为什么要用Python做数据分析？在我看来，大概有3大理由。
    广度：各行各业都有自己的商业场景，每一个行业都需要使用数据来辅助决策。面对现在人人谈大数据的情境，数据分析是一个你不得不会的技能。
    精度：Python是一门编程语言。也许从前的你完全依靠excel的默认设置生成图表，从不思考为什么做一张数据图，而使用编程工具的你必须从图表长宽开始思考每一步成形的理由，从而更精地理解数据。
    高效：传统的数据工作涵盖大量的重复不动脑操作，比如把日表合成周表，比如批量删除某个字段，比如批量删除空值。这些工作通过鼠标点击软件没有办法编成工作流，但却可以通过python程序编写自动化，省去大量时间。
    基础库总结
    这里是对你会经常接触的重要的库的简要总结：
    NumPy：拥有大量的科学计算的核心功能。由于它的内部运算是通过C语言实现的，所以比用Python写成的同样的函数，它的速度会快许多。但它并不是最用户友好的包。
    SciPy：跟NumPy非常相似，但是有更多的方式来从分布中取样，计算检验统计量，等等。
    MatPlotLib：主要的画图框架。不太讨喜，但却是必备的包。
    Pandas：基本上是对NumPy/SciPy进行轻量的包装，使它们更用户友好一些。对于和表格数据交互非常理想，Pandas中把表格数据称为数据框（DataFrame）。对画图功能也有一些包装，使得无需使用MPL（Meta-ProgrammingLibrary，元编程库）就可以快速实现画图。我使用Pandas而非其他的工具来操作数据。
    机器学习和计算机视觉
    Crab：灵活、快速的推荐引擎
    gensim：人性化的话题建模库
    hebel：GPU加速的深度学习库
    NuPIC：智能计算Numenta平台
    pattern：Python网络挖掘模块
    PyBrain：另一个Python机器学习库
    Pylearn2：一个基于Theano的机器学习库
    python-recsys：一个用来实现推荐系统的Python库
    scikit-learn：基于SciPy构建的机器学习Python模块
    pydeep：Python深度学习库
    vowpalporpoise：轻量级VowpalWabbit的Python封装
    skflow：一个TensorFlow的简化接口(模仿scikit-learn)
    Caffe:一个Caffe的python接口
    OpenCV：开源计算机视觉库
    pyocr：Tesseract和Cuneiform的包装库
    pytesseract：GoogleTesseractOCR的另一包装库
    SimpleCV：一个用来创建计算机视觉应用的开源框架
    上面列举的只是其中一部分，还有很多很多。当然，他们很多并非是用Python来实现，但都共同的提供了Python接口，甚至好几个都把Python当成了头等公民（First-Class）。
    在此并非想说Python这门语言很强大或者复杂，而恰恰相反，得益于Python的简洁和包容。才让它在数据挖掘领域有如此的地位。

以上文章由北京CDA数据分析师培训机构课程顾问整理编辑发布，部分文章来自网络内容真实性请自行核实或联系我们，了解相关专业课程信息您可在线咨询也可免费申请试课。关注官方微信了解更多：150 3333 6050

免 费 申 请 试 课