[Technisches Buch] Einführung in die Datenanalyse mit Python -1 Kapitel Einführung-

Die in diesem Dokument verwendeten Datendateien und zugehörigen Materialien befinden sich im folgenden GitHub-Repository. https://github.com/wesm/pydata-book Ein Memorandum, das die wichtigsten Punkte zusammenfasst

Inhaltsverzeichnis

1. Dinge, an die man sich erinnern sollte
2. Erforderliche Python-Bibliothek
3. Fachbegriffe usw.
4. Eindrücke usw.

Dinge, an die man sich erinnern sollte

―― Dieses Buch wurde geschrieben, um ein hervorragender Datenanalyst zu werden. Es dient dazu, das Wissen zu erlernen, um die für die Datenanalyse mit Python erforderliche Programmierung durchzuführen.

• Python wird häufig zum Erstellen von Websites mit Webframeworks wie Djnago verwendet. Eine der wichtigsten Sprachen in den Bereichen Datenwissenschaft, maschinelles Lernen und allgemeine Softwareentwicklung.
• Mit der verbesserten Unterstützung für Bibliotheken wie Pandas und Scikit-Learn ist Python zu einer leistungsstarken Wahl in der Datenanalyse geworden.
• Python ist eine interpretierte Sprache, daher ist die Ausführungsgeschwindigkeit langsam. Für Anwendungen, die eine geringe Latenz erfordern, oder für Anwendungen, die eine effektive Ressourcennutzung erfordern (z. B. Hochfrequenz-Handelssysteme), ist es effektiver, die Leistung in einer Sprache mit niedrigem Sprachniveau wie C ++ zu maximieren. Es wird eine gute Möglichkeit sein, Zeit zu verbringen.
• Python ist eine schwierige Sprache für die Entwicklung von parallelen und Multithread-Anwendungen (gemäß einem Mechanismus namens GIL).

Erforderliche Python-Bibliothek

Numpy Bereitstellung von Datenstrukturen und Algorithmen auf Basis numerischer Berechnungen in Python Typische Beispiele sind das schnelle und effiziente mehrdimensionale Array-Objekt ndarray und mathematische Operationen.

pandas Eingeführt im Jahr 2010. Das Hauptobjekt ist DataFrame = tabellarische und spaltenorientierte Datenstruktur Es verfügt sowohl über die leistungsstarke Array-Berechnungsfunktion von numpy als auch über die Fähigkeit, Daten in Tabellenkalkulationen und relationalen Datenbanken (wie SQL) flexibel zu bearbeiten. Pandas ist eines der wichtigsten Dinge in diesem Buch. Sie können Daten bearbeiten, vorbereiten und bereinigen.

Matplotlab Die am häufigsten verwendete Python-Bibliothek zur Visualisierung zweidimensionaler Formate wie Grafiken. Eine sichere Wahl als Visualisierungswerkzeug, das standardmäßig verwendet wird

** Ipython und Jupyter ** IPython wird für die Verwendung in Situationen empfohlen, in denen Sie bearbeiten, ausführen und versuchen, Fehler zu machen 2014 wurde das IPython-Webnotizbuch durch das Jupyter-Notizbuch ersetzt, das jetzt mehr als 40 Programmiersprachen unterstützt. Ipython wird als Kernel für die Verwendung von Python mit Jupyter verwendet. Das Jupyter-Notizbuch ist ein "Notizbuch" zum Schreiben von Code auf Webbasis. Da der Inhalt mit Markdown und HTML bearbeitet werden kann, ist es möglich, ein umfangreiches Dokument mit einer Mischung aus Code und Sätzen zu erstellen.

SciPy Eine Sammlung von Paketen, die sich mit allgemeinen Problemen im Bereich des wissenschaftlichen Rechnens befassen. Durch die gemeinsame Verwendung von Numpy und SciPy können sie als rationale und ausgereifte Berechnungsgrundlage verwendet und auf viele traditionelle wissenschaftliche Berechnungen angewendet werden.

scikit-learn An der Spitze der allgemeinen "Werkzeuge für maschinelles Lernen". Submodule wie Klassifizierung, Regression, Clustering, Schnittstellenüberprüfung, Vorverarbeitung usw.

statsmodels Ein klassisches statistisches Analysepaket im Vergleich zu Scikit-Learn.

Fachbegriffe usw.

• Python 2.x heißt "Legacy Python", Python 3.x heißt einfach "Python"
• ** Manging, Langling **… Der gesamte Prozess der Bearbeitung unstrukturierter oder unordentlicher Daten in ein sauberes, strukturiertes Format.
• ** Pseudocode **… Erklärt in einem Format ähnlich dem Quellcode, um den Algorithmus und den Prozess zu erklären.
• ** Syntax Sugar **… Eine Programmiersprachengrammatik, die keine neuen Funktionen hinzufügt, aber die Eingabe bequem macht.

Impressionen usw.

Der erste Qiita-Beitrag ist ein Memorandum technischer Bücher Lassen Sie uns entsprechend der Überprüfung bearbeiten Verbreiten Sie Technologie mit Qiita und veröffentlichen Sie, was die Leute sehen sollen Außerdem möchte ich eine maschinelle Lern- / KI-Webanwendung mit Python erstellen Schreiben Sie so viel wie möglich in Ihren eigenen Worten. Suchen Sie nicht zu viel nach Perfektion. Es ist eine sehr gute Motivation, wenn die Leute es sehen und das Lernen effizient voranschreitet. Ich kann nicht alles schreiben, ich fasse zusammen, woran ich mich erinnern möchte, was ich zu verstehen versuchte und woran ich interessiert war