5、Python在数据科学中的应用与环境搭建

Python在数据科学中的应用与环境搭建

1. Python可视化数据的强大能力

Python让探索数据科学环境变得轻松，无需像其他许多语言那样借助调试器或调试代码。使用 print 语句（或函数，具体取决于Python版本）和 dir() 函数，就能交互式地检查任何对象。简单来说，你可以加载数据并进行一番操作，了解开发者是如何构建它的。与数据互动，将其对自己的意义可视化，往往能带来新的见解和创意。从众多在线讨论来看，与数据互动是数据科学从业者认为最有趣的部分。

可以使用Anaconda中的任何工具来与数据互动，而IPython是其中不错的选择。在IPython环境中，无需过多担心环境问题，而且创建的内容不会永久保存。你可以加载数据集，看看它能提供什么。

Scikit - learn数据集以束（bunch，一种数据结构）的形式存在。导入数据集时，它会有特定的函数，这些函数由定义束这种数据结构的代码决定。这些函数可用于处理键（数据集中值的标识符），数据集中的每一行都有唯一的键。在使用数据集之前，需在本地环境中提供对它的访问。可以使用 keys() 函数显示可用于访问数据集中数据的键列表，有了键列表后，就能访问单个数据项。

2. 用于数据科学的Python生态系统库

库名	网址	功能概述
SciPy	http://www