Python的数据工具箱

Transcript

1. Python的数据工具箱 肖凯
2. 关于我 • 喜欢折腾数据 • 1号店-商务智能部 • 《数据科学中的R语言》
3. 哪一项最重要? • 问题 • 数据 • 方法 • 工具
4. 大纲 • 为何使用Python • Python VS R • 数据相关模块 • 学习资源
5. 为何使用Python • 填补数据研究和产品开发之间的鸿沟 • 配合数据科学家完成多领域任务（Bigdata/Deepleaning/NLP）
6. Python VS R 两种工具的相同点： • 均为开源免费 • 均可在三种操作系统中运行 • 均有大量的用户群和社区支持 • 均有大量的扩展包和教程资源 • 调查显示它们是业界人士最为喜爱的两种工具
7. Python VS R
8. Python VS R 两种工具的差异点： • Python是一种通用编程工具，R偏向于统计专业 • R有更为丰富的统计分析函数，Python长于机器学习 • R有更好的静态可视化包，Python正在进步 • Python和R的核心语法非常简洁，R包的语法兼收并蓄， 错综复杂
9. Python VS R R: results <- lm(y ~ x1 + x2 + x3, data=dataframe) Python: results = sm.OLS(y, X).fit()
10. Python VS R R: • 如果你不是计算机背景 • 未来有很强的学术化需求 Python: • 如果你是计算机背景 • 未来有很强的工业化需求
11. 数据相关模块 • IPython: 增强的交互式运行环境 • NumPy : 数组数据结构和矩阵计算 • SciPy : 科学计算 • Matplotlib : 数据绘图 • Pandas : 提供data frames数据结构 • Statsmodels：统计模型 • Scikit-learn：机器学习 • Pyspark：Spark接口 • NLTK：自然语言处理 • Networkx：社交网络分析
12. 深度学习框架 • Theano：高效的数值计算库 • 与Numpy紧密结合 • 优化了速度和稳定性 • 利用GPU做高负荷运算 • 自动计算函数导数，适合深度学习 • Lasagne • Keras • Opendeep • Blocks
13. 基于keras构建CNN
14. 分析流程中的Python
15. 科学计算套件
16. 推荐阅读
17. The End