四、Python 中的数据科学

    Python 有大量可用于数据科学的工具。

    Python 中的数据科学核心围绕着一些核心模块，通常包括【scipy，numpy，pandas，matplotlib 和 scikit-learn】。

    在这里，我们将探讨这些模块的基础知识以及它们的作用。

    Scipy是一个“生态系统”，包括一系列用于 Python 中科学计算的开源软件包。

    scipy 组织的网站在，包括生态系统的描述，，以及广泛的教程。

    Scipy 具有广泛的功能。

    对于一个简单/随机的例子，让我们使用它的统计模块来模拟用翻转硬币，这是一个可以模拟随机变量的分布，随机变量要么是 0（称之为反面），要么是 1（称之为正面）。

    2. sts.bernoulli.rvs(0.5)
    4. # 0
    7. # 让我们翻转一堆硬币吧！
    8. coin_flips = [sts.bernoulli.rvs(0.5) for i in range(100)]
    9. print('The first ten coin flips are: ', coin_flips[:10])
    10. print('The percent of heads from this sample is: ', sum(coin_flips) / len(coin_flips) * 100, '%')
    12. '''
    13. The first ten coin flips are:  [1, 1, 1, 1, 0, 1, 1, 0, 1, 1]
    14. The percent of heads from this sample is:  60.0 %
    15. '''

    四、Python 中的数据科学 - 图1

    numpy 网站是这里，包括他们的官方。

    注意：

    数组是“相似对象的系统排列，通常在行和列中”（来自 Wikipedia 的定义）

    有关 numpy 的更多练习，请查看集合 。

    Pandas 是一个用于在数据结构组织数据，并对其进行数据分析的软件包。

    Pandas 官方网站在这里，包括[ 10 分钟入门]等材料(

    Pandas 主要数据对象是 DataFrame（数据帧），它是一个功能强大的数据对象，用于将混合数据类型与标签一起存储。

    Pandas 数据帧还提供了大量可用于处理和分析数据的方法。

    如果你熟悉 R，pandas 数据帧对象和方法与 R 非常相似。

    1. # Pandas 标准导入为 pd
    2. import pandas as pd
    5. # 让我们从一组数据开始，但我们也为每个数据项放置一个标签
    6. dat_1 = np.array(['London', 'Washington', 'London', 'Budapest'])
    7. labels = ['Ada', 'Alonzo', 'Alan', 'John']
    10. # Pandas 提供 'Series' 数据对象来存储带有轴标签的 1d 数据
    11. pd.Series?
    14. # 让我们制作一个没有数据的序列，并收好它
    15. ser_1 = pd.Series(dat_1, labels)
    16. ser_1.head()
    17. '''
    19. Alonzo    Washington
    20. Alan          London
    21. John        Budapest
    22. dtype: object
    23. '''
    26. # 如果我们有一些不同的数据（标签相同），我们可以制作另一个序列
    27. dat_2 = [36, 92, 41, 53]
    28. ser_2 = pd.Series(dat_2, labels)
    30. ser_2.head()
    32. '''
    33. Ada       36
    34. Alonzo    92
    35. Alan      41
    36. John      53
    37. dtype: int64
    38. '''
    41. # 然而，拥有一系列序列可能会很快变得非常混乱
    42. # 因此，Pandas 提供了数据帧 - 一个强大的数据对象，用于存储带标签的混合类型数据
    43. pd.DataFrame?
    46. # 有几种方法可以初始化数据帧
    47. # 在这里，我们提供了一个由我们的序列组成的字典
    48. df = pd.DataFrame(data={'Col-A': ser_1, 'Col-B':ser_2}, index=labels)
    51. df['Col-A'].value_counts()
    53. '''
    54. London        2
    55. Washington    1
    56. Budapest      1
    57. Name: Col-A, dtype: int64
    58. '''
    61. # 请注意，数据帧实际上是Series的集合
    62. # 当我们索引 df 时，如上所述，我们实际上是拉出一个序列
    63. # 因此，'.value_counts()' 实际上是一个 Series 方法
    64. type(df['Col-A'])
    66. # pandas.core.series.Series
    69. # Pandas 还为我们提供了一种直接探索和分析数据帧中数据的方法
    70. # 例如，所有数字数据列的平均值
    71. df.mean()
    73. '''
    74. Col-B    55.5
    75. dtype: float64
    76. '''

    对于 Pandas 的更多练习，你可以尝试一些练习集，包括这个和。

    Matplotlib 是一个用于绘图的库，特别是 2D 绘图。

    Matplotlib 官方网站包括官方以及示例的画廊，你可以从中起步和修改。

    png

    matplotlib 还有许多外部材料，包括。

    Scikit-Learn 是一个用于数据挖掘，数据分析和机器学习的软件包。

    这是 scikit-learn 官方网站，包括他们的官方。

    1. # 导入 sklearn
    2. import sklearn as skl
    5. skl?

    我们将在稍后的教程中入门机器学习并使用 sklearn。

    有许多资源可供学习如何使用这些软件包。

    上面的链接包括官方文档和教程，这是最好的起点。

    你还可以在谷歌中搜索其他资源和练习。