python数据分析.doc

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
Python基础1. 数据分析的 Python用来数据分析为什么学 oPython v/s
oPython
怎样安装 o 上运行一些简单程序在Python o 2. Python的库和数据结构Python的数据结构 oPython的迭代和条件结构 oPython库 o 进行探索性分析Pandas中使用Python在3.
序列和数据框的简介 o 分析Vidhya数据集——贷款的预测问题 o 进行数据再加工在Python中使用Pandas4.
5. 使用Python中建立预测模型 逻辑回归 o 决策树 o 随机森林 o
用来数据分析Python为什么学
作为数据分析语言。这一段时间以来，很多人都有兴趣选择Python
：。这里有一些原因来支持学习和RPython我有比较过SAS开源——免费安装 ?极好的在线社区 ?很容易学习 ? 的分析产品数据科学和生产中。Web可以成为一种通用的语言，用于基于 ?．
不用说，它仍然有几个缺点：然而，CPU时间。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 ? 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 v/s
你可能总是不能避免遇到，这是关于Python的一个最具争议的话题。
错误的选择。它完全取决/尤其是如果你是一个初学者。这里没有正确以帮助你做出明智的我会尝试给你一些建议，于具体情况和你的需要。 选择。 为什么选择Python ，已经被2000Python 21. 极好的社区支持！这是你在初期需要的东西。发行于 15年。使用超过的支持，. 很多第三方库！虽然许多库已经提供了 用，如Web 开发这种高度依赖外 。如果你计划将Python用于具体的应部模块的，。
3. ，。
为什么选择Python
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。．
版是2. 这是未来！ .X族发布的最后一个版本， 在过去本。Python 35年已经发布的稳定版本，并将继续。
语言。底线是， 没有明确的赢家，但我想，你应该专注于学习Python敬请期待，不久的将来一个专版本之间的转换应该只是一个时间问题。 Python X的文章！Python怎样安装
Python
有两种方法安装 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这种因此我会推荐给初学者。第二种方法提供了一个避免麻烦的安装，即使你只是对一个单一的库的方法是你必须等待整个包进行升级，
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：
Shell
基于/终端 ?．
)
IDLE(默认环境 ?markdown
的iPython notebook ——类似于R ?

。 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