传送门：

Python数据科学（一）- python与数据科学应用(Ⅰ)

Python数据科学（二）- python与数据科学应用(Ⅱ)

Python数据科学（三）- python与数据科学应用(Ⅲ)

Python数据科学（四）- 数据收集系列

Python数据科学（五）- 数据处理和数据采集

Python数据科学（六）- 资料清理(Ⅰ)

Python数据科学（七）- 资料清理(Ⅱ)

1.数据科学简介与应用

数据科学主要以统计学、机器学习、数据可视化以及（某一）领域知识为理论基础，其主要研究内容包括数据科学基础理论、数据预处理、数据计算和数据管理(来自百度百科)。

1.资料科学所要具备的能力

统计(Statistic)
- 单变量分析、多变量分析、变异数分析
数据处理(Data Munging)
- 抓取数据、清理数据、转换数据
数据可视化(Data Visualization)
- 图表、商业智能系统

2.数据科学主要分为以下几个步骤

按职能来拆分可分为数据科学家和数据工程师，
其中数据科学家主要负责前三步、而数据工程师则负责后两步。

2.Python与数据科学

1.python语言

Python是什么，请直接阅读链接第一部分。

通过对比，可以突出python的简单易用

#使用JAVA输出Hello World 
class test{
        public static void main(String args[]){
            System.out.println("Hello World");
  }
}

#使用python语言输出Hello World 仅需一行代码
print("Hello World")

2.python具备完整的数据分析套件

如果需要做统计科学计算，python中具备Numpy、Scipy、statsmodels.
如果需要进行深度学习，又可以使用TensorFlow、MXNET，它们都有python的接口
做结构化数据处理与分析，又可以用Pandas
对大数据进行处理，可以使用PySpark
机器学习， python上又有Scikit-learn

3.安装Anaconda

看过我之前文章的同学都知道，我一直用的是python2.7 最早也使用过3.5，现在却要带大家安装Anaconda，原谅我当初学习python的时候太年轻，Python易学，但用好却不容易，其中比较头疼的就是包的管理和Python不同版本的问题，特别是当你使用Windows的时候。然后就出现了发行版的Python（比如Anaconda），发行版最直接的好处就是将python和许多常用的package打包，方便我们使用。接下来我带大家安装Anaconda.

建议安装使用Python3，理由如下

python3和python2有很多语法的差异，具体参考解释 Python 2 和 Python 3 的版本之间差别
Python语言作者Guido van Rossum邮件通知Python 2.7支持时间延长到2020年，到时候将不再进行维护

然后根据自己电脑进行32/64位的下载。

4.使用Jupyter notebook

Jupyter Notebook（此前被称为 IPython notebook）是一个交互式笔记本，支持运行 40 多种编程语言。Jupyter Notebook 的本质是一个 Web 应用程序，便于创建和共享文学化程序文档，支持实时代码，数学方程，可视化和 markdown。用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。这也是我们为什么要使用它的原因。

5.Python 3 语法

1.变量类型

和其他语言一样，python3有六个标准的数据类型：

Number（数字）

String（字符串）

List（列表）

Tuple（元组）

Sets（集合）

Dictionary（字典）

其中数字包括int、float、bool、complex（复数）。
内置的 type() 函数可以用来查询变量所指的对象类型。此外还可以用Python的自省 isinstance 来判断

>>>a = 0609
>>> isinstance(a, int)
True
>>>

2.列表

Python内置的一种数据类型是列表：list。
list是一种有序的集合，可以随时添加和删除其中的元素。
序列中的每个元素都分配一个数字 - 它的位置，或索引，第一个索引是0，第二个索引是1，依此类推。
列表可以存放各种类型的数据

#设置一个list
li = [304,12,999,46,405]

#查看list的相关功能使用dir()
dir(li)

#查看list的长度
>>>len(li)
5

#查看list内容
>>>print(li)
[304,12,999,46,405]

#通过下标取值
>>>li[0]
304
>>>li[-1]
405
>>>li[0:3]
[304,12,999]

#列表增加
>>>li.append(609)
>>>print(li)
[304,12,999,46,405,609]

#列表扩展extend 接受一个参数，这个参数总是一个 list，
并且把这个 list 中的每个元素添加到原 list 中
>>>li.extend(['xlm','love'])
>>>print(li)
[304,12,999,46,405,'xlm','love']

#list排序
>>>li.sort
>>>print(li)
[12, 46, 304, 405, 999, 'xlm', 'love']

#将一个列表降序排列
>>>li = [304,12,999,46,405]
>>>li.sort(reverse=True)
>>>print(li) 
[999, 405, 304, 46, 12]

3.元组

元组（tuple）与列表类似，不同之处在于元组的元素不能修改。

tuple = (304,12,999,46,405)

4.字典

字典（dictionary）是Python中另一个非常有用的内置数据类型。
列表是有序的对象结合，字典是无序的对象集合。两者之间的区别在于：字典当中的元素是通过键来存取的，而不是通过偏移存取。
字典是一种映射类型，字典用"{ }"标识，它是一个无序的键(key) : 值(value)对集合。
键(key)必须使用不可变类型。
在同一个字典中，键(key)必须是唯一的。

未完待续，连载中...