12、数据处理与评分排名：从基础到实践

数据处理与评分排名：从基础到实践

数据处理相关内容

在数据处理领域，激励机制是推动人们不断进步的有效手段。就像拿破仑为士兵设立各种勋章和装饰，人们往往会为了这些“荣誉”付出更多努力。在一些游戏设计中，如FoldIt，其主要设计原则是将领域的技术性抽象到评分函数中。玩家无需真正理解分子动力学等复杂问题，只需知道某些操作能使分数上升，而另一些则会使分数下降。在游戏过程中，玩家会逐渐建立起对该领域的直觉，从而产生专家可能都想不到的设计。

以下是一些数据处理相关的练习，涵盖了编程、数据来源、数据清洗等多个方面：
1. 编程练习
- 选择Python、R、MatLab、Wolfram Alpha/Language中的一种编程语言，花两小时熟悉它，然后写一篇短文，谈谈对其以下特性的印象：
- 表达能力
- 运行速度
- 库函数的广度
- 编程环境
- 对算法密集型任务的适用性
- 对一般数据处理任务的适用性
- 选择两种主要的数据科学编程语言，编写程序解决以下任务，并比较哪种语言更适合每个任务：
- 打印“Hello World!”
- 从文件中读取数字并按排序顺序打印
- 读取文本文件并统计总单词数
- 读取文本文件并统计不同单词的总数
- 读取数字文件并绘制其频率直方图
- 从网页下载页面并进行数据抓取
- 简单使用Python、R和Matlab，比较喜欢哪种语言，并分析它们的优缺点。
- 构建一个包含n个人身高的数据集，其中p%的身高以英尺为单位记录，其余以米为单位记录。使用统计测试来判断该分布是否与