下面是小编为大家整理的python数据分析,供大家参考。
. -
python数据分析(pandas)
几年后发生了。在使用SAS工作超过5年后,我决定走出自己的舒适区。作为一个数据科学家,我寻找其他有用的工具的旅程开始了!幸运的是,没过多久我就决定,Python作为我的开胃菜。
我总是有一个编写代码的倾向。这次我做的是我真正喜欢的。代码。原来,写代码是如此容易!
我一周内学会了Python基础。并且,从那时起,我不仅深度探索了这门语言,而且也帮助了许多人学习这门语言。Python是一种通用语言。但是,多年来,具有强大的社区支持,这一语言已经有了专门的数据分析和预测模型库。
由于Python缺乏数据科学的资源,我决定写这篇教程来帮助别人更快地学习Python。在本教程中,我们将讲授一点关于如何使用Python进行数据分析的信息,咀嚼它,直到我们觉得舒适并可以自己去实践。
目录- -可修编.
. -
1. 数据分析的Python基础
o为什么学Python用来数据分析
o Python 2.7 v/s 3.4
o怎样安装Python
o在Python上运行一些简单程序
2. Python的库和数据结构
o Python的数据结构
o Python的迭代和条件结构
o Python库
3. 在Python中使用Pandas进行探索性分析
o序列和数据框的简介
o分析Vidhya数据集——贷款的预测问题
4. 在Python中使用Pandas进行数据再加工
5. 使用Python中建立预测模型
o逻辑回归
o决策树
o随机森林
让我们开始吧
1.数据分析的Python基础
为什么学Python用来数据分析
- -可修编.
. -
很多人都有兴趣选择Python作为数据分析语言。这一段时间以来,我有比较过SAS和R。这里有一些原因来支持学习Python:•开源——免费安装
•极好的在线社区
•很容易学习
•可以成为一种通用的语言,用于基于Web的分析产品数据科学和生产中。
不用说,它仍然有几个缺点:
•它是一种解释性的语言,而不是编译的语言,因此可能占用更多的CPU时间。然而,由于它节省了程序员的时间(由于学习的方便),它可能仍然是一个很好的选择。Python 2.7 v/s 3.4
这是关于Python的一个最具争议的话题。你可能总是不能避免遇到,尤其是如果你是一个初学者。这里没有正确/错误的选择。它完全取决于具体情况和你的需要。我会尝试给你一些建议,以帮助你做出明智的选择。
为什么选择Python 2.7
1.极好的社区支持!这是你在初期需要的东西。Python 2发行于2000年末,已经被使
用超过15年。
2.很多第三方库!虽然许多库已经提供了
3.X的支持,但仍然有大量的模块只工作在
2.X。如果你计划将Python用于具体的应用,如Web开发这种高度依赖外部
模块的,你选择2.7可能会更好。
3. 3.X版本的一些特性有向后兼容性,可以使用2.7版本。
为什么选择Python 3.4
- -可修编.
. -
1.更整齐和更快!Python开发者修正了一些固有的问题和小缺点,以此为未来建立一
个强大的基础。这些可能不是很相关,但最终会很重要。
2.这是未来!2.7是2 .X族发布的最后一个版本,并且最终每个人都要转移到
3.X版本。
Python 3在过去5年已经发布的稳定版本,并将继续。
没有明确的赢家,但我想,底线是,你应该专注于学习Python语言。版本之间的转换应该只是一个时间问题。敬请期待,不久的将来一个专门对比Python 2.X和3 X的文章!
怎样安装Python
有两种方法安装Python
•你可以直接从项目下载Python,然后单独安装你想要的组件和库
•或者,你可以下载并安装一个包,它附带了预装的库。我建议您下载Anaconda。另一种选择是Enthought Canopy Express。
第二种方法提供了一个避免麻烦的安装,因此我会推荐给初学者。这种方法是你必须等待整个包进行升级,即使你只是对一个单一的库的最新版本感兴趣。它应该不重要,直到和除非,直到和除非,你正在做的尖端统计研究。
选择开发环境
一旦你已经安装了Python,选择环境可以有很多种选择。这里是3个最常见的选择:
•终端/基于Shell
•IDLE(默认环境)
•iPython notebook ——类似于R的markdown
- -可修编.
.
-
- -可修编.
而环境权取决于你的需要,我个人更喜欢iPython notebook 一点。它提供了许多良好的功能,编写代码的同时还可以用于记录,你可以选择在上面运行代码块(而不是一行一行的执行)。
我们在整个教程中将使用Ipython 环境
热身:跑第一个Python 程序
你可以使用Python 作为一个简单的计算器来开始:
. -
有一些事情需要注意:
•你可以在你的终端/ CMD键入“IPython notebook”来启动IPython notebook,这取决于你的工作在操作系统
•你可以通过简单地点击上面截图中的名字来对IPython notebook命名
•界面显示In[*]代表输入和Out[*]代表输出。
•你可以通过按“Shift + Enter”或“ALT + Enter”来执行代码,如果你后面还想插入一行。
在我们深入挖掘如何解决问题之前,让我们退后一步,了解Python的基本知识。当我们知道数据结构和迭代和条件结构是形成任何语言的关键。在Python中,这些包括列表、字符串、元组、字典、for循环,while 循环,if-else等等,让我们来看看下面的因素。
- -可修编.
推荐访问:python数据分析心得体会 分析 数据 python