为什么用Python做数据分析?

img

生活的理想,就是为了理想的生活。 ——张闻天

你好,我是悦创。

21世纪的企业竞争是数据的竞争,谁掌握数据,谁就掌握未来。

我们每个人都处于数据洪流之中,大数据可以帮助我们分析数据背后的价值。数据整合分析后得到的信息,是数据背后的价值,大数据实现了数据到信息的转化,掌握了大数据时代下的数据,就能够指导世界发展。

正所谓 “工欲善其事 必先利其器” ,在时代的大背景下,选择最有前景的工具去完成手头的工作,是值得我们每个人去停下来思考的问题。

最近几年,大数据、人工智能、机器学习等概念异常火爆,以至于普通人对此均有所耳闻。而 Python 语法简单灵活易学,拥有庞大的外部库可扩展自己的应用领域,尤其是许多与大数据内容相关的库,如 MatplotlibNumpyPandasSciPyTensorFlow 等,因此 Python 成为了大数据、人工智能、机器学习的首选语言而备受关注。所以我们说,python 做数据分析,再合适不过了

1. Python 语法简单易学

如果你不是科班出身的程序猿,那么 Python 对你来讲应该是最好的编程语言了,没有之一。如果你是科班程序员,再掌握一门 Python 语言,绝对是如虎添翼的事情。

Python 语言非常的简洁,并且可读性非常强。

所以,Python 的程序对于新手朋友们非常友好,只要你按部就班地学习,并辅之以一定的练习与实战,进入这个领域并且能够用 Python 工作完成日常工作,3个月足矣。并且这会导致一个良性循环,Python 在日常工作中打开局面,会进一步激发你的学习兴趣,进而促使你有更多的信心去更加深入地学习这门语言。

# Python 打印99乘法表
for i in range(1, 10):
    for j in range(1, i+1):
        print("{}×{}={}".format(i, j, i*j), end='  ')
    print("")

运行结果:

1×1=1  
2×1=2  2×2=4  
3×1=3  3×2=6  3×3=9  
4×1=4  4×2=8  4×3=12  4×4=16  
5×1=5  5×2=10  5×3=15  5×4=20  5×5=25  
6×1=6  6×2=12  6×3=18  6×4=24  6×5=30  6×6=36  
7×1=7  7×2=14  7×3=21  7×4=28  7×5=35  7×6=42  7×7=49  
8×1=8  8×2=16  8×3=24  8×4=32  8×5=40  8×6=48  8×7=56  8×8=64  
9×1=9  9×2=18  9×3=27  9×4=36  9×5=45  9×6=54  9×7=63  9×8=72  9×9=81  

单从 Python 语法角度来说,其基础语法非常简单,非常注重用少量的代码构造出很多功能。简单 4行代码,就可以打印出 99乘法表,简约而不简单。移动互联时代,快人一步,则抢夺先机。 简洁的语法,则是更高开发效率的代名词。

2. Python 还是一门脚本语言

脚本语言的 “优势”,其实在于它不需要事先 “编译”。而 Python 不仅仅是一门高级语言,它还有脚本语言的特征。这就能拿来做很多事情了。

例如做数据清洗的时候,我们迫切地需要看到每一步的执行效果,以此来判断下一步的行动,而这是其它高级语言所不能提供的能力。

Python 提供了很多交互式编程环境,比如 Ipython,还有最近大名鼎鼎的 Jupyter。这对我们的数据分析场景尤为重要。

试想这样一个情况:

我有很多封装为函数的小段可视化代码,为了避免代码过于分散,我将封装好后全部放进一个文件中。如果我希望同时执行其中的数段代码可视化功能,以比较不同的代码执行的效果。那我可要抓狂了,因为在同一个集成编辑环境中,我只能显示一个可视化效果,除非我将它们分别下载下来一一比较。

在交互式编程环境中,比如 Jupyter,则完全没有这样的烦恼。每段代码可以在同一个页面中分开运行,并交互式的展现,执行完成后,结果会以文本文件的格式写入到当前页面中。当你执行一整套流程,Jupyter 结果会像一篇笔记一样让你赏心悦目。而这正是 Python 作为一门脚本语言带来的独特魅力。

图片描述

从这个角度说,选择用 Python 做数据分析,是理所当然的选择。事实上,我们可以用先用 Python 脚本语言的特性做数据处理,再用高级语言的特性对数据能力进行封装。甚至于可以在封装阶段调用 C 语言的接口,提供额外的扩展功能,而这又是 Python 作为“胶水语言”的特性了。

3. Python语言是人工智能的首选

日前,Tiobe 发布了 2019年 6月编程语言排行榜,排名前五的分别是:Java、C、Python、C++、 Visual Basic。其中,Java 依旧稳居第一,Python 则升至第三位。

图片描述

Python 在统计、AI 编程、脚本编写、系统测试等领域均排名第一。此外,Python 还在 Web 编程和科学计算等领域处于领先地位,总之,Python 无处不在。目前的情况是,越来越多的开发者正在涌入这些领域,为这些领域带来强大的生命力。

火热只是表象,深层次的原因则是强大的 AI 支持库。

NumPy 支持维度数组与矩阵运算,堪称 AI 数据神器,而各种算法,实际上处理的都是矩阵和向量。使用 NumPy,矩阵的转置、求逆、求和、叉乘、点乘……都可以轻松地用一行代码搞定,行、列可以轻易抽取,矩阵分解也不过是几行代码的问题。而且,NumPy 在实现层对矩阵运算做了大量的并行化处理,通过数学运算的精巧,而不是让用户自己写多线程程序,来提升程序效率。

图片描述

对于 AI 模型,几十上百行代码就够了。当然你也可以选择采用成熟的模型而调用 Scikit-Learn 的接口,效果却轻而易举地超越前辈的规则模型,简直没有比这更让新入门的朋友如此开心的事情了。

对于深度神经模型,Python 也有现成的平台的可以选用,比如 TensorFlow ,是搭建深度神经网络的首选。

Python 生态的完善,让 Python 的学习曲线非常平缓。你可以选择先成为一名数据分析师,在完全驾驭这个领域之后,再学习经典算法,成为一名数据挖掘领域的专家。如果你对新技术充满虔诚与狂热,那么进入深度学习领域吧。数据分析能力将成为你在 AI 这个领域的奠基石,算法与数学的积累,会让你在 AI 的殿堂里走的更远,总之你的一切能力都不会浪费,他们都会因你的下一次选择而不断升华。

而这源于你今天选择了 Python 这门工具,开启了数据分析的序幕

4. 统计分析?数据可视化?Python 都擅长

如果说 Python 是基础的话,那么 Python 数据分析的三大工具( NumpyPandasMatplotlib )则是数据分析领域最为灿烂的三大明珠。正是这三大工具,把数据分析推向了另一个高潮。「我觉得添加上 Pyecharts」

Numpy 提供了一套高效操作数组的方法,是 Python 科学计算的基础包。

Pandas 是一个表格容器,它纳入了大量的标准化的数据模型,提供了高效地操作大型数据集所需的方法。这是成为强大而高效的数据分析环境的重要因素之一。

Matplotlib 则是提供了一套可视化的方法。初次接触大家可能会有这样的疑问,MatplotlibMATLAB 的名字有些相似,它们是否有一定的相似性呢?

可以这么说,Matplotlib 的诞生是源于模仿 MATLAB,但是依托 Python 强大的开发生态,解决 MATLAB 自身的局限性。MATLAB 是一款科学计算软件,在处理数据与程序的交互式场景中,就显得有些相形见绌。

Python 作为一款高级语言,在与应用层的交互性方面有着近乎降维打击的优势。并且 Matplotlib 继承了 Python 语法简洁优美、开源免费的特点,因此在学术界和工业节应用广泛。

特别是近几年,依托于 Python 建立的数据分析生态愈发完善,像基于 Matplotlib 更高级封装的 Seaborn ,以及依托百度 Echarts 而来的 Pyecharts 等等,这些越来越多的开发者贡献自己的智慧,把 Python 的数据开发生态搭建得越来越齐全。

所以说,选择用 Python 做数据分析,其实是选择了这个生态,依托于这个生态,就像是站在了巨人的肩上,只有站得高,才能看得远。

5. 没有数据源?那自己写个爬虫好了

俗话常说 “巧妇难为无米之炊” ,我们学习数据分析,可能最大的阻碍不是语法知识,而是没有足够的数据源去实战。如果不在实际项目中,空学几句语法,那不成了花架子了?用 Python 则完全不用担心!

网络爬虫通俗的讲就是通过程序去自动采集数据。世界上 80%的爬虫是基于 Python 开发的,学好爬虫技能,可为后续的大数据分析、挖掘、机器学习等提供重要的数据源。

Python 写爬虫,其实也很简单,只要你了解基础的 HTML 知识,那么也可以快速开发出自己的爬虫程序,这里我们简单看一个豆瓣电影清单的 demo,只要三十行的代码量,就可以自动从豆瓣上采集。在之后的教学上,我们会详细讲解这个 demo,包括爬虫的编写逻辑、requests 库的安装等等。

#!/usr/bin/env python
# coding: utf-8
# Author:AI悦创
# 公众号:AI悦创

import json
import re
import requests
from requests import RequestException

# 获取网页的内容,以文本形式返回
def get_page(url):
    headers = {
        "Host":"movie.douban.com", 
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36"
    }
    try:
        response = requests.get(url, headers=headers)
        if response.status_code == 200:
            return response.text
        return None
    except RequestException:
        return None

# 对网页文本内容进行解析
def parse_page(html):
    pattern = re.compile('<li.*?list-item.*?data-title="(.*?)".*?data-score="(.*?)".*?>.*?<img.*?src="(.*?)".*?/>', re.S)
    items = re.findall(pattern, html)
    for item in items:
        yield{
            'title': item[0],
            'score': item[1],
            'image': item[2],}

# 爬虫主程序,同时print效果
def main():
    url = "https://movie.douban.com/cinema/nowplaying/beijing/"
    html = get_page(url)
    print(html)
    for item in parse_page(html):
        print(item)
if __name__ == '__main__':
    main()

6. 总结

总结来说,用 Python 做数据分析,再适合不过了!Python 是一个强有力的编程生态,通俗来说就是,Python 能力非常全面:NumpyPandas 是专门为数据分析打造的工具,而 Matplotlib 等工具则提供了可视化的捷径;如果没有数据,Python 还可以非常便捷地用来编写爬虫程序,解决数据来源的问题。

利用 Python 工具,可以在最短的时间内,打通数据获取、清洗、统计、到可视化的整个流程。并且 Python 语法简单易学,学习曲线平滑,非常适宜没有编程基础或者非科班出身的朋友学习。

特别需要指出的是,学会了这门课,不仅仅是多了一个技能,而是多了一个打开 AI大门的钥匙,一张 AI赛程的入场券!所以,你准备好了吗?

AI悦创·创造不同!
AI悦创|黄家宝 » 为什么用Python做数据分析?

Leave a Reply