必要。

上面也说了,用Excel还是Python,不只是选择的问题,需要看场景。

在直观性上 Python 肯定是弱于 Excel 的。Excel 的复用和分享都更简单,不涉及到任何代码更改或者再调试,也不用和交接者交代任何配置以及依赖的问题。

但 Python 的主要优势在人工智能和大数据,相比Excel,Python主要优势有:

01 python数据分析处理的效率更高,扩展性更好

用Excel进行数据处理局限于104w行的数据限制,但实际使用中,五六十万行数据基本就没法操作了,卡的不行。

和Excel相比,python在处理大量数据及复杂运算时效率更高。几十万行,甚至几十个G的数据对python来说是[小菜一碟]。

使用Python数据分析进行标准化和归一化的意义是什么,以及有哪些操作方法?_第3张图片

02 代码可复用,分析过程可复现

用python做数据分析方便复现分析过程。只要数据源不变,输出结果保证是一致的,不会因为时间和操作者的变化而变化。

使用Python数据分析进行标准化和归一化的意义是什么,以及有哪些操作方法?_第4张图片

03 集成与交互性强

python作为一门主流的来源[编程语言],可以与很多编程语言及应用集成,从而方便快速地进行数据及信息的交互。

例如python可以与各种数据库连接,通过SQL语句对数据库的数据进行存、取、修改等操作。

另外python还可以连接API应用程序,编写自动化脚本操作应用程序。例如用 python编写程序自动抓取网络上各种各样的数据、自动下载、分析,免去[人工搜索]、下载、处理等重复劳动。

以上。

最后

如果对Python感兴趣的话,可以试试我的学习方法以及相关的学习资料

一、Python所有方向的学习路线

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
在这里插入图片描述

二、Python必备开发工具

在这里插入图片描述

三、精品Python学习书籍

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
使用Python数据分析进行标准化和归一化的意义是什么,以及有哪些操作方法?_第5张图片

四、Python视频合集

观看零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
在这里插入图片描述

五、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

六、Python练习题

检查学习结果。
在这里插入图片描述

七、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
在这里插入图片描述
在这里插入图片描述
大家拿到脑图后,根据脑图对应的学习路线,做好学习计划制定。根据学习计划的路线来逐步学习,正常情况下2个月以内,再结合文章中资料,就能够很好地掌握Python并实现一些实践功能。

你可能感兴趣的:(python,Python编程,python,数据分析,开发语言,数据预处理)