图解数据分析 | 数据分析工具地图

ShowMeAI
8,147 阅读4分钟

ShowMeAI研究中心

基于数据分析目前良好的发展前景，各界也出现了许多好用的功能种类丰富的数据分析工具。列举其中的一些（本系列教程将聚焦于Python，讲解如何使用Python完成全链条的数据分析过程）：

一、Python

Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言，广泛应用于IT互联网各个领域，而近年的大数据与人工智能，机器学习/深度学习，整个生态最活跃支持度最高的编程语言也是Python。

下方是 Python速查表 主要内容：

  • 变量与数据类型
  • 字符串
  • 列表
  • Numpy数组
  • 容器
  • 流程控制
  • 字典/列表推导式
  • 遍历
  • 函数定义
  • 类
  • 正则表达式

二、SQL

结构化查询语言（Structured Query Language）简称SQL，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。

结构化查询语言是高级的非过程化编程语言，允许用户在高层数据结构上工作。它不要求用户指定对数据的存放方法，也不需要用户了解具体的数据存放方式，所以具有完全不同底层结构的不同数据库系统， 可以使用相同的结构化查询语言作为数据输入与管理的接口。结构化查询语言语句可以嵌套，这使它具有极大的灵活性和强大的功能。下方是速查表主要内容：

  • 基本查询 Basic Queries
  • 连接 join
  • 更新关联接查询 join queries
  • 半连接 semi join
  • 工具函数 utility functions
  • 数据修改 data modification
  • 索引 indexes
  • 报表 Reporting
  • 视图 view

三、R

R非常适用于统计和数据建模，快捷方便、易于上手。R可以在UNIX、Windows和Mac OS等各种平台上编译和运行，还提供了根据用户要求自动安装所有软件包的工具。下方是数据分析常用R库：

方向R库
数据处理lubridata，dplyr，ply，reshape2，string，formatR，mcmc
统计方差分析aov anova
密度分析density
假设检验t.test，prop.test，anova，aov
线性混合模型lme
机器学习nnet，rpart，gbm，kernlab，mboost，randomForest，tree，party，lars，boost，e1071，BayesTree，gafit，arules
聚类分析基于划分的方法kmeans，pam，park，clara
基于层次的方法hclust，pvclust，agnes，diana
基于模型的方法mclust
基于密度的方法dbscan
分类决策树rpart，ctree
随机森林forest，randomForest
回归Logistic，Poisson，glm，predict，residuals

四、Excel

Microsoft Excel是数据分析中使用最广泛的工具之一，常用函数、数据透视表、VLookUp、图表制作等功能也频繁被用于数据的预览、整理和分析。

五、Tableau

Tableau有个人免费版本，可连接到任何数据源（例如Excel、公司数据仓库等），然后通过网络实时更新创建可视化效果、地图、仪表板等。

六、Apache Spark

最大的大型数据处理引擎之一，该工具在Hadoop集群中执行应用程序的内存速度快100倍，磁盘速度快10倍，该工具在数据管道和机器学习模型开发中也很流行。

七、SAS

SAS是用于数据处理和分析的编程语言和环境，该工具易于访问，并且可以分析来自不同来源的数据。

资料与代码下载

本教程系列的代码可以在ShowMeAI对应的github中下载，可本地python环境运行，能科学上网的宝宝也可以直接借助google colab一键运行与交互操作学习哦！

本系列教程涉及的速查表可以在以下地址下载获取：

拓展参考资料

ShowMeAI相关文章推荐

ShowMeAI系列教程推荐

avatar
文章
阅读
粉丝