建站
咨詢
售后
建站咨詢
新聞中心
Python最近火了，大紅大紫那種。PYPL(編程語言受歡迎程度) 四月官方榜單宣布，Python榮獲***，竟然連朋友圈里的文科生都開始轉發(fā)Python課程打卡的鏈接了……這是怎樣一個令全民瘋狂的語言?
成都創(chuàng)新互聯(lián)公司是一家專注于網(wǎng)站制作、成都做網(wǎng)站與策劃設計,萊西網(wǎng)站建設哪家好?成都創(chuàng)新互聯(lián)公司做網(wǎng)站,專注于網(wǎng)站建設10年,網(wǎng)設計領域的專業(yè)建站公司;建站業(yè)務涵蓋:萊西等地區(qū)。萊西做網(wǎng)站價格咨詢:18980820575
作為編程界的“頭牌”名媛，Python平易近人的態(tài)度和精明婉約的靈動深得各個大佬歡心。比如：人工智能、web開發(fā)、爬蟲、系統(tǒng)運維、數(shù)據(jù)分析與計算等等。這幾位風流多金的行業(yè)精英隨便哪個都能“逆轉未來”。
本文為你精心準備了一段Python與數(shù)據(jù)科學的“曖昧史”——用Python進行數(shù)據(jù)科學概述，包括Numpy，Scipy，pandas，Scikit-Learn，XGBoost，TensorFlow和Keras等模塊、包、庫的用法。
1. 為何選擇Python?
Python作為一種語言，十項全能，易于學習，安裝簡單。同時有很多擴展，非常適合進行數(shù)據(jù)科學研究。像Google、Instagram、Youtube、Reddit等明星網(wǎng)站都在用Python搭建核心業(yè)務。
Python不僅僅用于數(shù)據(jù)科學，還使用Python來做更多的工作——如編寫腳本、構建API、構建網(wǎng)站等等。
關于Python的幾點重要事項需要注意。
- 目前，有兩種常用的Python版本。它們是版本2和3。大多數(shù)教程和本文將默認使用的是Python的***版本Python 3。但有時會遇到使用Python 2的書籍或文章。版本之間的差異并不大，但有時在運行版本3時復制和粘貼版本2代碼將無法正常工作，因此需要進行一些輕微的編輯。
- 要注意Python十分介意空白的地方(即空格和返回字符)。如果把空格放在錯誤的地方，程序很可能會產(chǎn)生錯誤。
- 與其他語言相比，Python不需要管理內(nèi)存，也有良好的社區(qū)支持。
2. 安裝Python
安裝用于數(shù)據(jù)科學的Python的***方法是使用Anaconda發(fā)行版。
Anacoda有你使用Python進行數(shù)據(jù)科學研究所需的資料，包括將在本文中介紹的許多軟件包。
單擊Products - > Distribution并向下滾動，可以看到適用于Mac，Windows和Linux的安裝程序。即使Mac上已經(jīng)有Python，也應該考慮安裝Anaconda發(fā)行版，因為有利于安裝其他軟件包。
此外，還可以去官方Python網(wǎng)站下載安裝程序。
包管理器：
包是一段Python代碼，而不是語言的一部分，包對于執(zhí)行某些任務非常有幫助。通過包，我們可以復制并粘貼代碼，然后將其放在Python解釋器(用于運行代碼)可以找到的地方。
但這很麻煩，每次啟動新項目或更新包時都必須進行內(nèi)容的復制和粘貼操作。因此，我們可以使用包管理器。Anaconda發(fā)行版中自帶包管理器。如果沒有，建議安裝pip。
無論選擇哪一個，都可以在終端(或命令提示符)上使用命令輕松安裝和更新軟件包。
3. 使用Python進行數(shù)據(jù)科學研究
Python迎合許多不同開發(fā)人員的技術要求(Web開發(fā)人員，數(shù)據(jù)分析師，數(shù)據(jù)科學家)，因此使用該語言具有很多不同的編程方法。
Python是一種解釋型語言，不必將代碼編譯成可執(zhí)行文件，只需將包含代碼的文本文檔傳遞給解釋器即可。
快速瀏覽一下與Python解釋器交互的不同方法吧。
(1) 在終端
如果打開終端(或命令提示符)并鍵入單詞'Python'，將啟動一個shell會話?？梢栽趯υ捴休斎胗行У腜ython命令，以實現(xiàn)相應的程序操作。
這可以是快速調(diào)試某些東西的好方法，但即使是一個小項目，在終端中調(diào)試也很困難。
(2) 使用文本編輯器
如果你在文本文件中編寫一系列Python命令并使用.py擴展名保存它，則可以使用終端導航到該文件，并通過輸入python YOUR_FILE_NAME.py來運行該程序。
這與在終端中逐個輸入命令基本相同，只是更容易修復錯誤并更改程序的功能。
(3) 在IDE中
IDE是一種專業(yè)級軟件，可以進行軟件項目管理。
IDE的一個好處是，使用調(diào)試功能可以告訴你在嘗試運行程序之前出錯的位置。
某些IDE附帶了項目模板(用于特定任務)，你可以使用這些模板根據(jù)***實踐設置項目。
(4) Jupyter Notebooks
這些方法都不是用python進行數(shù)據(jù)科學的***方式，***是使用Jupyter Notebooks。
Jupyter Notebooks使你能夠一次運行一“塊”代碼，這意味著你可以在決定下一步做什么之前看到輸出信息-這在數(shù)據(jù)科學項目中非常重要，我們經(jīng)常需要在獲取輸出之前查看圖表。
如果你正在使用Anaconda，且已經(jīng)安裝了Jupyter lab。要啟動它，只需要在終端中輸入'jupyter lab'即可。
如果正在使用pip，則必須使用命令'python pip install jupyter'安裝Jupyter lab。
4. Python中的數(shù)字計算
NumPy軟件包中包含許多有用的函數(shù)，用于執(zhí)行數(shù)據(jù)科學工作所需的數(shù)學運算。
它作為Anaconda發(fā)行版的一部分安裝，并且使用pip安裝，就像安裝Jupyter Notbooks一樣簡單('pip install numpy')。
我們在數(shù)據(jù)科學中需要做的最常見的數(shù)學運算是矩陣乘法，計算向量的點積，改變數(shù)組的數(shù)據(jù)類型以及創(chuàng)建數(shù)組!
以下是如何將列表編入NumPy數(shù)組的方法：
以下是如何在NumPy中進行數(shù)組乘法和計算點積的方法：
以下是如何在NumPy中進行矩陣乘法：
5. Python中的統(tǒng)計分析
Scipy包中包含專門用于統(tǒng)計的模塊(包的代碼的子部分)。
你可以使用'from scipy import stats'命令將其導入(在程序中使其功能可用)到你的筆記本中。該軟件包包含計算數(shù)據(jù)統(tǒng)計測量、執(zhí)行統(tǒng)計測試、計算相關性、匯總數(shù)據(jù)和研究各種概率分布所需的一切。
以下是使用Scipy快速訪問數(shù)組的匯總統(tǒng)計信息(最小值，***值，均值，方差，偏斜和峰度)的方法：
6. Python中的數(shù)據(jù)操作
數(shù)據(jù)科學家必須花費大量的時間來清理和整理數(shù)據(jù)。幸運的是，Pandas軟件包可以幫助我們用代碼而不是手工來完成這項工作。
使用Pandas執(zhí)行的最常見任務是從CSV文件和數(shù)據(jù)庫中讀取數(shù)據(jù)。
它還具有強大的語法，可以將不同的數(shù)據(jù)集組合在一起(數(shù)據(jù)集在Pandas中稱為DataFrame)并執(zhí)行數(shù)據(jù)操作。
使用.head方法查看DataFrame的前幾行：
使用方括號選擇一列：
通過組合其他列來創(chuàng)建新列：
7. 在Python中使用數(shù)據(jù)庫
為了使用pandas read_sql方法，必須提前建立與數(shù)據(jù)庫的連接。
連接數(shù)據(jù)庫最安全的方法是使用Python的SQLAlchemy包。
SQL本身就是一種語言，并且連接到數(shù)據(jù)庫的方式取決于你正在使用的數(shù)據(jù)庫。
8. Python中的數(shù)據(jù)工程
有時我們傾向于在數(shù)據(jù)作為Pandas DataFrame形式到達我們的項目之前，對其進行一些計算。
如果你正在使用數(shù)據(jù)庫或從Web上抓取數(shù)據(jù)(并將其存儲在某處)，那么移動數(shù)據(jù)并對其進行轉換的過程稱為ETL(提取，轉換，加載)。
你從一個地方提取數(shù)據(jù)，對其進行一些轉換(通過添加數(shù)據(jù)來總結數(shù)據(jù)，查找均值，更改數(shù)據(jù)類型等)，然后將其加載到可以訪問的位置。
有一個非常酷的工具叫做Airflow，它非常善于幫助管理ETL工作流程。更好的是，它是用Python編寫的，由Airbnb開發(fā)。
9. Python中的大數(shù)據(jù)工程
有時ETL過程可能非常慢。如果你有數(shù)十億行數(shù)據(jù)(或者如果它們是一種奇怪的數(shù)據(jù)類型，如文本)，可以使用許多不同的計算機分別進行處理轉換，并在***一秒將所有數(shù)據(jù)整合到一起。
這種架構模式稱為MapReduce，它很受Hadoop的歡迎。
如今，很多人使用Spark來做這種數(shù)據(jù)轉換/檢索工作，并且有一個Spark的Python接口叫做PySpark。
MapReduce架構和Spark都是非常復雜的工具，這里我不詳細介紹。只要知道它們的存在，如果你發(fā)現(xiàn)自己正在處理非常緩慢的ETL過程，PySpark可能會有所幫助。
10. Python中的進一步統(tǒng)計
我們已經(jīng)知道可以使用Scipy的統(tǒng)計模塊運行統(tǒng)計測試、計算描述性統(tǒng)計、p值以及偏斜和峰度等事情，但Python還能做些什么呢?
你應該知道的一個特殊包是Lifelines包。
使用Lifelines包，你可以從稱為生存分析的統(tǒng)計子字段計算各種函數(shù)。
生存分析有很多應用。我們可以用它來預測客戶流失(當客戶取消訂閱時)以及零售商店何時可能會被盜竊。
這些與包的創(chuàng)造者想象它將被用于完全不同(生存分析傳統(tǒng)上是醫(yī)學統(tǒng)計工具)的領域。但這只是展示了構建數(shù)據(jù)科學問題的不同方式!
11. Python中的機器學習
這是一個重要的主題，機器學習正在風靡世界，是數(shù)據(jù)科學家工作的重要組成部分。
簡而言之，機器學習是一組允許計算機將輸入數(shù)據(jù)映射到輸出數(shù)據(jù)的技術。有一些情況并非如此，但它們屬于少數(shù)，以這種方式考慮ML通常很有幫助。
Python有兩個非常好的機器學習包。
(1) Scikit-Learn
在使用Python進行機器學習的時候都會花大部分時間用于使用Scikit-Learn包(有時縮寫為sklearn)。
這個包實現(xiàn)了一大堆機器學習算法，并通過一致的語法公開它們。這使得數(shù)據(jù)科學家很容易充分利用每種算法。
使用Scikit-Learn的一般框架是這樣的——將數(shù)據(jù)集拆分為訓練和測試數(shù)據(jù)集：
實例化并訓練一個模型：
使用metrics模塊測試模型的工作情況：
(2) XGBoost
在Python中常用于機器學習的第二個包是XGBoost。
Scikit-Learn實現(xiàn)了一系列算法，XGBoost只實現(xiàn)了一個梯度提升的決策樹。
最近這個包(和算法)因其在Kaggle比賽(任何人都可以參加的在線數(shù)據(jù)科學比賽)上被使用而取得成功，變得非常受歡迎。
訓練模型的工作方式與Scikit-Learn算法的工作方式大致相同。
12. Python中的深度學習
Scikit-Learn中提供的機器學習算法幾乎可以滿足任何問題。話雖這么說，但有時你需要使用***進的算法。
由于使用它們的系統(tǒng)幾乎優(yōu)于其他所有類算法，因此深度神經(jīng)網(wǎng)絡的普及率急劇上升。
但是很難說神經(jīng)網(wǎng)絡正在做什么以及它為什么這樣做。因此，它們在金融、醫(yī)學、法律和相關專業(yè)中的使用并未得到廣泛認可。
神經(jīng)網(wǎng)絡的兩大類是卷積神經(jīng)網(wǎng)絡(用于對圖像進行分類并完成計算機視覺中的許多其他任務)和循環(huán)神經(jīng)網(wǎng)絡(用于理解和生成文本)。
探索神經(jīng)網(wǎng)工作時超出了本文的范圍的機理，如果你想做這類工作，只要知道你需要尋找的包是TensorFlow(Google contibution!)還是Keras。
Keras本質上是TensorFlow的包裝器，使其更易于使用。
13. Python中的數(shù)據(jù)科學API
一旦訓練了模型，就可以在其他軟件中訪問它的預測，方法是創(chuàng)建一個API。
API允許模型從外部源一次一行地接收數(shù)據(jù)并返回預測。因為Python是一種通用的編程語言，也可用于創(chuàng)建Web服務，所以很容易使用Python通過API為模型提供服務。
如果需要構建API，應該查看pickle和Flask。Pickle允許訓練有素的模型被保存在硬盤驅動器上，以便以后使用。而Flask是創(chuàng)建Web服務的最簡單方法。
14. Python中的Web應用程序
***，如果你想圍繞數(shù)據(jù)科學項目構建功能齊全的Web應用程序，則應使用Django框架。
Django在Web開發(fā)社區(qū)非常受歡迎，并且用于構建Instagram和Pinterest的***個版本(以及許多其他版本)。
網(wǎng)頁名稱：14個Q&A，講述python與數(shù)據(jù)科學的“曖昧情事”
網(wǎng)站路徑：http://m.5511xx.com/article/djedejd.html
