《Python數據分析與挖掘實戰》讀書筆記

大體掃了一遍，具體的代碼基本都沒看了，畢竟我還不懂python，而且在手機端的排版，這些代碼無法看。

有收穫，至少了解到如下幾點：

1、 Python的語法挺有意思的

    有一些相似於JavaScript這種動態語言的特性在裏面，好比多值賦值、好比Lambda表達式等，有機會能夠找本python的入門書籍來看看，下面是2017年6月的最新語言排行版，能夠看到，傳統語言一直在衰退好比c、c#、Java、c++、php、perl等，而一些適應互聯網發展的新興語言一直在增加，好比Python、JavaScript、go語言等。

 

2、Python之因此可以成爲數據分析與挖掘領域的最佳語言，是有其獨特的優點的。

    由於他有不少這個領域相關的庫能夠用，並且很好用，好比Numpy、SciPy、Matploglib、Pandas、ScikitLearn、Keras、Gensim等，下面簡單介紹下：

    1）Numpy，它給Python提供了真正的數組功能，包括多維數組，以及對數據進行快速處理的函數，Numpy仍是更多高級擴展庫的依賴庫，好比後續的Scipy、Matplotlib、Pandas等，都同樣；

    2）Scipy，他讓Python成了半個MATLAB，Scipy提供了真正的矩陣類型，及其大量基於矩陣運算的對象和函數，他包括的功能包括最優化、線性代數、積分、插值、你和、特殊函數、快速傅里葉變換、信號處理與圖像處理、常微分求解方程和其餘科學與工程中經常使用的計算；Scipy依賴於Numpy；

    3）Matplotlib，對於Python來講，Matplotlib是最著名的繪圖庫，主要是二維繪圖，固然，也能夠支持一些簡答的三圍繪圖；

    4）Pandas，他是Python下最強大的數據分析和探索工具，沒有之一。他包含的高級的數據結構和精巧的工具，使得在Python中處理數據很是快速和簡單，Pandas構建在NumPy之上，他使得以Numpy爲中心的應用很容易使用，Pandas的名稱來自於面板數據（Panel Data）和Python數據分析（Data Analysis），他最初被做爲金融數據分析工具而開發出來，由AQR Capital Management公司於2008年4月開發出來，並與2009年末開源；

    他的功能很是強大，支持相似於SQL的數據增刪改查，而且帶有豐富的數據處理函數，支持時間序列分析，支持靈活處理確實數據等。Pandas其實很複雜， 夠單獨寫一本書，若是對他有興趣能夠看看Pandas主要做者之一 WesMcKinney寫的《利用Python進行數據分析》一書。

    5）StatModels，Pandas着眼於數據的讀取、處理和探索，而StatsModels則更加註重數據的統計建模和分析，他使得Python有了R語言的味道。StatModels支持與Pandas的數據交互，所以，他與Pandas結合，成爲了Python下強大的數據挖掘組合；

    6）Scikit-Learn，這是一個和機器學習有關的庫，他是Python下強大的及其學習工具包，他提供了完善的及其學習工具箱，包括：數據預處理、分類、迴歸、聚類、預測和模型分析等。他依賴於NumPy、SciPy、Matplotlib等；

    7）Keras，他是用來搭建神經網絡的，他並不是簡單的神經網絡庫，而是一個基於Theano的強大的深度學習庫，利用它不只僅能夠搭建普通的神經網絡，還能夠搭建各類深度學習模型，如自編碼器、循環神經網絡、遞歸神經網絡、卷積神經網絡等。因爲它是基於Theano的，速度至關快。

    8）Theano，他也是一個Python庫，他是由深度學習專家YoshuaBengio帶領的實驗室開發出來的，用來定義、優化和高效地解決多維數組對應數學表達式的模擬估計問題。他具備高效地實現符號分解、高度優化的速度、和穩定性等特色，最重要的是還實現了GPU加速，是的密集型數據的處理速度是CPU的十倍；

    9）Gensim，topic modelling of humans，他主要用來處理語言方面的任務，如文本類似度計算、LDA、Word2Vec等，這些領域的任務每每須要比較多的背景知識，一般的狀況是：研究這方面的讀者已經不須要我再多說什麼，而不研究這方面的讀者，在這裏也說不清楚。

3、之前學習的一些高等數學的知識要複習下

    要作好數據分析和挖掘，必定要掌握相關的數據工具，不須要本身去實現相關的算法，關鍵是要懂得每種算法的原理，知道每種算法客戶解決什麼類型的問題，在遇到相關問題有思路。

    須要複習的有高等數學、線性代數、機率論與數理統計、離散數學。