Python数据分析流程
    1、数据获取：公开数据、Python爬虫
    外部数据的获取方式主要有以下两种。
    第一种是获取外部的公开数据集，一些科研机构、企业、政府会开放一些数据，你需要到特定的网站去下载这些数据。这些数据集通常比较完善、质量相对较高。
    另一种获取外部数据的方式就是爬虫。
    比如你可以通过爬虫获取招聘网站某一职位的招聘信息，爬取租房网站上某城市的租房信息，爬取豆瓣评分评分最高的电影列表，获取知乎点赞排行、网易云音乐评论排行列表。基于互联网爬取的数据，你可以对某个行业、某种人群进行分析。
    常用的的电商网站、问答网站、二手交易网站、婚恋网站、招聘网站等，都可以爬到非常有价值的数据。
    Python具有灵活易用，方便读写的特点，其可以非常方便地调用数据库和本地的数据，同时，Python也是当下网络爬虫的首选工具。
    Scrapy
    Python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
    2、数据整理
    NumPy（NumericPython）
    提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为进行严格的数字处理而产生。多为很多大型金融公司使用，以及核心的科学计算组织如：LawrenceLivermore，NASA用其处理一些本来使用C++，Fortran或Matlab等所做的任务。
    Pandas（PythonDataAnalysisLibrary）
    Pandas是基于NumPy的一种工具，该工具是为了解决数据分析任务而创建的。Pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。
    3、建模分析
    每种计算机编程语言，似乎都有自己成名或适用的领域。
    在这个大家都在谈云计算、大数据、深度学习的时代，让我们来看看，这些领域里面的代表吧。
    说句不负责任的话，Python已经成为数据分析领域里事实上的标准语言。
    Scikit-learn
    从事数据分析建模必学的包，提供及汇总了当前数据分析领域常见的算法及解决问题，如分类问题、回归问题、聚类问题、降维、模型选择、特征工程。
    4、数据可视化
    matplotlib：一个Python2D绘图库
    bokeh：用Python进行交互式web绘图
    ggplot：ggplot2给R提供的API的Python版本
    plotly：协同Python和matplotlib工作的web绘图库
    pyecharts：基于百度Echarts的数据可视化库
    pygal：一个PythonSVG图表创建工具
    pygraphviz：Graphviz的Python接口
    PyQtGraph：交互式实时2D/3D/图像绘制及科学/工程学组件
    SnakeViz：一个基于浏览器的Python’scProfile模块输出结果查看工具
    vincent：把Python转换为Vega语法的转换工具
    VisPy：基于OpenGL的高性能科学可视化工具
    如果在Python中看可视化，你可能会想到Matplotlib。除此之外，Seaborn是一个类似的包，这是用于统计可视化的包。你可以做很复杂的图和一些代码。还有Bokeh，它有很多互动功能，可以做很多不同类型的图。类似Bokeh的还有Plotly。它在浏览器中呈现图，能够进行互动的可视化。虽然Python的绘图功能没有R那么强大，但是我看好它的发展前景。

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