萬事俱備，只欠東風。這東風，就是數據處理算法。從統(tǒng)計理論，到數據挖掘，機器學習，再到最近幾年提出來的深度學習理論，數據科學正處于百花齊放的時代。數據科學家們都用什么編程?以下是小編為你整理的python入門之數據處理方法 ?

這是你學習之前的*步，一定要清楚的知道，自己為什么要學習python，不論是為了達成某種目的，比如：工作中要用到?對以后發(fā)展有利?等等方面，絕不是憑空亂想的，一時興起想要學習。

做任何事情，都需要有興趣，不然，即便是你天天坐在那兒，埋頭苦學，你的思想也在九霄云外遨游，不知所以。所以，提高學習興趣是關鍵! ?

一定要設定目標，比如：我一個月要掌握基礎，第二個月，也要學習框架等等，要給自己做好初期的預算，不能沒有目標，學到哪兒算哪兒的態(tài)度是不可能學好東西的!所以，一定要給自己設定明確的目標，這樣學習就會有動力，就像一只有人催促一樣。 ?

一定要有一個團隊或者同伴，大家一起干一件事情要比你一個人孤零零的干快得多，也要有趣的多，可以少走很多的彎路，集體的力量是強大的，當你覺得學習越來越順利的時候，你就會有動力去繼續(xù)學習。 ?

用python運算

或許，你覺得100+300太簡單了，那我們可以嘗試一個復雜的，在>>>后輸入10*(100/2)/3+2,按下回車后，就可以看到結果了，各種四則運算，包括三角函數，python都是可以計算的 ?

接下來我們看個更強大的功能，輸入123456789098765432112345678900987654321834539845094368095486540978045765*123456789098765432112345678900987654321473287438759843579430965460940965940，按下回車，就會看到結果了，驚訝嗎，強大吧，你可以打開windows自帶的計算器計算這個式子，雖然也能計算出結果，但是它的結果卻是很粗略的，不光是整數，小數也是可以計算的，小數在程序設計語言中一般稱為浮點數。還有因為歷史原因，計算機中出現的數學結果如e2，是指的10的2次方，這個和我們學的數學中的e是不一樣了。 ?

接下來我們嘗試下三角函數的計算，我們輸入sin(30),按下回車后，似乎出問題了，下面出現了一些紅色的字符，注意遇到紅色字符，就表明我們犯錯了。注意有這么一句： ?

NameError: name 'sin' is not defined，意思呢就是python不認識sin，昨天我們用的print則是它認識的，那該怎么辦呢，我們應該特別強調一下，告訴python，sin是數學中的三角函數，首先我們敲入import math告訴python我們要用一些數學的功能，然后在敲入math.sin(30) ?

看到結果了，似乎不對啊，這是怎么回事呢，實際上在python里面sin這個函數要的參數是以弧度為單位的，而我們給的是角度，如何把角度轉換成弧度呢，python也給我們方法了，下來我們輸入math.sin(math.radians(30))，這回結果就對了，其中math.radians就是把角度轉換成弧度的 ?

Python的特點

1.易于學習：Python有相對較少的關鍵字，結構簡單，和一個明確定義的語法，學習起來更加簡單。 ?

2.易于閱讀：Python代碼定義的更清晰。 ?

3.易于維護：Python的成功在于它的源代碼是相當容易維護的。 ?

4.一個廣泛的標準庫：Python的*的優(yōu)勢之一是豐富的庫，跨平臺的，在UNIX，Windows和Macintosh兼容很好。 ?

5.互動模式：互動模式的支持，您可以從終端輸入執(zhí)行代碼并獲得結果的語言，互動的測試和調試代碼片斷。

?

6.可移植：基于其開放源代碼的特性，Python已經被移植(也就是使其工作)到許多平臺。 ?

7.可擴展：如果你需要一段運行很快的關鍵代碼，或者是想要編寫一些不愿開放的算法，你可以使用C或C++完成那部分程序，然后從你的Python程序中調用。 ?

8.數據庫：Python提供所有主要的商業(yè)數據庫的接口。 ?

9.GUI編程：Python支持GUI可以創(chuàng)建和移植到許多系統(tǒng)調用。 ?

10.可嵌入: 你可以將Python嵌入到C/C++程序，讓你的程序的用戶獲得"腳本化"的能力。 ?

python的豐富性

如果是在理論研究領域，R語言也許是最受數據科學家歡迎的，但是R語言的問題也很明顯，因為是統(tǒng)計學家們創(chuàng)建了R語言，所以其語法略顯怪異。而且R語言要想實現大規(guī)模分布式系統(tǒng)，還需要很長一段時間的工程之路要走。所以很多公司使用R語言做原型試驗，算法確定之后，再翻譯成工程語言。 ?

Python 也是數據科學家最喜歡的語言之一。和R語言不同，Python 本身就是一門工程性語言，數據科學家用 Python 實現的算法，可以直接用在產品中，這對于大數據初創(chuàng)公司節(jié)省成本是非常有幫助的。正式因為數據科學家對 Python 和R的熱愛，Spark 為了討好數據科學家，對這兩種語言提供了非常好的支持。 ?

Python 的數據處理相關類庫非常多。高性能的科學計算類庫 NumPy 和 SciPy，給其他高級算法打了非常好的基礎，matploglib 讓 Python 畫圖變得像 Matlab 一樣簡單。Scikit-learn 和 Milk 實現了很多機器學習算法，基于這兩個庫實現的 Pylearn2，是深度學習領域的重要成員。Theano 利用 GPU 加速，實現了高性能數學符號計算和多維矩陣計算。當然，還有 Pandas，一個在工程領域已經廣泛使用的大數據處理類庫，其 DataFrame 的設計借鑒自R語言，后來又啟發(fā)了 Spark 項目實現了類似機制。 ?

對了，還有 iPython，這個工具如此有用，以至于我差點把他當成標準庫而忘了介紹。iPython 是一個交互式 Python 運行環(huán)境，能夠實時看到每一段 Python 代碼的結果。默認情況下，iPython 運行在命令行，可以執(zhí)行ipython notebook在網頁中運行。用 matplotlib 繪制的圖可以直接嵌入式的顯示在 iPython Notebook 中。 ?

iPython Notebook 的筆記本文件可以共享給其他人，這樣其他人就可以在自己的環(huán)境中重現你的工作成果;如果對方沒有運行環(huán)境，還可以直接轉換成 HTML 或者 PDF。