使用Python来学习数据科学的完整教程

我在SAS工作了5年多之后，决定走出舒适区。作为一名数据科学家，我在寻找其他好用的工具，幸运的是，没过多久，我发现了Python。

一直以来，我喜欢敲代码。事实证明，有了Python，敲代码变得更为容易。

我花了一周时间来学习Python的基础知识，从那时起，我不仅深入钻研Python，而且还帮助许多其他人学习这门语言。起初，Python是门通用语言，多年来，随着社区的大力支持，现在有了数据分析及预测建模库。

由于缺少Python数据科学资源，我决定创建本教程，旨在帮助大家快速入门。在本教程中，我们将讨论如何使用Python来进行数据分析，在实践中总结方法。

Python数据分析基础

为什么要学习使用Python来进行数据分析？

使用Python来进行数据分析的原因有很多，过去一段时间通过对比SAS和R，有以下几点理由：

• 开源免费
• 强大社区支持
• 易学
• 成为数据科学和web产品分析的通用语言

诚然，它还有很多缺点：

Python是一种解释语言而不是编译语言，因此占用更多的CPU时间。然而，由于节省了程序员时间（易学），Python仍然是一个不错的选择。

Python 2.7与3.4版本的比较

这是Python中最受争议的话题之一，作为初学者，你绕不开这个问题。其实选择哪个版本都没有对错，完全取决于你的需要和实际使用场景。我会尝试给大家一些指引，帮助大家做出明智的选择。

为什么选择Python 2.7?

社区支持，这是早期需要的，Python 2版本在2000年下半年发布，超过15年的使用了。

第三方库支持，虽然许多库提供3.X的支持，但仍然有大量库只能在2.X版本上运行。如果你打算将Python用于特定的场景，如网页开发，高度依赖外部模块，你可能选择2.7版本会更好。

3.X版本的一些功能向后兼容，可以使用2.7版本。

为什么选择Python 3.4?

简洁快速，Python开发人员已经修复了一些自身的Bug，为其发展打下更坚实的基础。最初这些可能与你不是很相关，终将是很重要的。

未来趋势，2.7版本是2.X系列的最后一个版本，最终大家都必须转到3.X版本。Python 3已经发布了5年的稳定版本，并将持续推进。

没有明确显示到底谁好，但我认为最重要的是大家应该专注于将Python当作一门语言来学习。版本之间的转换是一个时间的问题。迟点，继续关注Python 2.X与3.X比较的文章。

如何安装Python？

有两种安装Python的方法：

你可以直接在官网上下载Python，并安装所需要的组件和库。

或者，你可以下载安装预装库的软件包，我建议你下载Anaconda，另外可以是Canopy Express。

第二种方法免去安装其他库的麻烦，因此我会推荐给初学者。如果你对单个库的最新版本感兴趣，你必须等到整个软件包的更新。除非你在做前沿的统计研究，否则应该没有什么影响。

选择开发环境

一旦安装了Python，就有各种各样的开发环境，以下是常见的3种：

• Terminal / Shell
• IDLE (默认)
• iPython notebook（类似R中的markdown）

正确的开发环境取决于你的需要，我个人更喜欢iPython Notebook。它有很多好的功能，编写代码时提供了文档记录功能，可以选择运行代码块（而不是逐行执行）。

我们将使用iPython开发环境完成本教程。

预热：运行你的第一个Python程序

你可以使用Python作为简单的计算器开始

提醒几点

你可以在terminal / cmd上输入“ipython notebook”来启动iPython Notebook，这取决于你正在使用的操作系统。

可以通过点击“UntitledO”来重命名。

界面显示In [*]表示输入，Out[*]表示输出。

执行当前代码块按快捷键“Shift + Enter”，运行当前块并插入额外的块按快捷键“ALT + Enter”。

在深入解决问题之前，让我们回顾一下，了解Python的基础知识。 我们知道数据结构、迭代和条件结构构成任何语言的关键。 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。我们来看看其中的一些。