独家 | Python数据分析入门指南
作者：Zack Jost
翻译：梁傅淇
校对：丁楠雅
本文长度为1500字，建议阅读3分钟
Zack Jost是美国第一资本投资国际集团的首席数据科学家，这是他为Python新手所写的入门指南，能够帮助有志于使用Python来做数据分析的读者更轻松、更愉悦地度过入门期。
有一个朋友最近问到这个问题，我觉得把它公开出来对其他人也会有帮助。这是给完全不了解Python而想找到从零到一的最简单的路径的人的建议：
1. 在这里（https://www.continuum.io/downloads）下载适用于你的操作系统的Python 3.X的Anaconda发行版本。这个预先捆绑的发行版会帮助你避开很多跟安装相关的头疼问题。有很多重要的数据分析包都会被预先安装好。
2. 等你安装好之后，测试一下，确认默认的Python解释器是你刚刚安装的版本。这非常重要，因为可能在你的系统里已经安装了一个版本的Python，但是它并不会包含Anaconda发行版中的所有东西，所以你得确保新的版本才是默认版本。在Mac/Linux系统上，你可以在终端输入which python，或者你也可以运行Python的解释器并且确保版本跟你下载的是相符的。如果这一切运行良好，在安装的时候就应该被设置成默认的版本。如果并非如此，你就得停下来并且解决它。
3. 在命令解释器（Shell）中输入jupyter notebook命令，这会打开一个浏览器窗口。如果没有的话，打开浏览器，在地址栏输入：http://localhost:8888。在你打开这个页面之后，创建一个新的Python笔记本（Python notebook）。
4. 点击http://www.kaggle.com/最上面菜单栏中的kernels，并在新打开的页面中的语言过滤器中选择Python（https://www.kaggle.com/kernels?language=Python）。这里大部分都是其他人利用Kaggle上免费公开的数据集做分析或者组建模型时使用的Jupyter笔记本（Jupyter Notebook）。在其中寻找标题里包含类似EDA（Exploratory Data Analysis，探索性数据分析）的笔记本，而不是那些创建预测模型的笔记本。找一个你觉得有趣的，并且在你的笔记本中再现它。
注意： 你会发现，当你再现某些分析的时候，你会遭遇导入错误（Import error）。这常常是因为分析者安装了并没有包含在Anaconda发行版中的包。你最终会需要学习如何跟conda包管理器（Conda package manager）交互，这将是你最终会走入的许多兔子洞之一。通常而言，事情都非常简单，你只需要用到conda install <package name>就可以了，但是你需要找出正确的包的名称，有时候，你还得确认一些其他的细节。还有的时候你可能得用到pip install <package name>，迟一点你都会学到的。
高级库总结
这里是对你会经常接触的重要的库的简要总结：
NumPy：拥有大量的科学计算的核心功能。由于它的内部运算是通过C语言实现的，所以比用Python写成的同样的函数，它的速度会快许多。但它并不是最用户友好的包。
SciPy：跟NumPy非常相似，但是有更多的方式来从分布中取样，计算检验统计量，等等。
MatPlotLib：主要的画图框架。不太讨喜，但却是必备的包。
Seaborn：在导入MatPlotLib包之后导入Seaborn包，默认地，它会使你的绘图变得漂亮许多。它也有一些独特的功能，但是我发现它最酷炫的功能运行起来实在太慢了。
Pandas：基本上是对NumPy/SciPy进行轻量的包装，使它们更用户友好一些。对于和表格数据交互非常理想，Pandas中把表格数据称为数据框（DataFrame）。对画图功能也有一些包装，使得无需使用MPL（Meta-Programming Library，元编程库）就可以快速实现画图。我使用Pandas而非其他的工具来操作数据。
Scikit-learn：包含大量的监督和非监督机器学习算法，以及许多做模型选择的度量工具，是一个优秀的预处理库。这个预处理库可以做主成分分析（Principal Component Analysis），对分类变量进行编码，等等。
小技巧
1. 在Jupyter笔记本中，在运行代码块（Cell）前，于任何一个对象前放置一个问号，它会为你打开这个对象的文档。在你遗忘了你所使用的函数的细节的时候，这是非常方便的。比如说，my_dataframe.apply会解释pandas.DataFrame对象中的apply方法，而这个my_dataframe是pandas.DataFrame的一个实例。
2. 无论你在使用什么库，你通常都需要一直查阅文档，那么就干脆一直在浏览器中打开它。可选变量以及细微的差别实在是太多了。
3. 当你遇到无可避免的故障检修的时候，stackoverflow上也许已经有了问题的答案。
4. 接受这个事实吧：你正在做并不是完全理解的事情，又或者你会被并不重要的细节拖入泥淖。某一天你也许需要理解虚拟环境，它并没有那么困难，只是会有一些弯路给新手增加一些不必要的痛苦而已。
5. 阅读别人的代码。这是最好的方式，可以学习到规范，也是最佳的实践。这就是Kaggle kernels能够帮助你的地方。Github同样也支持在浏览器中展示Jupyter笔记本。互联网上有大量的例子可供参考学习。
原文标题：
Getting Started with Python for Data Analysis
原文链接：
http://www.kdnuggets.com/2017/07/getting-started-python-data-analysis.html
编辑：黄继彦
梁傅淇，软件工程本科在读，主修大数据分析，喜好搜索、收集各类信息。希望能在THU数据派平台认识更多对数据分析感兴趣的朋友，一起研究如何从数据挖掘出有用的模型和信息。
翻译组招募信息
工作内容：需要一颗细致的心，将选取好的外文文章翻译成流畅的中文。如果你是数据科学/统计学/计算机类的留学生，或在海外从事相关工作，或对自己外语水平有信心的朋友欢迎加入翻译小组。
你能得到：定期的翻译培训提高志愿者的翻译水平，提高对于数据科学前沿的认知，海外的朋友可以和国内技术应用发展保持联系，THU数据派产学研的背景为志愿者带来好的发展机遇。
其他福利：来自于名企的数据科学工作者，北大清华以及海外等名校学生他们都将成为你在翻译小组的伙伴。
点击文末“阅读原文”加入数据派团队~
为保证发文质量、树立口碑，数据派现设立“错别字基金”，鼓励读者积极纠错。
若您在阅读文章过程中发现任何错误，请在文末留言，或到后台反馈，经小编确认后，数据派将向检举读者发8.8元红包。
同一位读者指出同一篇文章多处错误，奖金不变。不同读者指出同一处错误，奖励第一位读者。
感谢一直以来您的关注和支持，希望您能够监督数据派产出更加高质的内容。
转载须知
如需转载文章，请做到 1、正文前标示：转自数据派THU（ID：DatapiTHU）；2、文章结尾处附上数据派二维码。
申请转载，请发送邮件至datapi@tsingdata.com
公众号底部菜单有惊喜哦！
企业，个人加入组织请查看“联盟”
往期精彩内容请查看“号内搜”
加入志愿者或联系我们请查看“关于我们”
点击“阅读原文”报名