酷应用

力压 R，Python 在数据科学领域风生水起

百家作者：CSDN 2018-09-09 04:42:49

TIOBE 最新发布的 9 月编程语言排行榜中，Python 凭 4.67% 的增速以 0.26% 的优势力压 C++，逆袭成功进入 Top 3。

TIOBE 9 月编程语言 Top 5

而近一年势头不灭的 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。

Demo：实际应用

问题描述：给定一组数据集，该数据集是由多种数据组成的综合统计数据，如监狱设施的分布和情况、监狱的拥挤程度、监狱中的犯人类型，等等。请在这个数据集上做描述性的统计，并从数据中找出有用的信息。下面是几个任务：

数据加载：使用 Pandas 加载数据集“prisoners.csv”并显示数据集中的前五行和最后五行。然后用 Pandas 的 describe 方法找出列数。
数据操作：创建一个新的列 - “total benefitted”，它是所有模式下的受益的犯人总数。
数据可视化：创建条形图，用每个州的名字作为X轴，受益犯人的总数作为条的高度。

加载数据使用以下代码：

import pandas as pd
import matplotlib.pyplot as plot
%matplotlib inline
file_name = "prisoners.csv"
prisoners = pd.read_csv(file_name)
prisoners

然后用 Pandas 的 describe 方法，只需输入以下语句：

prisoners.describe()

然后进行数据操作：

prisoners["total_benefited"]=prisoners.sum(axis=1)
prisoners.head()

最后，用 Python 做一些数据可视化。代码如下：

import numpy as np
xlabels = prisoners['STATE/UT'].values
plot.figure(figsize=(20, 3))
plot.xticks(np.arange(xlabels.shape[0]), xlabels, rotation = 'vertical', fontsize = 18)
plot.xticks
plot.bar(np.arange(prisoners.values.shape[0]),prisoners['total_benefited'],align = 'edge')