利用PYTHON进行数据分析 学习笔记

Python for Data Analysis 这本书是唐学韬老师带领的团队在2013年就翻译完毕的著作。原书作者是美国的McKinney.W.。现在是2019年，Python的使用如火如荼，我不知道它是否已经发展成熟。Just do it.现在开始。。。也不晚

Python 给人的初次印象非常的好，工整、语法逻辑清晰，可以说非常类似于英语的自然语法了（我是说和一段标准的英文对话很类似了）。

作为一个初学者，我最最对Python感到崇拜的，就是它的LIST 和 for...in...:迭代循环，仔细想想其实我们的工作方式和思考方式就是这么个样子，把工作内容或思想排列成清单，然后一项项地处理。。。一项项地处理。。。，在迭代中，做出各种判断、给出其后的结果、或是论断。那本著名的《Head First Python》中开篇就告诉大伙——人人都爱LIST

 

本书中所说的“数据”，主要指的是结构化数据（structured data），比如：

• 多维数组（矩阵）
• 表格型数据
• 通过关键列（对于SQL用户而言，就是主键和外键）相互联系的多个表
• 间隔平均或不平均的时间序列

 

为什么要使用Python进行数据分析

我以前读一本教程时，最常做的事情之一就是忽略文章中的“为什么。。。”章节，我以为我既然看这本书，就是知道“为什么”，现在我明白，原来我是那么的“错”，看教程一定要仔细研读其中的“为什么。。。”；以前，我常做的另一件错事，就是基本不看书的“目录”，如果你也有这种习惯，让我们一起改正吧。

• Python适合巨量的数据处理
• Python适合复杂的数据分析
• WEB框架（Django）
• 活跃的科学计算社区
• 丰富的“库”资源
• Python是计算机语言“粘合剂”

完全可以只使用Python一种语言来构建以数据为中心的应用程序。通俗地说，Python最适合于统计学、探索性需求。作为一个科学计算平台，Python成功地集成C、C++、Fortran代码。

 

重要的Python库

利用Python进行数据分析，根本就是在和各种库在打交道，下面是最最常用的：

• NumPy
• Pandas
• matplotlib
• SciPy

 

安装和设置

为了数据处理而使用Python，就让我们在64base操作系统环境下，安装一个Anaconda(64-bit)环境吧，一路“next”，几乎不会出错。然后，所有其他需要安装的库，就“pip install module_name”，非常好使啊。

这一篇应该就是踏入数据分析的开始吧。我会坚持继续学习，也会继续修改上面这些文字，当我学得更深时，我也许会把上面的文字改的面目全非。

转载于:https://www.cnblogs.com/sam-xu/p/10859426.html