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)。
sts.bernoulli.rvs(0.5)
# 0
# 让我们翻转一堆硬币吧!
coin_flips = [sts.bernoulli.rvs(0.5) for i in range(100)]
print('The first ten coin flips are: ', coin_flips[:10])
print('The percent of heads from this sample is: ', sum(coin_flips) / len(coin_flips) * 100, '%')
'''
The first ten coin flips are: [1, 1, 1, 1, 0, 1, 1, 0, 1, 1]
The percent of heads from this sample is: 60.0 %
'''
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。
# Pandas 标准导入为 pd
import pandas as pd
# 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
dat_1 = np.array(['London', 'Washington', 'London', 'Budapest'])
labels = ['Ada', 'Alonzo', 'Alan', 'John']
# Pandas 提供 'Series' 数据对象来存储带有轴标签的 1d 数据
pd.Series?
# 让我们制作一个没有数据的序列,并收好它
ser_1 = pd.Series(dat_1, labels)
ser_1.head()
'''
Alonzo Washington
Alan London
John Budapest
dtype: object
'''
# 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
dat_2 = [36, 92, 41, 53]
ser_2 = pd.Series(dat_2, labels)
ser_2.head()
'''
Ada 36
Alonzo 92
Alan 41
John 53
dtype: int64
'''
# 然而,拥有一系列序列可能会很快变得非常混乱
# 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
pd.DataFrame?
# 有几种方法可以初始化数据帧
# 在这里,我们提供了一个由我们的序列组成的字典
df = pd.DataFrame(data={'Col-A': ser_1, 'Col-B':ser_2}, index=labels)
df['Col-A'].value_counts()
'''
London 2
Washington 1
Budapest 1
Name: Col-A, dtype: int64
'''
# 请注意,数据帧实际上是Series的集合
# 当我们索引 df 时,如上所述,我们实际上是拉出一个序列
# 因此,'.value_counts()' 实际上是一个 Series 方法
type(df['Col-A'])
# pandas.core.series.Series
# 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
# 例如,所有数字数据列的平均值
df.mean()
'''
Col-B 55.5
dtype: float64
'''
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。
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。
# 导入 sklearn
import sklearn as skl
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。