[Livre technique] Introduction à l'analyse de données avec Python -1 Chapitre Introduction-

Les fichiers de données et les matériaux associés utilisés dans ce document se trouvent dans le référentiel GitHub ci-dessous. https://github.com/wesm/pydata-book Un mémorandum résumant les principaux points

table des matières

1. Choses à retenir
2. Bibliothèque Python requise
3. Termes techniques, etc.
4. Impressions, etc.

Choses dont il faut se rappeler

• Écrit dans le but de devenir un excellent analyste de données, ce livre est destiné à apprendre les connaissances nécessaires pour effectuer la programmation nécessaire à l'analyse de données avec Python. --Python est souvent utilisé pour créer des sites Web à l'aide de frameworks Web tels que Djnago. L'un des langages les plus importants de la science des données, de l'apprentissage automatique et du développement de logiciels en général.
• Avec une prise en charge améliorée des bibliothèques telles que pandas et scikit-learn, Python est devenu un choix puissant dans l'analyse des données. --Python est un langage interprété, donc sa vitesse d'exécution est lente. Pour les applications qui nécessitent une faible latence et les applications qui nécessitent une utilisation efficace des ressources (par exemple, les systèmes de trading haute fréquence), il est plus efficace d'optimiser les performances dans un langage de bas niveau tel que C ++. Ce sera une bonne façon de passer du temps. --Python est un langage difficile pour développer des applications parallèles et multi-thread (selon un mécanisme appelé GIL).

Bibliothèque Python requise

Numpy Fournir des structures de données et des algorithmes sur la base de calculs numériques en Python Des exemples typiques sont le ndarray d'objet de tableau multidimensionnel rapide et efficace et les opérations mathématiques.

pandas Introduit en 2010. L'objet principal est DataFrame = structure de données tabulaire et orientée colonne Il possède à la fois la fonction de calcul de tableau haute performance de numpy et la capacité de manipuler de manière flexible les données dans des feuilles de calcul et des bases de données relationnelles (comme SQL). pandas est l'une des choses principales de ce livre. Vous pouvez manipuler, préparer et nettoyer les données.

Matplotlab La bibliothèque Python la plus courante utilisée pour la visualisation de formats bidimensionnels tels que les graphiques. Un choix sûr comme outil de visualisation à utiliser par défaut

** Ipython et Jupyter ** IPython est recommandé pour une utilisation dans les situations où vous modifiez, exécutez et essayez et faites une erreur En 2014, le bloc-notes Web IPython a été remplacé par le bloc-notes Jupyter et prend désormais en charge plus de 40 langages de programmation. Ipython est utilisé comme noyau pour utiliser Python avec Jupyter. Le Jupyter Notebook est un "notebook" pour écrire du code sur une base Web. Puisque le contenu peut être édité avec Markdown et HTML, il est possible de créer un document riche avec un mélange de code et de phrases.

SciPy Une collection de packages traitant des problèmes courants dans le domaine de l'informatique scientifique. En utilisant Numpy et SciPy ensemble, ils peuvent être utilisés comme base de calcul rationnelle et mature et peuvent être appliqués à de nombreux calculs scientifiques traditionnels.

scikit-learn En haut des "outils d'apprentissage automatique" généraux. Sous-modules tels que la classification, la régression, le regroupement, la vérification des intersections, le prétraitement, etc.

statsmodels Un package d'analyse statistique classique comparé à scikit-learn.

Termes techniques, etc.

--Python 2.x s'appelle "Legacy Python", Python 3.x s'appelle simplement "Python"

• ** Manging, Langling **… L'ensemble du processus de manipulation de données non structurées ou désordonnées dans un format propre et structuré.
• ** Pseudo code **… Explique dans un format similaire au code source pour expliquer l'algorithme et le processus.
• ** Syntax Sugar **… Une grammaire du langage de programmation qui n'ajoute pas de nouvelles fonctionnalités mais facilite la saisie.

Impressions, etc.

Le premier article de qiita est un mémorandum de livres techniques Modifions en fonction de l'avis Diffusez la technologie avec qiita et publiez ce que vous voulez que les gens voient De plus, je souhaite créer une application Web d'apprentissage automatique / AI avec python Écrivez dans vos propres mots autant que possible. Ne cherchez pas trop la perfection. C'est une très bonne motivation pour que les gens le voient, et l'étude progresse efficacement. Je ne peux pas tout écrire, je vais résumer ce dont je veux me souvenir, ce que j'ai essayé de comprendre et ce qui m'intéressait