Python Data Science 简明教程
Data Science Python - Getting Started
What is Data Science ?
数据科学是通过组织、处理和分析数据从庞大且多样化的数据集获取知识和见解的过程。它涉及许多不同的学科，如数学和统计建模、从来源提取数据以及应用数据可视化技术。通常，它还涉及处理大数据技术以收集结构化和非结构化数据。下面我们将看到数据科学得到应用的一些示例场景。
Recommendation systems
随着在线购物变得更加普遍，电子商务平台能够捕捉用户购物偏好以及市场上各种产品的性能。这导致创建推荐系统，这些系统创建模型来预测购物者的需求，并显示购物者最有可能购买的产品。
Financial Risk management
通过使用客户的过去支出习惯、过去的违约、其他财务承诺和许多社会经济指标，可以更好地分析涉及贷款和信贷的金融风险。这些数据以不同格式从各种来源收集。将它们组织在一起并深入了解客户特征需要数据科学的帮助。结果是通过避免坏账来最大程度地减少金融组织的损失。
Improvement in Health Care services
医疗保健行业处理着各种数据，这些数据可归类为技术数据、财务数据、患者信息、药物信息和法律规则。所有这些数据都需要以协调的方式进行分析，以产生既能为医疗保健提供者节省成本，又能为医疗保健接收者提供便利，同时保持法律合规性的见解。
Python in Data Science
数据科学的编程要求需要一门非常通用且灵活的语言，该语言既易于编写代码，又能处理高度复杂的数学处理。 Python 最适合此类要求，因为它已经确立了自己作为通用计算以及科学计算的语言。此外，它正在不断升级，形式是对其针对不同编程要求的众多库的新增。下面我们将讨论 Python 的这些特点，这些特点使其成为数据科学的首选语言。
-
一种简单易学的语言，其用比 R 等其他类似语言更少的代码行即可实现结果。它的简单性还使其能够使用最少的代码处理复杂的情况，并且对程序的总体流程造成的困惑要少得多。
-
它是跨平台的，所以相同的代码可以在多个环境中工作而无需任何更改。这使其非常适合轻松地用于多环境设置。
-
它比用于数据分析的其他类似语言（如 R 和 MATLAB）执行得更快。
-
其出色的内存管理功能，尤其是垃圾回收，使其能够灵活地优雅地管理海量的数据转换、切片、切块和可视化。
-
最重要的是，Python 拥有大量用作特殊用途分析工具的库。例如——NumPy 包处理科学计算，其数组管理数字数据所需的内存比传统的 Python 列表少得多。此类包的数量也在不断增加。
-
Python 有一些可以直接使用 Java 或 C 等其他语言代码的软件包。这有助于通过使用其他语言的现有代码来优化代码性能，只要它能够给出更好的结果。
在后续章节中，我们将看到如何利用这些 Python 特性来完成数据科学各个领域的所需所有任务。