你的位置:首页 > 数据库

[数据库]利用python数据分析相关资料总结


小生今年研二,目前主要从事软件工程数据挖掘与分析。之前一直苦于找不到一个从数据预处理、数据分析、数据可视化和软件建模的统一平台。因此,小生辗转反辙学习了java,R语言,python,scala等等。最后忽然发现python正是小生苦苦寻觅的“稀世珍宝”。在这里主要总结利用python分析数据的一些工具包和相关资料,还望各位指正共同进步。

 

主要的工具包:

numpy: http://www.numpy.org/                                                  数组和矢量计算库

scipy: www.scipy.org                                                                         数学计算库

pandas: http://pandas.pydata.org/                                              数据处理与挖掘库

matplotlib: matplotlib.org                                                                数据可视化工具库

scikit-learn: http://scikit-learn.org/stable/                                 机器学习库

snownlp: https://pypi.python.org/pypi/snownlp/0.11.1     中午文本处理库

nltk: http://www.nltk.org/                                                              英文文本处理

 

这些库安装起来比较麻烦,它们的依赖库有很多,需要一一安装。因此,小生建议直接安装一个python解决方案包:https://www.enthought.com/。它支持各种操作系统(windows,linux,Mac OS等等),安装起来特别简单,此处不再累赘。

 

pyspark: http://spark.apache.org/docs/latest/api/python/pyspark.html 此外如果数据量真的特别大,单机无法满足您的需求的话,小生推荐使用pyspark工具包替您解忧。

 

相关书籍:

《数学之美与浪潮之巅》

《python cookbook》

《Building Machine Learning Systems with Python, 2nd Edition》

《Machine Learning in Python》

《Python For Data Analysis》

《python自然语言处理》

 

欢迎大家补充资料,共同进步!谢谢~