建站
咨詢(xún)
售后
建站咨詢(xún)
新聞中心
如果你是一個(gè)有追求的數(shù)據(jù)科學(xué)家，你應(yīng)該充滿(mǎn)好奇心，常常探索、學(xué)習(xí)和提問(wèn)。在線教程和視頻可以作為初期的準(zhǔn)備學(xué)習(xí)，但能夠證明你已經(jīng)做好準(zhǔn)備成為一個(gè)數(shù)據(jù)科學(xué)家的***方式是，你可以熟練的使用編程環(huán)境中各種所需的工具。
作 者詢(xún)問(wèn)了他們的數(shù)據(jù)科學(xué)專(zhuān)家，讓他們列出了他們所認(rèn)為的所有數(shù)據(jù)科學(xué)家都應(yīng)該熟練使用的7個(gè)Python工具。Galvanize Data Science和GalvanizeU課程均著眼于學(xué)生是否花費(fèi)大量時(shí)間沉浸于那些技術(shù)，將時(shí)間投資在深入研究工具上，這會(huì)讓你在找***份工作時(shí)擁有絕對(duì) 的優(yōu)勢(shì)。下面就來(lái)看看這些工具：
IPython
IPython是多種編程語(yǔ)言的交互式計(jì)算的命令外殼，最初為Python編程語(yǔ)言開(kāi)發(fā)，提供了增強(qiáng)自省、富媒體、增加額外的shell語(yǔ)法、tab補(bǔ)全和豐富的歷史功能。IPython提供以下功能：
強(qiáng)大的shell交互功能(基于QT終端)
一個(gè)基于瀏覽器的筆記本，支持代碼、文本、數(shù)學(xué)共表達(dá)式、內(nèi)置圖表和其他富媒體
支持交互數(shù)據(jù)可視化和使用GUI工具包
靈活的、可嵌入的將解釋程序加載到自有工程里
易用，并行計(jì)算的高性能工具
GraphLab Create
GraphLab Create是一個(gè)Python庫(kù)，由C++引擎支持，用于快速構(gòu)建大規(guī)模、高性能的數(shù)據(jù)產(chǎn)品。
下面是GraphLab Create的一些特點(diǎn)：
能夠在您的計(jì)算機(jī)上交互高速的分析TB量級(jí)數(shù)據(jù)
可分析表格數(shù)據(jù)、圖形、文本和圖像的單一平臺(tái)
先進(jìn)的技術(shù)機(jī)器算法學(xué)習(xí)，包括深度學(xué)習(xí)、進(jìn)化樹(shù)、factorization machines理論
使用Hadoop Yarn或EC2集群在你的筆記本上運(yùn)行相同的代碼
利用靈活的API接口使自己專(zhuān)注于任務(wù)或機(jī)器學(xué)習(xí)
使用數(shù)據(jù)預(yù)測(cè)服務(wù)輕松部署云數(shù)據(jù)產(chǎn)品。
為探索和生產(chǎn)監(jiān)測(cè)建立可視化數(shù)據(jù)
Pandas
Pandas有BSD開(kāi)源許可，是讓Python編程語(yǔ)言更加易于使用的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)分析的開(kāi)源軟件。在數(shù)據(jù)修改和預(yù)處理方面，Python早已十分強(qiáng)大，但是在數(shù)據(jù)分析和建模上，Python還不是十分完善。Pandas正好彌補(bǔ)了這一短板，它能夠使你的全部數(shù)據(jù)分析能夠在Python上實(shí)施，而不用借助于其他特定語(yǔ)言(例如R語(yǔ)言)。
結(jié) 合強(qiáng)大的Python工具包和其他庫(kù)，它在Python的數(shù)據(jù)分析環(huán)境中能夠有優(yōu)異的性能、生產(chǎn)力和兼容性。Pandas不能實(shí)現(xiàn)超出建模函數(shù)外線性回歸 和面板會(huì)歸;這可以通過(guò)看statsmodels和scikit學(xué)習(xí)。要把Python做成首位的統(tǒng)一建模環(huán)境還有很多工作要做，但我們已經(jīng)在奔向目標(biāo)的 道路上了。
PuLP
線性編程是優(yōu)化的一個(gè)類(lèi)型，一個(gè)目標(biāo)函數(shù)應(yīng)該***化的給與一定限制。PuLP是用Python寫(xiě)的線性編程模型。PuLP可以生成線性文件，調(diào)用高度優(yōu)化的求解器GLPK、COIN CLP/CBC、CPLEX和GUROBI來(lái)解決線性問(wèn)題。
Matplotlib
Matplotlib是一個(gè)Python 2D的繪圖庫(kù)，它可以生成高質(zhì)量圖表，用于跨平臺(tái)的硬件格式和交互式環(huán)境中。Matplotlib可以用于Python腳本，Python和IPython的shell界面(ALA Matlab或Mathematica)，web應(yīng)用服務(wù)器和6類(lèi)圖形用戶(hù)界面工具包。
Matplotlib試圖讓簡(jiǎn)單的事情更簡(jiǎn)單，讓困難的事情增加可能性。僅用幾行代碼就可生成圖像、直方圖、能量光譜、柱狀圖、散點(diǎn)圖等等。
對(duì)于簡(jiǎn)單的繪圖，Pyplot接口提供了一個(gè)MATLAB-like界面，特別是在結(jié)合IPython時(shí)。對(duì)于有能力的用戶(hù)，你可以完全控制線型、字體屬性、坐標(biāo)屬性等等，并且通過(guò)一個(gè)面向?qū)ο蟮慕涌诨蛱峁┮唤M函數(shù)給MATLAB用戶(hù)。
Scikit-Learn
Scikit-Learn是一個(gè)簡(jiǎn)單有效的數(shù)據(jù)挖掘和數(shù)據(jù)分析工具。他的優(yōu)點(diǎn)就在于，在任何情況下都是可以訪問(wèn)的，并且在多種語(yǔ)境下可以重復(fù)使用。它基于NumPy、SciPy和mathplotlib構(gòu)建。Scikit-Learn采用開(kāi)源BSD許可，在商業(yè)上可用。Scikit-Learn有以下特點(diǎn)：
分類(lèi)：識(shí)別對(duì)象屬于哪一類(lèi)別
回歸：預(yù)測(cè)一個(gè)對(duì)象相關(guān)聯(lián)的持續(xù)價(jià)值屬性
聚類(lèi)：類(lèi)似屬性對(duì)象的自動(dòng)分組聚集
降維：減少需考慮的隨機(jī)變量的數(shù)目
模型選擇：比較、驗(yàn)證和選擇參數(shù)模型
預(yù)處理：特征提取和規(guī)范化
Spark
Spark 由一個(gè)驅(qū)動(dòng)程序組成，它可以運(yùn)行用戶(hù)的main函數(shù)，且能在集群上執(zhí)行各種并行操作。Spark最主要的優(yōu)點(diǎn)就是它提供彈性分布式數(shù)據(jù)集(RDD)，這是 一個(gè)可并行操作的按聚類(lèi)節(jié)點(diǎn)分區(qū)的元素集合。RDDs可在Hadoop文件系統(tǒng)中創(chuàng)建(或任何其他的Hadoop支持的文件系統(tǒng))，或現(xiàn)有的Scala集 合中已有的標(biāo)量數(shù)據(jù)集合將其轉(zhuǎn)化。用戶(hù)可能也希望Spark能夠保存RDD，并且允許有效復(fù)用和并行操作。***，RDDs無(wú)法自動(dòng)從節(jié)點(diǎn)中復(fù)原。
Spark 的另一個(gè)優(yōu)勢(shì)是可被用于并行操作的變量共享。默認(rèn)情況下，當(dāng)Spark并行的運(yùn)行一個(gè)作為不同節(jié)點(diǎn)上的任務(wù)的函數(shù)時(shí)，它將每一個(gè)函數(shù)中的變量給每份任務(wù)都 拷貝一份。有時(shí)，一個(gè)變量需要在任務(wù)間共享，或是在任務(wù)和驅(qū)動(dòng)程序間共享。Spark支持兩種類(lèi)型的共享變量：廣泛散布的變量(可用在所有節(jié)點(diǎn)緩存上的數(shù) 據(jù))、累加器(只能執(zhí)行“相加”)，像計(jì)數(shù)器和加法。
原文地址：Seven Python Tools All Data Scientists Should Know How to Use
分享文章：數(shù)據(jù)科學(xué)家都應(yīng)會(huì)使用的7款Python工具
瀏覽地址：http://m.5511xx.com/article/ccidppo.html
