机器学习-数据科学库 01 数据分析介绍和环境安装-优快云博客

本文链接：https://blog.youkuaiyun.com/github_33725106/article/details/127000478

本文探讨了为何要学习数据分析，包括发现规律、作为机器学习基础及满足岗位需求。数据分析涉及数据清洗、处理、得出结论及可视化。推荐使用conda和Anaconda进行环境管理，以及Jupyter进行交互式计算。此外，文章提到了数据科学的关键步骤，从问题定义到成果展示，强调了每一步的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

为什么学习数据分析

通过数据分析、机器学习等，找到感兴趣的规律和经验
机器学习、python 数据科学的基础，相对 vanilla 方式更便捷和规范
岗位需求，如大盘看板、产品改进等

什么是数据分析

用适当方法对大量数据进行分析，帮助人们做出判断，以便采取行动。

数据分析流程

上述流程图可以用做代码框架

提出问题：问题可能不是很清楚需要尽早明确
准备数据：数据清洗，比如理解某些字段、需要过滤某些字段、按某些格式
数据分析：按照要求进行处理，可以借助诸如 numpy、pandas 等
获得结论：结论可能比较简单
成果可视化：通过图表形式更容易理解，可以借助如 matplotlib 等

开发环境介绍

conda & anaconda

https://www.anaconda.com/

Package, dependency and environment management for any languag
Anaconda offers the easiest way to perform Python/R data science and machine learning on a single machine

https://docs.conda.io/en/latest/

Package, dependency and environment management for any language
The conda package and environment manager is included in all versions of Anaconda®, Miniconda, and Anaconda Repository.

Anaconda 是一套集成环境，包括了科学计算包和 python，如果不想自己手工维护可以一站式安装；如果希望自己做手工包管理则可选

homebrew

brew install --cask anaconda

jupyter

https://jupyter.org/

interactive computing across all programming languages

docs

https://docs.jupyter.org/en/latest/running.html

homebrew

brew install jupyterlab