- 來(lái)源 | 愿碼(ChainDesk.CN)內(nèi)容編輯
- 愿碼Slogan | 連接每個(gè)程序員的故事
- 網(wǎng)站 | http://chaindesk.cn
- 愿碼愿景 | 打造全學(xué)科IT系統(tǒng)免費(fèi)課程,助力小白用戶、初級(jí)工程師0成本免費(fèi)系統(tǒng)學(xué)習(xí)、低成本進(jìn)階,幫助BAT一線資深工程師成長(zhǎng)并利用自身優(yōu)勢(shì)創(chuàng)造睡后收入。
- 官方公眾號(hào) | 愿碼 | 愿碼服務(wù)號(hào) | 區(qū)塊鏈部落
- 免費(fèi)加入愿碼全思維工程師社群 | 任一公眾號(hào)回復(fù)“愿碼”兩個(gè)字獲取入群二維碼
本文閱讀時(shí)長(zhǎng):13min
本文包含以下部分:
- 數(shù)據(jù)分析,數(shù)據(jù)科學(xué),大數(shù)據(jù)
- Python的數(shù)據(jù)分析簡(jiǎn)史
- dautil的高級(jí)概述
- IPython筆記本實(shí)用程序
- 下載數(shù)據(jù)
- 繪制實(shí)用程序
- 揭開Docker的神秘面紗
數(shù)據(jù)分析,數(shù)據(jù)科學(xué),大數(shù)據(jù)
您可能已經(jīng)看到維恩圖將數(shù)據(jù)科學(xué)描述為數(shù)學(xué)/統(tǒng)計(jì)學(xué),計(jì)算機(jī)科學(xué)和領(lǐng)域?qū)I(yè)知識(shí)的交集。數(shù)據(jù)分析是永恒的,并且在數(shù)據(jù)科學(xué)和計(jì)算機(jī)科學(xué)之前存在。您可以使用筆和紙進(jìn)行數(shù)據(jù)分析,并在更現(xiàn)代的時(shí)候使用袖珍計(jì)算器進(jìn)行數(shù)據(jù)分析。
數(shù)據(jù)分析涉及許多方面,例如做出決策或提出新的假設(shè)和問題。圍繞數(shù)據(jù)科學(xué)和大數(shù)據(jù)的炒作,狀態(tài)和經(jīng)濟(jì)回報(bào)讓我想起了數(shù)據(jù)倉(cāng)庫(kù)和商業(yè)智能成為流行語(yǔ)的時(shí)間。商業(yè)智能和數(shù)據(jù)倉(cāng)庫(kù)的最終目標(biāo)是構(gòu)建管理儀表板。這涉及很多政治和組織方面,但在技術(shù)方面,主要是關(guān)于數(shù)據(jù)庫(kù)。另一方面,數(shù)據(jù)科學(xué)不是以數(shù)據(jù)庫(kù)為中心的,而是在很大程度上依賴于機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)由于數(shù)據(jù)量較大,技術(shù)已成為必要。數(shù)據(jù)增長(zhǎng)是由世界人口的增長(zhǎng)和社交媒體和移動(dòng)設(shè)備等新技術(shù)的興起引起的。實(shí)際上,數(shù)據(jù)增長(zhǎng)可能是我們可以確定的唯一趨勢(shì)。構(gòu)建儀表板和應(yīng)用機(jī)器學(xué)習(xí)之間的區(qū)別與搜索引擎的演變方式類似。
搜索引擎最初只不過是手工創(chuàng)建的組織良好的鏈接集合。最終,自動(dòng)化方法獲勝。由于將及時(shí)創(chuàng)建更多數(shù)據(jù)(而不是銷毀),我們可以預(yù)期自動(dòng)數(shù)據(jù)分析會(huì)增加。
Python的數(shù)據(jù)分析簡(jiǎn)史
- 1989年:Guido van Rossum在荷蘭的CWI實(shí)施了第一個(gè)Python版本,作為圣誕節(jié)愛好項(xiàng)目。
- 1995年:Jim Hugunin創(chuàng)建了NumPy的前身Numeric。
- 1999年:Pearu Peterson將f2py描述為Fortran和Python之間的橋梁。
- 2000:Python 2.0發(fā)布。
- 2001:SciPy庫(kù)發(fā)布。此外,還創(chuàng)建了Numarray,一個(gè)競(jìng)爭(zhēng)的數(shù)字庫(kù)。費(fèi)爾南多佩雷斯發(fā)布了IPython,這是一個(gè)下午的黑客攻擊。NLTK作為一個(gè)研究項(xiàng)目發(fā)布。
- 2002年:John Hunter創(chuàng)建了matplotlib庫(kù)。
- 2005年:NumPy由Travis Oliphant發(fā)布。最初,NumPy是Numeric擴(kuò)展,其功能受到Numarray的啟發(fā)。
- 2006:NumPy 1.0發(fā)布。SQLAlchemy的第一個(gè)版本發(fā)布了。
- 2007年:scikit-learn項(xiàng)目由David Cournapeau發(fā)起為Google Summer of Code項(xiàng)目。Cython是從Pyrex分叉的。Cython后來(lái)被大量用于熊貓和scikit-學(xué)習(xí)以提高性能。
- 2008年:Wes McKinney開始研究Pandas。Python 3.0發(fā)布了。
- 2011:IPython 0.12版本引入了IPython筆記本。Packt發(fā)布了NumPy 1.5初學(xué)者指南。
- 2012年:Packt發(fā)布了NumPy Cookbook。
- 2013:Packt發(fā)布NumPy初學(xué)者指南 - 第二版。
- 2014年:Fernando Perez宣布Project Jupyter,旨在打造一款與語(yǔ)言無(wú)關(guān)的筆記本電腦。Packt發(fā)布了學(xué)習(xí)NumPy數(shù)組和Python數(shù)據(jù)分析。
- 2015:Packt發(fā)布NumPy初學(xué)者指南 - 第三版和NumPy Cookbook - 第二版。
dautil的高級(jí)概述
dautil模塊總結(jié)在下表中:
模 | 描述 | LOC |
---|---|---|
dautil.collect | 包含與集合相關(guān)的實(shí)用程序 | 331 |
dautil.conf | 包含配置實(shí)用程序 | 48 |
dautil.data | 包含用于下載和加載數(shù)據(jù)的實(shí)用程序 | 468 |
dautil.db | 包含與數(shù)據(jù)庫(kù)相關(guān)的實(shí)用程序 | 98 |
dautil.log_api | 包含日志實(shí)用程序 | 204 |
dautil.nb | 包含IPython / Jupyter筆記本小部件和實(shí)用程序 | 609 |
dautil.options | 配置與數(shù)據(jù)分析相關(guān)的多個(gè)庫(kù)的動(dòng)態(tài)選項(xiàng) | 71 |
dautil.perf | 包含與性能相關(guān)的實(shí)用程序 | 162 |
dautil.plotting | 包含繪圖實(shí)用程序 | 382 |
dautil.report | 包含報(bào)告實(shí)用程序 | 232 |
dautil.stats | 包含統(tǒng)計(jì)函數(shù)和實(shí)用程序 | 366 |
dautil.ts | 包含時(shí)間序列和日期的實(shí)用程序 | 217 |
dautil.web | 包含用于Web挖掘和HTML處理的實(shí)用程序 | 47 |
IPython筆記本實(shí)用程序
IPython筆記本已成為數(shù)據(jù)分析的標(biāo)準(zhǔn)工具。該dautil.nb有幾個(gè)互動(dòng)IPython的小部件,以幫助乳膠渲染,matplotlib屬性的設(shè)置,和繪圖。Ivan定義了一個(gè)Context類,它表示小部件的配置設(shè)置。這些設(shè)置存儲(chǔ)在當(dāng)前工作目錄中名為dautil.json的漂亮打印的JSON文件中。這可以擴(kuò)展,甚至可以使用數(shù)據(jù)庫(kù)后端。以下是一個(gè)示例dautil.json的編輯摘錄(因此它不占用大量空間):
{
...
"calculating_moments": {
"figure.figsize": [ 10.4, 7.7 ],
"font.size": 11.2
},
"calculating_moments.latex": [ 1, 2, 3, 4, 5, 6, 7 ],
"launching_futures": {
"figure.figsize": [ 11.5, 8.5 ]
},
"launching_futures.labels": [ [ {}, {
"legend": "loc=best",
"title": "Distribution of Means"
}
],
[
{
"legend": "loc=best",
"title": "Distribution of Standard Deviation"
},
{
"legend": "loc=best",
"title": "Distribution of Skewness"
}
]
],
...
}
?Context對(duì)象可以使用字符串構(gòu)建 - Ivan建議使用筆記本的名稱,但任何唯一標(biāo)識(shí)符都可以。該dautil.nb.LatexRenderer還使用了Context類。它是一個(gè)實(shí)用程序類,可幫助您在IPython / Jupyter筆記本中編號(hào)和渲染Latex方程式,例如,如下所示:
import dautil as dl
lr = dl.nb.LatexRenderer(chapter=12, context=context)
lr.render(r'delta! = x - m')
lr.render(r'm' = m + frac{delta}{n}')
lr.render(r'M_2' = M_2 + delta^2 frac{ n-1}{n}')
lr.render(r'M_3' = M_3 + delta^3 frac{ (n - 1) (n - 2)}{n^2}/
- frac{3delta M_2}{n}')
lr.render(r'M_4' = M_4 + frac{delta^4 (n - 1) /
(n^2 - 3n + 3)}{n^3} + frac{6delta^2 M_2}/
{n^2} - frac{4delta M_3}{n}')
lr.render(r'g_1 = frac{sqrt{n} M_3}{M_2^{3/2}}')
lr.render(r'g_2 = frac{n M_4}{M_2^2}-3.')
結(jié)果如下:
您可能會(huì)發(fā)現(xiàn)有用的另一個(gè)小部件是RcWidget,它設(shè)置matplotlib設(shè)置,如以下屏幕截圖所示:
下載數(shù)據(jù)
有時(shí),我們需要樣本數(shù)據(jù)來(lái)測(cè)試算法或原型可視化。在dautil.data模塊中,您將找到許多用于數(shù)據(jù)檢索的實(shí)用程序。模塊中的一些實(shí)用程序在現(xiàn)有的pandas函數(shù)之上添加了一個(gè)緩存層,例如從世界銀行和Yahoo!下載數(shù)據(jù)的pandas函數(shù)。您還可以獲取音頻,人口統(tǒng)計(jì),F(xiàn)acebook和營(yíng)銷數(shù)據(jù)。
數(shù)據(jù)存儲(chǔ)在特殊數(shù)據(jù)目錄下,該目錄取決于操作系統(tǒng)。以下示例代碼從SPAN Facebook數(shù)據(jù)集加載數(shù)據(jù)并計(jì)算clique數(shù):
import networkx as nx
import dautil as dl
fb_file = dl.data.SPANFB().load()
G = nx.read_edgelist(fb_file,
create_using=nx.Graph(),
nodetype=int)
print('Graph Clique Number',
nx.graph_clique_number(G.subgraph(list(range(2048)))))
繪制實(shí)用程序
Ivan在書中經(jīng)??梢暬瘮?shù)據(jù)。繪圖有助于我們了解數(shù)據(jù)的結(jié)構(gòu),并幫助您形成假設(shè)或研究問題。通常,我們想要繪制多個(gè)變量,但我們希望很容易看出它是什么。matplotlib中的標(biāo)準(zhǔn)解決方案是循環(huán)顏色。但是,Ivan更喜歡循環(huán)線寬和線條樣式。以下單元測(cè)試演示了他對(duì)此問題的解決方案:
def test_cycle_plotter_plot(self):
m_ax = Mock()
cp = plotting.CyclePlotter(m_ax)
cp.plot([0], [0])
m_ax.plot.assert_called_with([0], [0], '-', lw=1)
cp.plot([0], [1])
m_ax.plot.assert_called_with([0], [1], '--', lw=2)
cp.plot([1], [0])
m_ax.plot.assert_called_with([1], [0], '-.', lw=1)
該dautil.plotting模塊目前也有次要情節(jié),直方圖,回歸圖使用的輔助工具,并處理彩色地圖。下面的示例代碼(標(biāo)簽的代碼已被省略)演示了條形圖實(shí)用程序功能和dautil.data的實(shí)用程序功能,它下載了股票價(jià)格數(shù)據(jù):
import dautil as dl
import numpy as np
import matplotlib.pyplot as plt
ratios = []
STOCKS = ['AAPL', 'INTC', 'MSFT', 'KO', 'DIS', 'MCD', 'NKE', 'IBM']
for symbol in STOCKS:
ohlc = dl.data.OHLC()
P = ohlc.get(symbol)['Adj Close'].values
N = len(P)
mu = (np.log(P[-1]) - np.log(P[0]))/N
var_a = 0
var_b = 0
for k in range(1, N):
var_a = (np.log(P[k]) - np.log(P[k - 1]) - mu) ** 2
var_a = var_a / N
for k in range(1, N//2):
var_b = (np.log(P[2 * k]) - np.log(P[2 * k - 2]) - 2 * mu) ** 2
var_b = var_b / N
ratios.append(var_b/var_a - 1)
_, ax = plt.subplots()
dl.plotting.bar(ax, STOCKS, ratios)
plt.show()
有關(guān)最終結(jié)果,請(qǐng)參閱以下屏幕截圖:
代碼執(zhí)行隨機(jī)游走測(cè)試并計(jì)算股票價(jià)格列表的相應(yīng)比率。每當(dāng)您運(yùn)行代碼時(shí)都會(huì)檢索數(shù)據(jù),因此您可能會(huì)得到不同的結(jié)果。
以下腳本演示了世界銀行數(shù)據(jù)的線性回歸實(shí)用程序和緩存下載程序(省略了水印和繪圖標(biāo)簽的代碼):
import dautil as dl
import matplotlib.pyplot as plt
import numpy as np
wb = dl.data.Worldbank()
countries = wb.get_countries()[['name', 'iso2c']]
inf_mort = wb.get_name('inf_mort')
gdp_pcap = wb.get_name('gdp_pcap')
df = wb.download(country=countries['iso2c'],
indicator=[inf_mort, gdp_pcap],
start=2010, end=2010).dropna()
loglog = df.applymap(np.log10)
x = loglog[gdp_pcap]
y = loglog[inf_mort]
dl.options.mimic_seaborn()
fig, [ax, ax2] = plt.subplots(2, 1)
ax.set_ylim([0, 200])
ax.scatter(df[gdp_pcap], df[inf_mort])
ax2.scatter(x, y)
dl.plotting.plot_polyfit(ax2, x, y)
plt.show()
?代碼應(yīng)顯示以下圖像:
該計(jì)劃下載2010年世界銀行數(shù)據(jù),并將嬰兒死亡率與人均GDP進(jìn)行對(duì)比。還示出了對(duì)數(shù)變換數(shù)據(jù)的線性擬合。
揭開Docker的神秘面紗
Docker使用Linux內(nèi)核功能來(lái)提供額外的虛擬化層。它由Solomon Hykes于2013年創(chuàng)建。Boot2Docker允許我們?cè)赪indows和Mac OS X上安裝Docker。Boot2Docker使用包含帶有Docker?的Linux環(huán)境的VirtualBox VM?。介紹中提到的Ivan的Docker鏡像基于continuumio / miniconda3?Docker鏡像。
安裝Boot2Docker后,需要對(duì)其進(jìn)行初始化。這只需要一次,Linux用戶不需要這一步:$ boot2docker init
Mac OS X和Windows用戶的下一步是啟動(dòng)VM:
$ boot2docker start
通過啟動(dòng)示例容器來(lái)檢查Docker環(huán)境:
$ docker run hello-world
Docker鏡像組織在一個(gè)類似于GitHub的存儲(chǔ)庫(kù)中。制作人推送圖像,消費(fèi)者拉動(dòng)圖像。您可以使用以下命令拉出Ivan的存儲(chǔ)庫(kù)。目前的大小為387 MB。
$ docker pull ivanidris/pydacbk
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索:z360901061

微信掃一掃加我為好友
QQ號(hào)聯(lián)系: 360901061
您的支持是博主寫作最大的動(dòng)力,如果您喜歡我的文章,感覺我的文章對(duì)您有幫助,請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點(diǎn)擊下面給點(diǎn)支持吧,站長(zhǎng)非常感激您!手機(jī)微信長(zhǎng)按不能支付解決辦法:請(qǐng)將微信支付二維碼保存到相冊(cè),切換到微信,然后點(diǎn)擊微信右上角掃一掃功能,選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
