python数据分析.doc

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,我寻找其它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****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****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能够自己去实践。.在Python中使用Pandas进行探索性分析序列和数据框的简介分析Vidhya数据集——贷款的预测问题  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****Python:开源——免费安装极好的在线社区很容易学****能够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,它依然有几个缺点: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****的方便),它可能依然是一个很好的选择。Pythonv/s 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,特别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极好的社区支持!这是你在初期需要的东西。Python2发行于末,已经被使用超过。很多第三方库!,。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,。,。为什么选择Python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。这是未来!.X族发布的最后一个版本,。Python3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****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PythonX的文章!怎样安装Python有两种方法安装Python你能够直接从项目网站下载Python,然后单独安装你想要的组件和库或者,你能够下载并安装一个包,它附带了预装的库。我建议您下载Anaconda。另一种选择是EnthoughtCanopyExpress。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,选择环境能够有很多种选择。这里是3个最常见的选择:终端/基于ShellIDLE(默认环境)iPythonnotebook——类似于R的markdown 而环境权取决于你的需要,我个人更喜欢iPythonnotebook一点。它提供了许多良好的功能,编写代码的同时还能够用于记录,你能够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 你能够使用Python作为一个简单的计算器来开始:有一些事情需要注意:你能够在你的终端/CMD键入“IPythonnotebook”来启动IPythonnotebook,这取决于你的工作在操作系统你能够通过简单地点击上面截图中的名字来对IPythonnotebook命名界面显示In[*]代表输入和Out[*]代表输出。你能够通过按“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