為什么說Python是數(shù)據(jù)科學領域的最佳語言？

譯文精選

作者：王德朕 2022-05-20 11:41:00

開發(fā)

人人都說Python好，但Python究竟有多大的魔力能夠如此備受歡迎？

近日，TIOBE 最新一期編程語言排行榜新鮮出爐，Python再次位居榜首。作為時下最火的編程語言，Python可以說是應用極其廣泛，大到數(shù)據(jù)科學，小到運維、爬蟲等等，各大領域隨處可見Python的痕跡。

人人都說Python好，但Python究竟有多大的魔力能夠如此備受歡迎。

以數(shù)據(jù)科學領域為例，Python有很多完善的工具包可以協(xié)助你完成重要的數(shù)據(jù)科學任務。本文將具體分析Python深受廣大科學家喜歡的原因。

數(shù)據(jù)科學對 Python 的需求：

數(shù)據(jù)科學是幫助我們從一系列結構化和非結構化的數(shù)據(jù)中提取信息的研究，它利用統(tǒng)計學、數(shù)學、科學計算來分析數(shù)據(jù)。

由于Python語法簡單，即便沒有工程背景的人，也能輕松掌握，所以Python成為在數(shù)據(jù)科學領域想要出類拔萃所需的重要技能之一，而且它被認為是數(shù)據(jù)科學的最佳選擇。

Python在數(shù)據(jù)科學領域有著悠久的歷史：

2016年 Python 在 Kaggle 平臺超越了R，Kaggle 是一個著名的數(shù)據(jù)科學競賽平臺，來源：Finextra
2017年，Python 在 KDNuggets 的年度數(shù)據(jù)科學家調查中超過了R，來源：KDnuggets
在2018年，大約66% 的數(shù)據(jù)科學家稱他們每天都使用 Python，這是一個巨大的數(shù)字，并使其成為專業(yè)分析人員的首選語言，來源：KDnuggets

據(jù)專家介紹，隨著 Python 語言的發(fā)展，這種趨勢將繼續(xù)下去。另外，根據(jù) Indeed 的報告，數(shù)據(jù)科學家的平均底薪約為109,596美元/年。而且近年來，市場上數(shù)據(jù)科學家的工作機會急劇增加。

為什么 Python 被用于數(shù)據(jù)科學：

Python是一種通用的、易用的語言，并且在數(shù)據(jù)科學中被認為是最佳語言。在可擴展性方面，Python比像R一樣的其他編程語言更有優(yōu)勢。它為數(shù)據(jù)科學家提供了靈活性，而且提供了解決問題的不同方法。在速度方面，Python再次在其同行語言（如Matlab和Stata）中脫穎而出。

下面將討論 Python 語言的一些重要特性：

Python語法使用起來相當簡單，任何人都可以在較短的時間內學會 Python;
許多健壯的第三方庫被用于數(shù)據(jù)科學應用。庫是模塊的集合，可以反復應用于不同程序；
強大的社區(qū)支持，有助于使庫和框架保持最新，社區(qū)人數(shù)超過1千萬人。來源：developer-tech
庫和框架可以免費下載和使用，Python 庫和框架總數(shù)估計在 137000左右；
Python 是一種解釋型編程語言，與 C 或 C + + 不同，Python代碼首先被轉換成低級指令的字節(jié)碼，然后由 Python 解釋器執(zhí)行;
Python 是跨平臺的，這意味著一旦代碼是用 Python 編寫的，它就能夠在任何操作系統(tǒng)中運行：例如 Windows、 Mac、 Linux 等等。注意，Python 解釋器是依賴平臺的；
Python 可以實現(xiàn)自動化，因此，我們可以將日常生活中某些耗時的任務自動化。例如，一位班主任希望根據(jù) excel 表中的分數(shù)，制作一份學生電子成績單。假設一個班有100個學生，一個接一個地做成績單似乎不是一個好的選擇。為了解決這個問題，我們可以創(chuàng)建一個 Python 腳本，該腳本基于 excel 工作表，創(chuàng)建所有學生的電子成績單。

如何使用 Python 進行數(shù)據(jù)科學？

Python 提供了 NumPy、 pandas、 SciPy、 matplotlib 等庫，讓我們可以輕松地完成數(shù)據(jù)科學的日常任務。下面將討論其中的一些庫：

Numpy：Numpy是Numerical Python的首字母縮寫，它是一個Python庫，提供數(shù)學函數(shù)的支持，程序員可以使用這些函數(shù)來操作更大維度的數(shù)組，它包含一些有用的功能，有助于處理數(shù)組和矩陣。

Pandas：Pandas 是 Python 開發(fā)者中最受歡迎的庫之一，該庫的主要目標是通過其內置的函數(shù)來分析和操作數(shù)據(jù)，這個庫還可以輕松處理大量的結構化數(shù)據(jù)。 Pandas 支持兩種類型的數(shù)據(jù)結構：

Series：一維數(shù)據(jù)；
DataFrame ：二維數(shù)據(jù)。

SciPy: SciPy 是另一個流行的 Python 庫，專門用于執(zhí)行數(shù)據(jù)科學任務，它在科學計算領域也很有用。它提供了解決科學計算問題和計算機編程任務的功能，它由下列子模塊組成：

信號和圖像處理
優(yōu)化算法
積分
插值

Matplotlib：Matplotlib 是非常特殊的 Python 庫，它用于數(shù)據(jù)可視化。數(shù)據(jù)的可視化對任何組織都非常重要。它提供了數(shù)據(jù)可視化的方法，這個庫不僅限于繪制餅圖、條形圖、直方圖，而且還能繪制高級圖形。這個庫的另一個特性是支持自定義，圖形中的任何部分都可以有效地定制。

Matplotlib 為我們提供了縮放圖表和以圖片格式保存圖表的功能。

當我們以數(shù)據(jù)科學相關的角色進入一個組織時，一般來說，該組織遵循以下工作流程。

使用 Python 和 SQL 從公司數(shù)據(jù)庫獲取數(shù)據(jù)；
使用 pandas 庫將數(shù)據(jù)插入到一個數(shù)據(jù)框架中，以便稍后進行分析；
然后在 Pandas 和 Matplotlib 等庫的幫助下開始進行數(shù)據(jù)的分析和可視化；
深入分析和挖掘組織的數(shù)據(jù)，并根據(jù)給定的數(shù)據(jù)預測未來的結果，Scikit庫負責把預測模型準備好。

Python扮演了什么樣的角色？

現(xiàn)在讓我們共同回顧一下數(shù)據(jù)科學處理問題過程中的各個步驟，以此來進一步了解Python在其中所扮演的角色。

1、數(shù)據(jù)收集和清洗

通過Python，你可以加載各種不同格式的數(shù)據(jù)，比如CSV（逗號分隔值）、TSV（制表符分隔值）或者源自網(wǎng)絡的JSON。

無論是你想直接把SQL表格載入到你的程序中，還是說需要爬取網(wǎng)站信息，Python都可以幫助你輕松完成這些任務：前一個任務可以用PyMySQL包，后一個任務可以用 BeautifulSoup包。PyMySQL可以讓你輕松連接MySQL數(shù)據(jù)庫、執(zhí)行查詢、抽取數(shù)據(jù)等。BeautifulSoup可以幫助你讀取XML和HTML類型的數(shù)據(jù)。在提取和替換數(shù)值后，你可能還要在數(shù)據(jù)清洗階段處理缺失值和無意義值。

此外，如果你在處理某一特殊的數(shù)據(jù)集時遇到麻煩，你可以去網(wǎng)上搜索這一數(shù)據(jù)集名稱再加上“Python”，或許就能夠找到解決方案。

2、數(shù)據(jù)探索

現(xiàn)在你已經(jīng)收集好數(shù)據(jù)，并對這些數(shù)據(jù)進行了標準化處理，接下來就要進行數(shù)據(jù)探索了。在這個過程中，你需要理清業(yè)務邏輯中所發(fā)現(xiàn)的問題，并將這一問題轉換成標準化的數(shù)據(jù)科學問題。

為了實現(xiàn)這一點，需要對數(shù)據(jù)的類型進行更深層次的探析，并將它們分離成不同的數(shù)據(jù)類型，比如說數(shù)值（numerical）、序數(shù)（ordinal）、標稱（nominal）、類別（categorical）等，以便提供它們所需的處理方式。

一旦理清了數(shù)據(jù)所屬的類別，就可以使用Python中用作數(shù)據(jù)分析的庫NumPy和Pandas來對這些數(shù)據(jù)進行探索。此外，Python在數(shù)據(jù)探索的過程提供了大量的工具，你可以在搜索引擎中進行檢索來獲取更多的信息。

當完成了這些步驟后，你就可以開始人工智能和數(shù)據(jù)建模機器學習步驟。

3、數(shù)據(jù)建模

這一步對于數(shù)據(jù)科學流程來說是一個非常關鍵的階段，而建模之前的特征選擇階段，你可能需要對現(xiàn)有的數(shù)據(jù)集進行降維的工作。Python語言能夠非常方便地幫助你進行這一項任務，它擁有許多高級的工具庫來幫助你解決問題。

如果想針對數(shù)據(jù)執(zhí)行一個數(shù)值模型分析，你只需要使用Python中的Numpy。利用SciPy可以輕松使用科學計數(shù)和計算。而Python上的Scikit-learn代碼庫給出很多直觀的接口，幫助你在數(shù)據(jù)上應用機器學習算法，整個過程不會察覺到任何困難。

當數(shù)據(jù)建模完成后，你可能需要進行可視化展示，并對數(shù)據(jù)中有價值的情報進行解釋。

4、數(shù)據(jù)可視化和解釋

Python帶有許多數(shù)據(jù)可視化的包。Matplotlib 是最為常用的庫，可以生成基本的圖形和圖表。如果你需要設計精美的高級圖表，你也可以試一下另一個Python包Plotly。

還有一個Python包IPython，可以進行交互式數(shù)據(jù)可視化，并支持利用GUI工具箱。如果你想把調查結果嵌入到交互式網(wǎng)頁中，nbconvert 函數(shù)可以幫助你將IPython轉化或把Jupyter notebooks放入到HTML代碼片段中。

在完成數(shù)據(jù)可視化之后，如何展示你的數(shù)據(jù)是極為重要的，并且這必須要以可以回應項目中業(yè)務邏輯的問題為目的。

現(xiàn)在你可以用這些有價值的信息為之前業(yè)務邏輯中的問題來找尋答案，要謹記你的這些解釋對于公司的項目干系人來說是很有幫助的。

準備好用Python來擁抱你的數(shù)據(jù)科學目標了嗎？

為什么在踏上數(shù)據(jù)科學的旅程時使用Python編程，這篇文章已經(jīng)給了你非常多的理由。這里還有一個新的理由，那就是頂級的科技巨頭同樣使用Python。

Google，Youtube，Instagram，NASA，IBM，Netflix，Spotify，Uber，Pinterest，Reddit等都是使用Python進行數(shù)據(jù)科學研究的頂級公司。

最適合數(shù)據(jù)分析的Python是處理大量數(shù)據(jù)的最佳選擇。它的靈活性，易學性和庫的優(yōu)勢使其成為在大數(shù)據(jù)，機器學習等領域工作的最佳語言。

數(shù)據(jù)科學的應用：

1、醫(yī)療保健行業(yè)：在過去的幾年里，由于數(shù)據(jù)科學領域的發(fā)展，醫(yī)療部門已經(jīng)受益。現(xiàn)在，通過MapReduce等庫和框架，可以實現(xiàn)動脈狹窄等醫(yī)學圖像分析程序。

2、互聯(lián)網(wǎng)搜索：大多數(shù)搜索引擎，如谷歌、雅虎、必應等，都在內部使用數(shù)據(jù)科學算法，以便在幾秒鐘內生成最佳結果。據(jù)報道，谷歌每天處理超過20 PB的數(shù)據(jù)。因此，如果沒有數(shù)據(jù)科學，我們甚至無法想象搜索引擎今天是什么樣子。

3、金融領域：無論是數(shù)據(jù)管理，還是交易策略的制定，數(shù)據(jù)科學對于增強金融解決方案有著巨大的前景。數(shù)據(jù)科學在自動化風險管理、管理客戶數(shù)據(jù)、預測分析、實時分析（欺詐識別/消費者分析/算法交易）、深度個性化和定制等方面均發(fā)揮著非常大的作用。

4、制造業(yè)：在一個制造企業(yè)中，往往數(shù)字化、應用數(shù)據(jù)的開始，就是一些可視化的數(shù)據(jù)探索。通過把一些數(shù)據(jù)某些維度可視化，挖掘出一些淺層的信息，這些往往會帶來很大的價值，尤其是用于領導層的決策，用于更高效的展示結果和問題的交流。

不僅如此，數(shù)據(jù)科學的應用從醫(yī)療保健到商業(yè)再到零售，很多大行業(yè)都在使用數(shù)據(jù)科學。

總結

Python 是任何數(shù)據(jù)科學家的基礎，如果你想從事數(shù)據(jù)科學領域的工作，那么你絕對應該考慮 Python 作為主要語言，因為它語法簡單并且有大量的支撐庫。

譯者介紹

王德朕，51CTO社區(qū)編輯，10年互聯(lián)網(wǎng)產研經(jīng)驗，6年IT教培行業(yè)經(jīng)驗。原K12教育上市公司產品經(jīng)理，技術博客專家，藍橋簽約作者，《滾雪球學Python》專欄作者，《爬蟲100例》專欄特約作者，78技術人社區(qū)發(fā)起者。

原文標題：How Python Became The Language for Data Science，作者：Sonia Mathias

鏈接：https://www.datasciencecentral.com/how-python-became-the-language-for-data-science/

責任編輯：莫奇來源： 51CTO

數(shù)據(jù)科學編程語言 Python