12、数据处理与评分排名：探索数据科学的关键领域

数据处理与评分排名：探索数据科学的关键领域

1. 数据处理相关内容

在数据处理方面，激励机制能有效推动人们达到更高水平。就像拿破仑为士兵设立众多勋章和装饰，让人们为了那“一条布带”而努力。像FoldIt这类游戏的主要设计原则是将领域技术细节抽象到评分函数中，玩家无需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，而另一些会使分数下降，在游戏过程中玩家会逐渐形成对该领域的直觉。

1.1 数据处理练习

以下是一系列数据处理相关的练习，涵盖了编程语言学习、数据来源分析、数据清洗等多个方面：
- 编程语言学习 ：
- 花两小时熟悉Python、R、MatLab、Wolfram Alpha/Language中的一种编程语言，然后写一篇短文，谈谈对其特性的印象，包括可表达性、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以及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：
- 输出“Hello World!”
- 从文件中读取数字并按排序顺序打印出来
- 读取文本文件并统计单词总数
- 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，选择喜欢的一种，并分析其优缺点。
- 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，使用统计测试判断该分布是否与完全以米记录的分布有区别，并找出能明确存在问题时n和p的边界。
-