|
大數據文摘翻譯作品 作者：manu jeevan prakash 編譯：姚佳靈，康欣 如果你已經決定把Python作為你的編程語言，那么，你腦海中的下一個問題會是：“進行數據分析有哪些Python庫可用？” Python有很多庫可用來進行數據分析。但不必擔心，你不需要學習所有那些可用庫。你只須了解5個Python庫，就可以完成絕大多數數據分析任務。下面逐一簡單介紹這5個庫，并提供你一些最好的教程來學習它們。 對于科學計算，它是Python創(chuàng)建的所有更高層工具的基礎。以下是它提供的一些功能： 1. N維數組，一種快速、高效使用內存的多維數組，它提供矢量化數學運算 。 2. 你可以不需要使用循環(huán)，就對整個數組內的數據行標準數學運算。 3. 非常便于傳送數據到用低級語言（如C或C++）編寫的外部庫，也便于外部庫以Numpy數組形式返回數據。 NumPy不提供高級數據分析功能，但有了對NumPy數組和面向數組的計算的理解，能幫助你更有效地使用像Pandas之類的工具。 1. Scipy.org提供了Numpy庫的簡要說明
2. 這個教程棒極了，完全注重于Numpy的可用性
Scipy庫依賴于NumPy，它提供便捷和快速的N維向量數組操作。SciPy庫的建立就是和NumPy數組一起工作，并提供許多對用戶友好的和有效的數值例程，如：數值積分和優(yōu)化。SciPy提供模塊用于優(yōu)化、線性代數、積分以及其它數據科學中的通用任務。 我找不到比Scipy.org更好的教程了，它學習Scipy的最佳教程
Pandas包含高級數據結構，以及和讓數據分析變得快速、簡單的工具。它建立在NumPy之上，使以NumPy為中心的應用變得簡單。 1. 帶有坐標軸的數據結構，支持自動或明確的數據對齊。這能防止由于數據沒有對齊，以及處理不同來源的、采用不同索引的數據而產生的常見錯誤。 2. 使用Pandas更容易處理缺失數據。 3. 合并流行數據庫（如：基于SQL的數據庫）中能找到 的關系操作。 Pandas是進行數據清洗/整理（data munging）的最好工具。 1. Pandas快速入門
2. Alfred Essa有一系列關于Pandas的視頻，這些視頻應該會讓你很好地了解基本概念。
3. 還有，不可錯過Shane Neeley提供的教程視頻，它全面介紹了Numpy, Scipy和Matplotlib
Matlplotlib是Python的一個可視化模塊。它讓你方便地制作線條圖、餅圖、柱狀圖以及其它專業(yè)圖形。使用Matplotlib，你可以定制所做圖表的任一方面。在IPython中使用時，Matplotlib有一些互動功能，如：縮放和平移。它支持所有的操作系統(tǒng)下不同的GUI后端（back ends），并且可以將圖形輸出為常見地矢量圖和圖形格式，如：PDF、SVG、JPG、PNG、BMP和GIF等。 1. ShowMeDo網站上有一個關于很好地教程
2. 推薦這本書Packt出版社的操作寶典，對于初學者來說，這本書真是極棒的～
Scikit-learn是一個用于機器學習的Python模塊。它建立在Scipy之上，提供了一套常用機器學習算法，讓使用者通過一個統(tǒng)一的接口來使用。Scikit-learn有助于你迅速地在你的數據集上實現流行的算法。 看一下Scikit-learn中提供的算法列表，你就會馬上意識到它包含了許多用于標準機器學習任務的工具，如：聚類、分類和回歸等。
1. Scikit-learn入門
2. 來自于Scikit-learn.org的教程
還有其它一些庫，如：用于自然語言處理的Nltk，用于網站數據抓取的Scrappy ，用于網絡挖掘的Pattern ，用于深度學習的Theano等。 但是，如果你正開始學習Python，我建議你首先熟悉這5個庫。 我說過，這些教程都非常適合初學者。不過，在學習這些教程前，先要熟悉Python語言的基本編程知識。 文章來源： https:///read/5-best-python-libraries-for-data-science/994 |
|
|
