【正文】 探討。 因為元組是不可變的，不可改變的，他們相對列表來說可以處理的更快。字符串封閉三引號（’’’）中可以跨越多行的代碼，在文檔字符串中是很常用的（記錄功能的Python方式）。 你可以通過按“Shift + Enter”或“ALT + Enter”來執(zhí)行代碼，如果你后面還想插入一行。 而環(huán)境權取決于你的需要，我個人更喜歡iPython notebook一點 。 即使你只是對一個單一的庫的最新版本感興趣。版本之間的轉換應該只是一個時間問題。 用，如Web開發(fā)這種高度依賴外部模塊的。它完全取決于具體情況和你的需要。4. 在Python中使用Pandas進行數(shù)據(jù)再加工5. 使用Python中建立預測模型o 邏輯回歸o 決策樹o 隨機森林讓我們開始吧為什么學Python用來數(shù)據(jù)分析 我一周內(nèi)學會了Python基礎。 幾年后發(fā)生了。這次我做的是我真正喜歡的。 由于Python缺乏數(shù)據(jù)科學的資源，我決定寫這篇教程來幫助別人更快地學習Python。 極好的在線社區(qū) 這是關于Python的一個最具爭議的話題。如果你計劃將Python用于具體的應 Python 3在過去5年已經(jīng)發(fā)布的穩(wěn)定版本，并將繼續(xù)。另一種選擇是 Enthought Canopy Express。 終端/基于Shell 你可以通過簡單地點擊上面截圖中的名字來對IPython notebook命名2 .在Python上運行一些簡單程序Python的數(shù)據(jù)結構元組是不可變的，輸出的用括號包圍，目的是嵌套結構可以被正確處理。Python的迭代和條件結構 例如，如果我們想打印出某個數(shù)字n是偶數(shù)還是奇數(shù)：讓我們探索下一個不同的庫。 第二方式，你需要導入math的整個命名空間，你可以直接使用factorial()，而不用提到math。 SciPy代表科學的Python。 Statsmodels用于統(tǒng)計建模。Seaborn旨在使可視化成為探索和理解數(shù)據(jù)的核心部分。 Scrapy用于網(wǎng)絡爬蟲。 Requests用于訪問網(wǎng)絡。 BeautifulSoup將探索Web。我們現(xiàn)在將使用Pandas從Analytics Vidhya的競賽中讀數(shù)據(jù)集，進行探索性分析，建立我們的第一個基本分類算法來解決這一問題。 More: 10 Minutes to Pandas實踐數(shù)據(jù)集——貸款預測問題 numpy 一旦你讀取了數(shù)據(jù)，可以通過使用head()函數(shù)查看一下前幾行的數(shù)據(jù)： 請注意，我們通過比較的平均值和中位數(shù)，即50%位數(shù)，來得到偏差的概念。分布分析fare 的箱圖可以使用下面代碼繪制： 現(xiàn)在，讓我們使用下面的命令看看LoanAmount的直方圖和箱線圖：例如，讓我們看看基于信用記錄，可以獲得貸款的可能性。 如果你還沒有意識到，我們剛剛在這里創(chuàng)建了兩個基本的分類算法，一個基于信用歷史，而另一個基于2個分類變量（包括性別）。在Python中使用Pandas進行數(shù)據(jù)再加工–翻新的需要2. 當我們查看數(shù)據(jù)的分布時，我們看到，applicantine和LoanAmount似乎在兩端都含有極端值。 讓我們看看所有的變量中的缺失值，因為大多數(shù)模型不能處理有缺失值的數(shù)據(jù)，即使他們可以，輸入它們往往不能幫助更多。例如，如果loan_amount_term是0，它是有意義的或者你認為是缺失的？我想你的答案是缺失的，你是對的。 首先，讓我們看看箱線圖看是否有某種趨勢存在： 現(xiàn)在，我們將創(chuàng)建一個數(shù)據(jù)透視表，它提供了我們所有Education和self_employed變量的唯一值分組的中位數(shù)。 現(xiàn)在的分布看起來更接近標準的，極端值的影響已經(jīng)顯著消退。此外，我鼓勵你考慮可能的額外的信息，可以來自數(shù)據(jù)。邏輯回歸 讓我們使用credit_history建立我們的第一個模型。準確度和交叉驗證得分不受那些影響較小變量的影響。它能比邏輯回歸模型提供更高的準確度。 在這里，我們觀察到，雖然增加變量時提高了準確度，交叉驗證錯誤下降。 準確度：%交叉驗證得分：100%此外，我們將修改一點點隨機森林模型的參數(shù)：這個練習給我們提供了一些非常有趣和獨特的學習：1. 使用一個更復雜的模型并不能保證更好的結果。我相信這不僅給你一個基本的數(shù)據(jù)分析方法的想法，它也展示了你如何實現(xiàn)一些當下存在的更復雜的技術。 Python確實是一個偉大的工具，并正在成為數(shù)據(jù)科學家之間一個越來越流行的語言。這樣做會增加從而使你的模型過度擬合的趨勢不可解釋的3. 特征工程是成功的關鍵。 注意，雖然準確度降低，但交叉驗證得分提高表明該模型推廣良好。這是過度擬合的最終情況，可以以兩種方式解決：1. 減少預測的數(shù)量2. 調(diào)整模型參數(shù)讓我們嘗試一個更復雜的算法，看看它是否有幫助：隨機森林 準確度：% 我們現(xiàn)在有兩個選擇：1. 工程特征：導出新信息并試圖預測。 準確度：% 一個方法就是把所有的變量都加入模型，這可能會導致過度擬合（如果你還不知道這個術語，不要擔心）。這可以用下面的代碼來完成： 來看看applicantine。 這應該給你提供了一個估計貸款金額的缺失值好方法。但首先，我們必須確保每個self_employed和Education變量 不應該有缺失值。如何填補LoanAmount的缺失值？ 這個命令告訴我們每一列中缺失值的數(shù)量，因為如果值為缺失值isnull()返回1。這可以使用matplotlib庫繪制成條形圖，使用下面的代碼：