近一年势头不灭的 Python 在数据分析领域，是专家们的必备技能。随着 IT 行业的增长，对有经验的数据科学家的需求也水涨船高，而 Python 也一跃而成最受欢迎的语言。本文旨在介绍分析数据的基本知识，并利用 Python 创建一些漂亮的数据可视化。

　　概要

　　为什么要学数据科学中的 Python？

　　Python 简介

　　为数据科学中的 Python 安装 Jupyter

　　Python 的基本知识

　　用于数据科学的 Python 库

　　Demo：实际应用

　　数据科学领域，非 Python 语言莫属？

　　Python 是最适合数据科学家的语言，这一点毫无争议。下面几点可以帮你理解为什么从事数据科学的人选择了 Python：

　　Python 是一门免费，灵活且强大的开源语言。

　　Python 能减少一半的开发时间，同时提供简洁易读的语法。

　　使用 Python 可以进行数据操作、数据分析和可视化。

　　Python 提供功能强大的库，用于机器学习应用和其他科学计算。

　　你知道最大的好处是什么吗？数据科学家是目前收入最高的职位之一，根据 Indeed.com 的数据，平均年薪为 $130,621。

　　Python 由 Guido Van Rossum 于 1989 年创建。它是个解释语言，拥有动态语义。它在所有的平台上可以免费使用。Python 是：


　　面向对象

　　高级语言

　　容易学

　　面向过程

　　为数据科学中的 Python 安装 Jupyter

　　我们先来在自己的系统上安装 Jupyter。请按照以下步骤进行：

　　第 1 步：访问 https://jupyter.org/

　　第 2 步：点击“Try in your browser”或“Install the Notebook”

　　我建议你使用 Anaconda 发行版（https://www.anaconda.com/download/）安装 Python 和 Jupyter。装好Jupyter 之后，可以在命令行中输入“Jupyter Notebook”即可在默认浏览器中打开。现在我们在 Jupyter 上写个最基本的程序。

　　name=input("Enter your Name:")

　　print("Hello", name)

　　要运行这段代码，可以按下“Shift+Enter”，即可查看输出。如下面的截图所示：


　　数据科学中的 Python 的基础

　　现在可以开始编程了。为了编程，你需要先了解以下的基础知识：

　　变量：“变量”这个术语指内存中的一块保留的位置，用于保存值。在Python中，使用变量之前不需要定义变量，更不需要声明变量的类型。

　　数据类型：Python 支持多种数据类型，这些数据类型定义了变量上可能的操作，以及它们的存储方式。数据类型包括数值、列表、字符串、元组、集合和字典。

　　操作符：操作符可以操纵操作数中的值。Python 中的操作符包括数值操作符、列表操作符、字符串操作符、元组操作符、集合操作符和字典操作符。

　　条件语句：条件语句可以根据某个条件执行一组语句。有三个条件语句：if、elif 和 else。

　　循环：循环用来反复执行一小段代码。有三种循环，分别是while、for和嵌套循环。

　　函数：函数用来将代码分隔成有意义的功能块，以便更好地组织代码，让代码更易读，重用代码，还能节省时间。

　　关于 Python的更多信息和实际的实现，可以参考这篇文章：

　　Python 入门（https://www.edureka.co/blog/python-tutorial/）。

　　数据科学中的 Python 库

　　这是 Python 在数据科学中发挥力量的部分。Python 拥有大量用于科学计算、分析、可视化等的库。一些库如下：

　　Numpy - NumPy 是 Python 在数据科学方面的核心库，它的名字的意思是“数值计算用的Python”。它可以用于科学计算，包含了强大的 n 维数组对象，并提供了许多工具与 C、C++ 等语言集成。它还可以用作多维容器，用来存储任意数据，从而进行各种 NumPy 操作和特殊功能。

　　Matplotlib - Matplotlib 是个强大的可视化 Python 库。它可以用于Python 脚本、shell、Web 应用服务器上，还可以用于其他 GUI 工具中。可以用它绘制各种图表，也可以把多种图表画在一起。

　　Scikit-learn - Scikit-learn 是最引人注目的库之一，通过它可以用 Python 实现机器学习。这个免费的库包含了用于数据分析和数据挖掘的简单有效的工具。用它可以实现各种算法，如逻辑回归。

　　Seaborn - Seaborn 是个统计绘图的 Python 库。在数据科学中使用 Python 时，可以使用 matplotlib（用于二维可视化）和 Seaborn，后者有漂亮的样式和高级接口可以用于绘制统计图表。

　　Pandas - Pandas 是数据科学中的重要的 Python 库。它用来操作数据和分析数据。它很适合不同类型的数据，如表格、有序时间序列、无序时间序列、矩阵等。这里有个视频（https://youtu.be/B42n3Pc-N2A）演示了如何在处理数据之前使用 Pandas 进行数据分析。
第三十八届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。