力压 R，Python 在数据科学领域风生水起
TIOBE 最新发布的 9 月编程语言排行榜中，Python 凭 4.67% 的增速以 0.26% 的优势力压 C++，逆袭成功进入 Top 3。 TIOBE 9 月编程语言 Top 5 而近一年势头不灭的 Python 在数据分析领域，是专家们的必备技能。随着 IT 行业的增长，对有经验的数据科学家的需求也水涨船高，而 Python 也一跃而成最受欢迎的语言。本文旨在介绍分析数据的基本知识，并利用 Python 创建一些漂亮的数据可视化。 概要 ●为什么要学数据科学中的 Python？ ●Python 简介 ●为数据科学中的 Python 安装 Jupyter ●Python 的基本知识 ●用于数据科学的 Python 库 ●Demo：实际应用 数据科学领域，非 Python 语言莫属？ Python 是最适合数据科学家的语言，这一点毫无争议。下面几点可以帮你理解为什么从事数据科学的人选择了 Python： ●Python 是一门免费，灵活且强大的开源语言。 ●Python 能减少一半的开发时间，同时提供简洁易读的语法。 ●使用 Python 可以进行数据操作、数据分析和可视化。 ●Python 提供功能强大的库，用于机器学习应用和其他科学计算。 你知道最大的好处是什么吗？数据科学家是目前收入最高的职位之一，根据 Indeed.com 的数据，平均年薪为 $130,621。 Python 由 Guido Van Rossum 于 1989 年创建。它是个解释语言，拥有动态语义。它在所有的平台上可以免费使用。Python 是： ● 面向对象 ● 高级语言 ● 容易学 ● 面向过程 为数据科学中的 Python 安装 Jupyter 我们先来在自己的系统上安装 Jupyter。请按照以下步骤进行： ●第 1 步：访问 https://jupyter.org/ ●第 2 步：点击“Try in your browser”或“Install the Notebook” 我建议你使用 Anaconda 发行版（https://www.anaconda.com/download/）安装 Python 和 Jupyter。装好Jupyter 之后，可以在命令行中输入“Jupyter Notebook”即可在默认浏览器中打开。现在我们在 Jupyter 上写个最基本的程序。 name=input("Enter your Name:") print("Hello", name) 要运行这段代码，可以按下“Shift+Enter”，即可查看输出。如下面的截图所示： 数据科学中的 Python 的基础 现在可以开始编程了。为了编程，你需要先了解以下的基础知识： ●变量 ：“变量”这个术语指内存中的一块保留的位置，用于保存值。在Python中，使用变量之前不需要定义变量，更不需要声明变量的类型。 ●数据类型 ：Python 支持多种数据类型，这些数据类型定义了变量上可能的操作，以及它们的存储方式。数据类型包括数值、列表、字符串、元组、集合和字典。 ●操作符： 操作符可以操纵操作数中的值。Python 中的操作符包括数值操作符、列表操作符、字符串操作符、元组操作符、集合操作符和字典操作符。 ●条件语句 ：条件语句可以根据某个条件执行一组语句。有三个条件语句：if、elif 和 else。 ●循环 ：循环用来反复执行一小段代码。有三种循环，分别是while、for和嵌套循环。 ●函数 ：函数用来将代码分隔成有意义的功能块，以便更好地组织代码，让代码更易读，重用代码，还能节省时间。 关于 Python的更多信息和实际的实现，可以参考这篇文章：Python 入门（https://www.edureka.co/blog/python-tutorial/）。 数据科学中的 Python 库 这是 Python 在数据科学中发挥力量的部分。Python 拥有大量用于科学计算、分析、可视化等的库。一些库如下： ●Numpy - NumPy 是 Python 在数据科学方面的核心库，它的名字的意思是“数值计算用的Python”。它可以用于科学计算，包含了强大的 n 维数组对象，并提供了许多工具与 C、C++ 等语言集成。它还可以用作多维容器，用来存储任意数据，从而进行各种 NumPy 操作和特殊功能。 ●Matplotlib - Matplotlib 是个强大的可视化 Python 库。它可以用于Python 脚本、shell、Web 应用服务器上，还可以用于其他 GUI 工具中。可以用它绘制各种图表，也可以把多种图表画在一起。 ●Scikit-learn - Scikit-learn 是最引人注目的库之一，通过它可以用 Python 实现机器学习。这个免费的库包含了用于数据分析和数据挖掘的简单有效的工具。用它可以实现各种算法，如逻辑回归。 ●Seaborn - Seaborn 是个统计绘图的 Python 库。在数据科学中使用 Python 时，可以使用 matplotlib（用于二维可视化）和 Seaborn，后者有漂亮的样式和高级接口可以用于绘制统计图表。 ●Pandas - Pandas 是数据科学中的重要的 Python 库。它用来操作数据和分析数据。它很适合不同类型的数据，如表格、有序时间序列、无序时间序列、矩阵等。这里有个视频（https://youtu.be/B42n3Pc-N2A）演示了如何在处理数据之前使用 Pandas 进行数据分析。 Demo：实际应用 问题描述：给定一组数据集，该数据集是由多种数据组成的综合统计数据，如监狱设施的分布和情况、监狱的拥挤程度、监狱中的犯人类型，等等。请在这个数据集上做描述性的统计，并从数据中找出有用的信息。下面是几个任务： ●数据加载：使用 Pandas 加载数据集“prisoners.csv”并显示数据集中的前五行和最后五行。然后用 Pandas 的 describe 方法找出列数。 ●数据操作：创建一个新的列 - “total benefitted”，它是所有模式下的受益的犯人总数。 ●数据可视化：创建条形图，用每个州的名字作为X轴，受益犯人的总数作为条的高度。 加载数据使用以下代码： import pandas as pd import matplotlib.pyplot as plot %matplotlib inline file_name = "prisoners.csv" prisoners = pd.read_csv(file_name) prisoners 然后用 Pandas 的 describe 方法，只需输入以下语句： prisoners.describe() 然后进行数据操作： prisoners["total_benefited"]=prisoners.sum(axis=1) prisoners.head() 最后，用 Python 做一些数据可视化。代码如下： import numpy as np xlabels = prisoners['STATE/UT'].values plot.figure(figsize=(20, 3)) plot.xticks(np.arange(xlabels.shape[0]), xlabels, rotation = 'vertical', fontsize = 18) plot.xticks plot.bar(np.arange(prisoners.values.shape[0]),prisoners['total_benefited'],align = 'edge') 原文发布时间为：2018-09-12本文作者：Aayushi Johari本文来自云栖社区合作伙伴“ 数据分析”，了解相关信息可以关注“ 数据分析”。
