python的特点和应用概述
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。
- Python 的设计具有很强的可读性，相比其他语言经常使用英文关键字，其他语言的一些标点符号，它具有比其他语言更有特色语法结构。
- Python 是一种解释型语言： 这意味着开发过程中没有了编译这个环节。类似于PHP和Perl语言。
- Python 是交互式语言： 这意味着，您可以在一个Python提示符，直接互动执行写你的程序。
- Python 是面向对象语言: 这意味着Python支持面向对象的风格或代码封装在对象的编程技术。
- Python 是初学者的语言：Python 对初级程序员而言，是一种伟大的语言，它支持广泛的应用程序开发，从简单的文字处理到 WWW 浏览器再到游戏
python安装以及语法简介
安装教程：https://docs.python.org/3/using/index.html
简单教程：http://www.runoob.com/python/python-tutorial.html
- hello world
# coding:utf-8
#!/usr/bin/python
if __name__=='__main__':
print("你好！")
python数据分析概述
图1
图2
一个简单的例子
Python的语法简单，代码可读性高，容易入门，有利于初学者学习。举个例子，假如我们在处理数据的时候，希望把用户性别数据数值化，也就是变成计算机可以运算的数字形式，我们可以直接用一行列表推导式完成，十分的简洁，相信你即使没有学过，看代码也能猜出要干什么：
>>> data= ['male','female','male','male','female']
>>> data_int = [1 if x == 'male' else 0 for x in data]
>>> data_int
[1, 0, 1, 1, 0]
Python在数据分析和交互、探索性计算以及数据可视化等方面都有非常成熟的库和活跃的社区，使python成为数据处理任务重要解决方案。在科学计算方面，python拥有numpy、pandas、matplotlib、scikit-learn、ipython等等一系列非常优秀的库和工具，特别是pandas在处理中型数据方面可以说有着无与伦比的优势，正在成为各行业数据处理任务的首选库，比如我们生成一些随机数据：
图3
图4
图5
不同于R或者matlab，python不仅在数据分析方面能力强大，在爬虫、web、自动化运维甚至游戏等等很多领域都有广泛的应用。这就使公司使用一种技术完成全部服务成为可能，有利于各个技术组之间的业务融合。比如，我们用python的爬虫框架scrapy爬取数据，然后交给pandas做数据处理，最后使用python的web框架django给用户作展示，这一系列任务可以全部用python完成，能大大提高公司的技术效率。
在人工智能火热的今天，python已经成为了最受欢迎的编程语言。得益于python的简洁、丰富的库和社区，大部分深度学习框架都优先支持python语言编程，比如当今最火热的深度学习框架tensorflow，它虽然是C++编写的，但对python语言支持最好。
python扩展库下载安装使用
- NumPy：这是一个通用程序库，不仅支持常用的数值数组，同时提供了用于高效处理这些数组的函数。
- SciPy：这是Python的科学计算库，对NumPy的功能进行了大量扩充，同时也有部分功能是重合的。Numpy和SciPy曾经共享基础代码，后来分道扬镳了。
- Pandas：这是一个用于数据处理的程序库，不仅提供了丰富的数据结构，同时为处理数据表和时间序列提供了相应的函数。
- Matplotlib：这是一个2D绘图库，在绘制图形和图像方面提供了良好的支持。当前，Matplotlib已经并入SciPy中并支持NumPy。
- IPython：这个库为Python提供了强大的交互式Shell，也为Jupyter提供了内核，同时还支持交互式数据可视化功能。
- Jupyter Notebook：它提供了一个基于Web的交互式shell，可以创建和共享支持可实时代码和可视化的文档
网友评论