下面是小编为大家整理的python大数据分析资料报告,供大家参考。
word
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!
我一周学会了Python根底。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 进展数据分析的信息,咀嚼它,直到我们觉得舒适并可以自己去实践。
1 / 46
word
2 / 46 目录
1. 数据分析的Python根底
o为什么学Python用来数据分析
o
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进展探索性分析
o序列和数据框的简介
word
o分析Vidhya数据集——贷款的预测问题
4. 在Python中使用Pandas进展数据再加工
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
为什么学Python用来数据分析
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,我有比拟过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:
3 / 46
word
•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。
这是关于Python的一个最具争议的话题。你可能总是不能防止遇到,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。
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。
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
一个强大的根底。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。
4 / 46
word
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比照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防止麻烦的安装,因此我会推荐给初学者。这种方法是你必须等待整个包进展升级,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
5 / 46
word
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:
6 / 46