再见Python！数据分析可以这样做。

Posted 2022-03-07 朱小五是凹凸君呀

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了再见Python！数据分析可以这样做。相关的知识，希望对你有一定的参考价值。

大家好，我是小五🧐

如果你是一位数据分析师，必须学习并掌握结构化查询语言——SQL。但它主要用于查询检索数据，所以往往还需要掌握一门编程语言。

在我的公众号中，数据分析相关文章似乎都是用Python实现的。实际上，R语言和Python编程在数据分析方法都各有所长，今天这篇文章会通过比较的形式介绍R语言和Python数据分析。

我们进行数据分析，大体围绕在数据获取、数据处理（探索）、数据建模以及数据可视化这几方面。

Python和R的简介

R是开源和免费的，这一特点让很多人从 SAS 和 SPSS 等传统商业统计软件包转而学习并使用R^[1]。大多数用户使用RStudio编写和编辑他们的 R 代码，RStudio是一款用于在 R 中编码的集成开发环境 (IDE)。

Python是一种面向对象的编程语言，并具有一个全面的标准库，可以轻松编程许多常见任务。大多数用户使用PyCharm编写和编辑他们的 Python 代码，PyCharm是由 JetBrains 打造的一款 Python IDE（集成开发环境）。

对于数据分析师来说，在Jupyter Notebooks上编写和编辑代码是个不错的选择。它是一款非常灵活、可交互和强大的工具，既可以运行Python代码，也同样支持R（需安装IRkernel这个R包）。

数据获取

Python语言支持导入各种不同格式的数据，包括但不限于Excel、CSV、txt、JSON等等。Python还有pandasql、sqldf等开源模块，它们可以直接运行SQL来获取数据库。

import pandas as pd
df = pd.read_csv("测试数据.csv")

此外，Python语言不仅可以编写爬虫从网站爬取数据，还可以通过读取Word、PDF、PPT等常用办公文档中读取数据。

同样，R语言也允许将数据从 CSV、Excel 和txt导入 R。R语言中既可以利用sqldf拓展包获取SQL数据库中的数据，也支持SPSS/SAS/Matlab等数据集的导入。

library(readr)
data <- read_csv("测试数据.csv")

但是在爬虫方面，R缺少类似于scrapy这类爬虫框架，只能进行简单的数据抓取。

数据处理

在数据处理（探索）中，使用Python编程则往往要调用Pandas模块。Pandas在数据处理的功能上非常全面，包括但不限于：数据预览、数据预处理、数据选取、数据运算、数据排序与排名、数据合并与连接、数据分组与透视表等等。

df.head(10)

R语言可以被用来对大型数据集进行数值和统计分析，数据探索包有：Dplyr、sqldf、data.table、readr、tidyr等，因此也有大量数据分析/科学人员使用 R 进行探索数据。

head(data, 1)

数据建模

Python编程语言具有用于数据建模的标准库，包括用于数值建模分析的 Numpy 库、用于科学计算和计算的 SciPy 库、用于机器学习的 sklearn 库等等。

from sklearn.decomposition import PCA
ca_2 = PCA(2)
lot_columns = pca_2.fit_transform(good_columns)
lt.scatter(x=plot_columns[:,0], y=plot_columns[:,1], c=labels)
lt.show()

tidyverse是为数据科学设计的R软件包，它包含(ggplot2、dplyr、tidyr、stringr、magrittr、tibble)等一系列热门软件包，学好tidyverse的使用可也让你站上另一个高度，从而高效的处理数据^[2]。

nba2d <- prcomp(nba[,goodCols], center=TRUE)
woColumns <- nba2d$x[,1:2]
lusplot(twoColumns, labels)

数据可视化

Python在数据可视化方面拥有Matplotlib、Seaborn、Bokeh、plotly等可视化库，同时也有大量借鉴R的可视化新模块。

import seaborn as sns
sns.scatterplot(x = 'SepalLengthCm', y = 'SepalWidthCm', hue = 'Species', data = iris)

R语言专注统计分析，可视化生态圈也较为完善，拥有graphics、ggplot2、lattice、plotly等包。尤其在某些生信、科研、航空等领域，R语言的可视化效果要比Python优秀不少。此外在构建可视化平台方面，Rmarkdown、Rshiny等R包也提供了极大的便利。

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, col = Species)) +
  geom_point() +
  labs(title = "A Nice Iris Dataset Graphic", x = "Sepal Length", y = "Sepal Width") +
  theme_minimal()