為什麼是Python？

Python是一種多用途的程式語言，廣泛應用於資料科學，被稱為本世紀最性感的工作。資料科學家通過大資料集挖掘，以獲得洞察力並做出有意義的資料驅動決策。Python是一種通用的程式語言，用於Web開發、網路建設、科學計算等領域。我們將進一步討論python中的一系列令人敬畏的庫，例如用於資料操作和爭論的numpy、ciply和大熊貓，以及用於資料視覺化的matplotlib、seABON和bokeh。

不管你你用Python做什麼，首先你必須要入門Python，所以小編準備了一份Python入門學習資料，進群：943752371即可獲取！

從零開始學習Python用於資料科學，Python比你想象的要強大！

因此，Python&R只是用作資料科學的工具，但作為資料科學家，您需要更多地瞭解資料的統計和數學方面，而且除了所有方面之外，還必須具備良好的領域知識。

在我的這篇文章中，我將為用Python學習資料科學鋪平道路，並將分享一些有用的資源來學習它。記住，資料科學的學習需要時間，不可能在一個月左右完成，它需要大量的實踐、奉獻和自信。所以永遠不要放棄和快樂的學習。

步驟1：學習python的基礎知識

Python是一種很容易開始使用的語言，但是掌握這些成語需要時間，就像任何其他語言一樣。因此，作為新手，首先您需要了解語言的所有基礎知識，一個良好的開端是遵循以下教程：

補習點

&

Google Python類

一旦完成了本教程，那麼是時候邁出更大的一步，瞭解更復雜、更實時的python用法了，最好是少讀一些書和部落格文章：

書籍：

a)學習Python的硬道

b)用Python實現鏜孔的自動化

部落格：

a)前20位Python部落格

b)我最喜歡的部落格之一 : 丹巴德

第二步：基本統計與數學

強烈建議學習統計資料，並將重點放在編寫示例上，最好是在Python或R.

最著名的是統計學習系列。這是一個很好的入門統計建模/機器學習與應用，在R.閱讀ISLR之前，首先跳到ESLR。

(A)統計學習簡介

b)統計學習的要素

如果你想要一件Python重的東西，請看這本書“思考統計”(ThinkStats)。

這是一個很好的MOOC來學習資料科學所需的基本統計資料：

— R專業化統計

利用這個可怕的可汗學院系列來複習你的高中統計和數學知識：

高中統計

步驟3：用於資料分析的Python

一旦你完成了第一步和第二步，那麼是時候用一些真正的東西弄髒你的手了，首先你需要安裝Anaconda

Anaconda下載

Anaconda的優勢：

a)使用者級安裝所需的python版本

(B)能夠完全獨立於系統庫或管理特權來安裝/更新軟體包

(C)附帶Numpy、Sciy、PyQt、SpyderIDE等。或者在Minimal/alacarte版本(Miniconda)中，您可以在需要時安裝您想要的東西。

這是Anaconda附帶的工具：

a)木星筆記本IPython筆記本現在被稱為木星筆記本。它是一個互動式的計算環境，在這個環境中，您可以將程式碼執行、富文字、數學、情節和豐富的媒體結合在一起。

您可以在本地使用此筆記本進行資料分析和繪圖，並將資料視覺化並最終共享。

• 安裝Anaconda之後，從終端開啟IPython筆記本：

從零開始學習Python用於資料科學，Python比你想象的要強大！

• 在預設瀏覽器中開啟筆記本：

從零開始學習Python用於資料科學，Python比你想象的要強大！

• 在筆記本單元格中執行Python程式碼

從零開始學習Python用於資料科學，Python比你想象的要強大！

(B)Numpy

NumPy是Python用於科學計算的基本包。除其他外，其中包括：

1)一個強大的N維陣列物件。

2)精密(廣播)功能

3)C/C+和Fortran程式碼整合工具

4)有用的線性代數、傅立葉變換和隨機數能力

URL：Numpy

c)熊貓

熊貓是一個為Python程式語言編寫的用於資料操作和分析的軟體庫。

檢視我在那裡的位置，獲得關於Pandas的簡單而簡短的介紹。

URL：熊貓

書：用於資料分析的Python

d)Matplotlib

Matplotlib是一個Python2D繪相簿，它以各種硬拷貝格式和跨平臺互動環境生成出版物質量數字。Matplotlib可以用於Python指令碼、Python和IPython shell、jupyter筆記本、Web應用伺服器和四個圖形使用者介面工具包。

URL：Matplotlib

檢視我的位置，獲得關於matplotlib的簡單而簡短的介紹。

e)海運

Seborn是一個基於matplotlib的Python視覺化庫。它為繪製有吸引力的統計圖形提供了一個高階介面。

URL：海航

請檢視使用上述所有庫進行資料分析的木星膝上型電腦的以下數字：

(A)使用PADAS匯入資料：

從零開始學習Python用於資料科學，Python比你想象的要強大！

(B)資料分析和清理：

從零開始學習Python用於資料科學，Python比你想象的要強大！

(C)使用Ploly繪製圖表(或者，還可以使用matplotlib和海運)

從零開始學習Python用於資料科學，Python比你想象的要強大！

c)在木星筆記本上繪製方框圖、條形圖和熱圖

第4步：機器學習

機器學習是一門讓計算機在不被明確程式設計的情況下行動的科學。機器從大量的培訓資料中學習，並幫助對新的資料集進行預測或分類。

它分為以下兩類：

(I)監督學習(引數/非引數演算法、支援向量機、核、神經網路)。

(2)無監督學習(聚類、降維、推薦系統、深度學習)。

安裝PythonScikit學習朱庇特筆記本中機器學習練習圖書館。它有非常好的檔案可循：

從零開始學習Python用於資料科學，Python比你想象的要強大！

最佳MOOC首先：

a)斯坦福機器學習

b)基於Udacity的機器學習介紹

關於這個問題有很多書可讀，而且都寫得很好，所以我不想特別推薦任何一本書。所有的書都同樣適合閱讀和閱讀。

第五步：實踐與實踐

最後但並非最不重要的是，練習和艱苦的工作是關鍵，很多次我在Reddit&Quora上看到了一些問題，所以我可以從哪裡獲得用於分析的開源資料。我們是在2017年，到處都是豐富的資料，只是你需要挑選這些資料，並開始玩弄它。我個人最喜歡練習的是卡格爾。在這裡，您可以自己學習，並檢視核心，以檢視一些最好的資料科學家的工作。