人工智能第三课：数据科学中的Python

Posted 2021-01-25 陈希章@中国

我用了两天左右的时间完成了这一门课《Introduction to Python for Data Science》的学习，之前对Python有一些基础，所以在语言层面还是比较顺利的，这门课程的最大收获是让我看到了在数据科学中Python的真正威力（也理解了为什么Python这么流行），同时本次课程的交互式练习体验（Datacamp）非常棒。

 

 

这门课程主要包括了6个单元的内容，一开始介绍了Python的基本概念（常见数据类型和变量），从第二节开始讲解列表在Python中的使用，并且逐步演进，我们还学习了使用真正为Data Science准备的几个package的应用。

 

 

从数据科学的角度来看，Python可能真的是很适合的一个编程语言和环境。这不光是因为他本身的语法比较简单，而且目前已经有几个非常强大的包（Package）对其进行支持。

 

 

Python中的list用来表示一系列的数据，它非常灵活，甚至可以在一个列表中包含不同类型的数据，当然这样也就带来了一定的负面作用，例如性能。而numpy的array则是对list的一种改进，它进行规划化（一个array的轴上只支持同一种数据类型），并提供了更多的一些与数据科学的运算（函数）。

 

 

它自身的运算规则也跟列表有极大的区别，例如

 

 

numpy库内置支持很多科学运算的函数，不需要依赖其他库

 

 

 

数据科学不光是对数据的处理，而且还需要对数据进行展示。目前全世界最流行的用来做数据可视化的库是matplotlib。

 

 

下图是一个最简单的例子

 

 

请注意，图形的数据来源既可以是List，也可以是Array，当然还可以是下面的终极解决方案DataFrame，来自pandas这个库。

 

numpy和matplotlib，可以很好地处理数据科学的场景。但如果数据量真的很大，则可能需要用到pandas了。

 

 

pandas提供了一个全新的dataframe的对象，它是完全为科学运算和统计而设计的，而且它自带了可视化组件库，不需要额外依赖matplotlib。

 

从技术上说，DataFrame很像是一个Excel表格或者数据库，它具有行和列的概念，也有索引的技术。

 

DataFrame还支持从外部文件（例如csv）或者网络地址加载数据，这将使得它真正具有实用的价值。

 

最后，我之前提到过了，本次课程给我最惊喜的一个体验是交互式练习。这是一个第三方学习平台（DataCamp）提供的，非常酷。

 

 

最后，基于Jupyter构建的notebooks.azure.com ，让我们可以在线编辑python，并且运行，形成笔记——不需要azure订阅即可使用。如果你愿意，你还可以在本地安装Jupyter。

 

本地安装Jupyter，请参考 https://jupyter.org/install.html

 

 

请通过 https://aka.ms/learningAI 或者扫描下面的二维码关注本系列文章《人工智能学习笔记》