擅用Python，強(qiáng)推這 7 種 神兵利器！

君子生非異也，善假于物也。

“物”能夠延展英雄的能力。它是呂布的赤兔馬，楊過的玄鐵重劍，CS中的沙漠之。鷹，曹操傳中的鳳凰羽衣。“物”也可用以治愈英雄，例如張無忌的黑玉斷續(xù)膏，李逍遙的天香續(xù)命露，還有深夜里TVB的一碗面。

對于不同的位面，有著不同的寶物定義。對古時文人來講，筆墨紙硯，是當(dāng)時具有生產(chǎn)力輸出的四大工具。對程序員來講，當(dāng)代的“文房四寶”不外乎是：筆 記本，大屏幕，機(jī)械鍵盤，人體工學(xué)椅，Google，Github這幾種。特別是機(jī)械鍵盤和人體工學(xué)椅，它們是極為重要的“人機(jī)接口”。前者可以用來延展 英雄的輸出能力，后者可以用來治愈英雄的腰椎。

在數(shù)據(jù)領(lǐng)域也有類似的情況。一個數(shù)據(jù)項(xiàng)目，最重要的是定義問題，其次是拿到好的數(shù)據(jù)，再次是找到合適的方法，最不重要的可能就是選擇一個工具了。但是看起來最形而下的工具，卻是最具體而真實(shí)的“人數(shù)接口”。用一種順手的工具來玩數(shù)據(jù)，我們會覺得比較舒服，輸出效率更高。

市面上的分析工具大致分為兩大類，菜單式的工具和命令行式的工具。前者適合于初學(xué)入門，類似于跟團(tuán)旅游，提供了固定的路線。分析套路比較固定化，點(diǎn) 幾下鼠標(biāo)就可以搞定也很省事。后者適合于老手玩家，類似于自由行，需要自己規(guī)劃數(shù)據(jù)工作流，適用于自定義的靈活分析。大多數(shù)用戶害怕命令行，然而使用命令 行才能掌握真正的力量。命令行是Jedi的原力。

在命令行工具類別中，最耀眼的是R和Python這對雙星。他們有非常多的相似之處，第一個相似之處是“快”。這種快不是純計算速度快，而是從想法 到結(jié)果的快。因?yàn)椴徽撌翘剿鲾?shù)據(jù)還是建模，都需要各種嘗試各種試錯各種踩坑，如果要花2小時寫代碼，跑1分鐘，不如花1分鐘寫程序，跑1小時。因?yàn)槿说臅r 間總是更為寶貴。第二個相似之處是擴(kuò)展豐富。即有大量現(xiàn)成的函數(shù)模塊。從想法到結(jié)果的快速實(shí)現(xiàn)，不能等待重新造輪子，另一方面，試錯也要做很多復(fù)雜的自定 義任務(wù)，將各種模塊進(jìn)行組合，調(diào)用各種外部交互接口，這兩種開源工具都非常擅長。

二者的差異點(diǎn)在于Python是一種通用型編程工具，R專注于數(shù)據(jù)領(lǐng)域；R有更為豐富的專業(yè)統(tǒng)計函數(shù)，Python則長于機(jī)器學(xué)習(xí)；R有更好的可視 化包，Python正在快速追趕；Python和R的核心語法非常簡潔，一些R包的語法則兼收并蓄，錯綜復(fù)雜。當(dāng)你有時間的時候，雙修是最好的選擇。因?yàn)?這兩種工具類似于筷子和勺子的區(qū)別，在不同場景下使用某種工具更為有效。

R語言這個工具與其生態(tài)系統(tǒng)，在統(tǒng)計之都上已經(jīng)介紹得非常多了。下文簡單介紹一下python的七個最為重要的數(shù)據(jù)分析模塊，或者稱之為七種武器。

長生劍：Numpy

Numpy是Python提供數(shù)值計算的基礎(chǔ)模塊，也是Python生態(tài)中歷史最為悠久的模塊，可稱得上“長生”二字。如果沒有這柄長生劍，就沒有 辦法做快速高效的向量化計算。它還提供了線性代數(shù)等高級矩陣運(yùn)算功能，另外還能集成C的代碼，讓你出劍更加的快。Python的許多擴(kuò)展模塊都是基于 Numpy開發(fā)的，所以學(xué)好Numpy就算是奠定好了根基。

碧玉刀：SciPy

SciPy是基于Numpy開發(fā)的高級模塊，它用于解決科學(xué)計算中的一些標(biāo)準(zhǔn)問題。例如數(shù)值積分和微分方程求解，擴(kuò)展的矩陣計算，最優(yōu)化，概率分布和統(tǒng)計函數(shù)，甚至包括信號處理。練習(xí)好碧玉刀和長生劍，就足以解決常見的計算問題，并不需要自己哼哧哼哧造輪子寫函數(shù)了。

孔雀翎：Matplotlib

孔雀的尾羽聚合了世間所有的色彩，做數(shù)據(jù)研究同樣需要漂亮的可視化工具。Matplotlib是python下最著名的繪圖庫，提供了一整套和 Matlab相似的API，十分適合交互式繪圖。也可將它作為繪圖控件，嵌入各種應(yīng)用程序中。在其基礎(chǔ)之上，還有更為有趣的繪圖工具Seaborn和 Bokeh。

多情環(huán)：Pandas

在數(shù)據(jù)整理階段，我們經(jīng)常需要連接讀定不同類型的數(shù)據(jù)源，處理不同格式的數(shù)據(jù)對象，如果只使用Numpy會很麻煩。Pandas使Python具備 了類似R的數(shù)據(jù)框?qū)ο?。這樣方便用于真實(shí)江湖的數(shù)據(jù)處理和分析，它提供大量易用、高效的數(shù)據(jù)操作函數(shù)庫，能執(zhí)行join以及其他SQL類似的功能來重塑數(shù) 據(jù)，支持各種格式的輸入輸出數(shù)據(jù)。它與Python生態(tài)中的其它模塊也有很好的整合，多情環(huán)名不虛傳。

離別鉤：Statsmodels

Statsmodels是python中專門用于統(tǒng)計分析的模塊，提供各種回歸模型函數(shù)，包括廣義回歸和穩(wěn)健回歸，還提供大量時間序列分析函數(shù)，例如ARIMA/VAR，各種經(jīng)典假設(shè)檢驗(yàn)和非參數(shù)方法一個都不少。有了離別鉤，你可以隨時和R說離別。

霸王槍：Scikit-learn

Scikit-learn是非常著名的機(jī)器學(xué)習(xí)庫，它提供一個統(tǒng)一的接口來使用不同模型，有助于迅速地在數(shù)據(jù)集上應(yīng)用流行的算法。它包含了許多用于 標(biāo)準(zhǔn)機(jī)器學(xué)習(xí)任務(wù)的工具，例如聚類、分類和回歸等。不僅是各種算法，機(jī)器學(xué)習(xí)中重要的特征選擇和模型評估均在模塊中包含了。值得一提的另一個模塊 gensim：提供了詞向量、主題模型等函數(shù)。有了這兩種模塊，天下就絕沒有不能解決的事。

一口箱子：TensorFlow

古龍并未寫完最后的第七種武器，通常會將《英雄無淚》中的一口箱子作為最為神秘最為強(qiáng)悍的終級武器。在Python生態(tài)中，一口箱子只能屬于 TensorFlow。它作為名門大派出品的深度學(xué)習(xí)框架，一出世就備受矚目。TensorFlow提供了C++和python兩種接口，讓你能高效的設(shè) 計各種機(jī)器學(xué)習(xí)算法，并且能運(yùn)行在各類硬件架構(gòu)之上。此外還有各種強(qiáng)力組件搭配，TensorBoard用于監(jiān)控學(xué)習(xí)過程中的各項(xiàng)參 數(shù)，TensorServer可用于生產(chǎn)環(huán)境的模型部署，甚至傳說還有TPU這種專門用于深度學(xué)習(xí)的芯片。

在數(shù)據(jù)江湖中，沒有順手的武器，英雄亦束手加班中。七種武器雖強(qiáng)，但器物總是死的，更重要的是從器物的把玩中，能領(lǐng)悟到運(yùn)用之妙，數(shù)據(jù)之道。一件武 器是否能令讀者覺得神奇有價值，主要還是得看使用它的是什么人。有赤兔的呂布沒有看到明天，沒有玄鐵重劍的楊過卻有更進(jìn)一步的修煉。

江湖路遠(yuǎn)，少俠們一路走好。

大家在學(xué)python的時候肯定會遇到很多難題，以及對于新技術(shù)的追求，這里推薦一下我們的Python學(xué)習(xí)扣qun：784758214，這里是python學(xué)習(xí)者聚集地??！同時，自己是一名高級python開發(fā)工程師，從基礎(chǔ)的python腳本到web開發(fā)、爬蟲、django、數(shù)據(jù)挖掘等，零基礎(chǔ)到項(xiàng)目實(shí)戰(zhàn)的資料都有整理。送給每一位python的小伙伴！每日分享一些學(xué)習(xí)的方法。和需要注意的小細(xì)節(jié)

點(diǎn)擊： python技術(shù)分享交流