《Python数据分析与挖掘实战》读书笔记

大致扫了一遍，具体的代码基本都没看了，毕竟我还不懂python，并且在手机端的排版，这些代码没法看。

有收获，至少了解到以下几点：

一、 Python的语法挺有意思的

    有一些类似于JavaScript这种动态语言的特性在里面，比如多值赋值、比如Lambda表达式等，有机会可以找本python的入门书籍来看看，下面是2017年6月的最新语言排行版，可以看到，传统语言一直在衰退比如c、c#、Java、c++、php、perl等，而一些适应互联网发展的新兴语言一直在增长，比如Python、JavaScript、go语言等。

 

二、Python之所以能够成为数据分析与挖掘领域的最佳语言，是有其独特的优势的。

    因为他有很多这个领域相关的库可以用，而且很好用，比如Numpy、SciPy、Matploglib、Pandas、ScikitLearn、Keras、Gensim等，下面简单介绍下：

    1）Numpy，它给Python提供了真正的数组功能，包括多维数组，以及对数据进行快速处理的函数，Numpy还是更多高级扩展库的依赖库，比如后续的Scipy、Matplotlib、Pandas等，都一样；

    2）Scipy，他让Python成了半个MATLAB，Scipy提供了真正的矩阵类型，及其大量基于矩阵运算的对象和函数，他包括的功能包括最优化、线性代数、积分、插值、你和、特殊函数、快速傅里叶变换、信号处理与图像处理、常微分求解方程和其他科学与工程中常用的计算；Scipy依赖于Numpy；

    3）Matplotlib，对于Python来说，Matplotlib是最著名的绘图库，主要是二维绘图，当然，也可以支持一些简答的三围绘图；

    4）Pandas，他是Python下最强大的数据分析和探索工具，没有之一。他包含的高级的数据结构和精巧的工具，使得在Python中处理数据非常快速和简单，Pandas构建在NumPy之上，他使得以Numpy为中心的应用很容易使用，Pandas的名称来自于面板数据（Panel Data）和Python数据分析（Data Analysis），他最初被作为金融数据分析工具而开发出来，由AQR Capital Management公司于2008年4月开发出来，并与2009年底开源；

    他的功能非常强大，支持类似于SQL的数据增删改查，并且带有丰富的数据处理函数，支持时间序列分析，支持灵活处理确实数据等。Pandas其实很复杂， 够单独写一本书，如果对他有兴趣可以看看Pandas主要作者之一 WesMcKinney写的《利用Python进行数据分析》一书。

    5）StatModels，Pandas着眼于数据的读取、处理和探索，而StatsModels则更加注重数据的统计建模和分析，他使得Python有了R语言的味道。StatModels支持与Pandas的数据交互，因此，他与Pandas结合，成为了Python下强大的数据挖掘组合；

    6）Scikit-Learn，这是一个和机器学习有关的库，他是Python下强大的及其学习工具包，他提供了完善的及其学习工具箱，包括：数据预处理、分类、回归、聚类、预测和模型分析等。他依赖于NumPy、SciPy、Matplotlib等；

    7）Keras，他是用来搭建神经网络的，他并非简单的神经网络库，而是一个基于Theano的强大的深度学习库，利用它不仅仅可以搭建普通的神经网络，还可以搭建各种深度学习模型，如自编码器、循环神经网络、递归神经网络、卷积神经网络等。由于它是基于Theano的，速度相当快。

    8）Theano，他也是一个Python库，他是由深度学习专家YoshuaBengio带领的实验室开发出来的，用来定义、优化和高效地解决多维数组对应数学表达式的模拟估计问题。他具有高效地实现符号分解、高度优化的速度、和稳定性等特点，最重要的是还实现了GPU加速，是的密集型数据的处理速度是CPU的十倍；

    9）Gensim，topic modelling of humans，他主要用来处理语言方面的任务，如文本相似度计算、LDA、Word2Vec等，这些领域的任务往往需要比较多的背景知识，通常的情况是：研究这方面的读者已经不需要我再多说什么，而不研究这方面的读者，在这里也说不清楚。

三、以前学习的一些高等数学的知识要复习下

    要做好数据分析和挖掘，一定要掌握相关的数据工具，不需要自己去实现相关的算法，关键是要懂得每种算法的原理，知道每种算法客户解决什么类型的问题，在遇到相关问题有思路。

    需要复习的有高等数学、线性代数、概率论与数理统计、离散数学。