6、数据科学家的工具包

数据科学家的工具包

1. 数据科学家工具概述

数据科学家所需的工具和软件众说纷纭。有人认为至少需要一个云端虚拟机，配备“专家”认为必要的所有工具；也有人觉得只需一种编程语言（通常是 Python）和一台个人电脑即可。但实际情况并非如此简单，数据科学家的工具包涵盖了从专业软件、编程语言到相关数据科学包等众多内容。对你而言，哪些工具是必需的，取决于两个因素：一是你愿意投入的资金，二是你要解决问题的复杂程度。下面将为你介绍各种选择，由你自己决定最适合的工具。

2. 数据库平台

数据需要有存储的地方，它不一定总是像 Kaggle（一个机器学习竞赛网站）上那样整齐的 .csv 文件，更多时候数据存于数据库中。即便数据最初不在数据库里，在数据工程阶段，为了便于处理，你也可能想把它存入数据库，因为同一数据在不同数据科学项目中重复使用很常见。如果数据分散，你可以将其整理后存入数据库，以便轻松访问并创建项目所需的数据集。

如今数据库形式多样，大致可分为三类：基于 SQL 的数据库、NoSQL 数据库和基于图的数据库。

2.1 基于 SQL 的数据库

基于 SQL 的数据库使用结构化查询语言（SQL）的某种变体，这是一种用于与传统数据库交互、执行查询的基础语言。这类数据库具有结构化特点，每个表有固定的字段集，内容以表的形式组织，通过特殊字段（键）连接。通常使用数据库管理系统（DBMS）来管理，不过也有各种编程语言的 API 可供使用。

这种数据库适合存储来自网页表单、软件和电子表格的数据，在数据存储和检索的常规应用中表现出色，因此在企业中很受欢迎。尽管它并非数据科学应用的最佳选择，但在项目中至少会遇到部分使用这类