python数据分析(DOC46页)

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！

我一周内学会了Python基础。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 进行数据分析的信息，咀嚼它，直到我们觉得舒适并可以自己去实践。

目录

1. 数据分析的Python基础

o为什么学Python用来数据分析

o Python 2.7 v/s 3.4

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进行探索性分析

o序列和数据框的简介

o分析Vidhya数据集——贷款的预测问题

4. 在Python中使用Pandas进行数据再加工

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

1.数据分析的Python基础

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，我有比较过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：

•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。Python 2.7 v/s 3.4

这是关于Python的一个最具争议的话题。你可能总是不能避免遇到，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。

为什么选择Python 2.7

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。

为什么选择Python 3.4

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

一个强大的基础。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。

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对比Python 2.X和3 X的文章！

怎样安装Python

有两种方法安装Python

•你可以直接从项目网站下载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避免麻烦的安装，因此我会推荐给初学者。这种方法是你必须等待整个包进行升级，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

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：

有一些事情需要注意：

•你可以在你的终端/ CMD键入“IPython notebook”来启动IPython notebook，这取决于你的工作在操作系统

•你可以通过简单地点击上面截图中的名字来对IPython notebook命名

•界面显示In[*]代表输入和Out[*]代表输出。

•你可以通过按“Shift + Enter”或“ALT + Enter”来执行代码，如果你后面还想插入一行。

在我们深入挖掘如何解决问题之前，让我们退后一步，了解Python 的基本知识。当我们知道数据结构和迭代和条件结构是形成任何语言的关键。在Python中，这些包括列表、字符串、元组、字典、for循环，while循环，if-else等等，让我们来看看下面的因素。

2 .在Python上运行一些简单程序

Python的数据结构

以下是Python中使用的一些数据结构。你应该熟悉他们，以便恰当的使用它们。

•列表——列表是在Python中最通用的数据结构。列表可以这样简单的定义：就是在方括号中一系列用逗号来分隔的值。列表可能包含不同类型的项，但它们通常都有相同类型的。Python列表是可变的，列表中的单个元素是可以改变的。

这里是一个快速的例子，定义了一个列表，然后访问它：