Python进行数据科学工作的简单入门教程

Python拥有着极其丰富且稳定的数据科学工具环境。遗憾的是，对不了解的人来说这个环境犹如丛林一般（cue snake joke）。在这篇文章中，我会一步一步指导你怎么进入这个PyData丛林。

你可能会问，很多现有的PyData包推荐列表怎么样？我觉得对新手来说提供太多的选择可能会受不了。因此这里不会提供推荐列表，我要讨论的范围很窄，只集中于10%的工具，但它们可以完成你90%的工作。当你掌握这些必要的工具后，你就可以浏览PyData工具的长列表了，选择自己接下来要使用的。

值得一提的是，我介绍的这几个工具可以让你完成一个数据科学家日常的绝大部分工作了（比如数据输入输出、数据再加工以及数据分析）。
安装

经常会有人过来和我说“我听说Python很擅长处理数据科学，所以我想学一下。但是安装Python和所有其他模块就耗费了两天时间”。安装Python是很合理的，因为你要用它，但是当你不知道真正需要哪些其他工具时就手动安装所有的PyData工具，这确实是一项大工程啊。所以我强烈反对这样做。

幸运的是，Continuum的一伙人创建了Python发行版Anaconda，它包含了大部分PyData工具包。默认没有的模块也可以轻松地通过GUI安装。这个发行版适用于所有主流平台。这样无需耗费两天安装了，可以直接使用它。
IPython Notebook

Python安装后，大部分人直接启动并开始学习。这很合理，但遗憾的是又大错特错了。我没见过直接在Python命令行中运行Python科学计算环境的（因人而异）。相反，可以使用IPython，特别是IPython Notebook，它们都是特别强大的Python shell，被广泛地使用在PyData领域中。我强烈建议你直接使用IPython Notebook（IPyNB）而不用为其他事所烦扰，你不会后悔的。简而言之，IPyNB是一个通过浏览器访问的Python shell。它允许你混合编辑代码、文本和图形（甚至是交互对象）。本文就是在IPyNB中完成的。在Python的会议中，几乎所有的演讲都使用IPython Notebook。Anaconda中预装了IPyNB，可以直接使用。下面看下它是什么样的：

In [1]:

print('Hello World')Hello World

IPyNB发展很快——每次在会议中听（IPyNB的）核心开发人员演讲时，我总被他们想出的新功能所震撼。要了解它的一些先进功能，可以看看下面这个关于IPython小工具的简短教程。这些小工具可以让你使用滑动条交互地控制绘图：

In [1]:
 

from IPython.display import YouTubeVideoYouTubeVideo('wxVx54ax47s') # 没错，它也可以嵌入youtube视频

Out[1]:
6. IPython Widgets – IPython Notebook Tutorial
Pandas

通常，大家会建议你先学习NumPy（读作num-pie，不是num-pee），一个支持多维数组的库。几年前肯定得这样，但现在我几乎不使用NumPy。因为NumPy越来越成为一个被其他库所使用核心库，这些库通常具有更优雅的接口。因此，Pandas成为了处理数据所主要使用的库。它可以以各种格式（包括数据库）输入输出数据、执行join以及其他SQL类似的功能来重塑数据、熟练地处理缺失值、支持时间序列、拥有基本绘图功能和统计功能，等等还有很多。对它所有的特性来说，肯定有一个学习曲线，但我强烈去建议你先看一下大部分文档。你所投入的时间将使你的数据再加工过程更高效，这会带来上千倍的回报。这里有一些快速技巧会让你胃口大开的：