人人都说Python好，但Python有多少魔力如此受欢迎？
近日，TIOBE 新发布的最新编程语言排行榜，Python再次排名第一。作为目前最流行的编程语言，Python可以说应用极其广泛，从数据科学到运维、爬虫等。在各大领域随处可见Python的痕迹。
人人都说Python好，但Python魔力有多受欢迎？
以数据科学为例，Python有许多完美的工具包可以帮助你完成重要的数据科学任务。本文将对其进行具体分析Python深受科学家喜爱的原因。
数据科学对Python 的需求：
数据科学是利用统计学、数学和科学计算来分析数据，帮助我们从一系列结构化和非结构化数据中提取信息的研究。
由于Python语法简单，即使没有工程背景的人也能轻松掌握，所以Python它被认为是数据科学的最佳选择。
Python在数据科学领域有着悠久的历史：
- 2016年 Python 在 Kaggle平台超越了R，Kaggle 来源：Finextra
- 2017年，Python 在 KDNuggets 年度数据科学家调查超过了R，来源：KDnuggets
- 2018年约66% 数据科学家说他们每天都在使用它 Python，来源：KDnuggets
据专家介绍，随之而来Python 这着语言的发展，这一趋势将继续下去。此外，根据Indeed 报告显示，数据科学家的平均底薪约为109596美元/年。近年来，市场上数据科学家的工作机会急剧增加。
为什么Python 用于数据科学：
Python它是一种通用易用的语言，在数据科学中被认为是最好的语言。在可扩展性方面，Python它比R等编程语言更有优势。它为数据科学家提供了灵活性，并提供了不同的解决方案。在速度方面，Python再次在同行语言(如Matlab和Stata）脱颖而出。
下面将讨论Python 语言的一些重要特征：
- Python语法使用相当简单，任何人都可以在短时间内学会Python;
- 许多强大的第三方图书馆被用于数据科学应用。图书馆是模块的集合，可以反复应用于不同的程序；
- 强大的社区支持有助于保持库和框架最新，社区人数超过1000万。developer-tech
- 可免费下载和使用库和框架，Python估计库和框架总数为137000左右；
- Python 它是一种解释性编程语言C 或 C 不同，Python代码首先转换为低级指令的字节码，然后由 Python 解释器执行;
- Python 它是跨平台的，这意味着一旦代码被使用 Python 它可以在任何操作系统中运行：例如Windows、 Mac、 Linux 等等Python 解释器依赖平台；
- Python因此，我们可以在日常生活中自动化一些耗时的任务。例如，班主任希望根据excel 制作学生电子成绩单。假设一个班有100名学生，一个接一个地做成绩单似乎不是一个好的选择。为了解决这个问题，我们可以创建一个 Python 脚本，本的脚本 excel 创建所有学生的电子成绩单。
如何使用Python 数据科学？
Python 提供了 NumPy、 pandas、 SciPy、 matplotlib 等库，让我们轻松完成数据科学的日常任务。下面将讨论一些库：
Numpy：Numpy是Numerical Python首字母缩写是一个Python为数学函数提供支持，程序员可以使用这些函数来操作更大维度的数组，它包含一些有用的功能来帮助处理数组和矩阵。
Pandas：Pandas 是 Python 库是开发者中最受欢迎的库之一，其主要目标是通过其内置函数来分析和操作数据，该库还可以轻松处理大量的结构化数据。Pandas 支持两种数据结构：
- Series：一维数据；
- DataFrame：二维数据。
SciPy:SciPy 是另一种流行 Python 库，专门用于执行数据科学任务，在科学计算领域也非常有用。它提供了解决科学计算问题和计算机编程任务的功能，由以下子模块组成：
- 处理信号和图像
- 优化算法
- 积分
- 插值
Matplotlib：Matplotlib 很特别Python 图书馆，用于数据可视化。数据可视化对任何组织都非常重要。它提供了一种数据可视化的方法，不仅限于绘制蛋糕图、条形图和直方图，还可以绘制先进的图形。图书馆的另一个特点是支持自定义，图形的任何部分都可以有效地定制。
Matplotlib 它为我们提供了缩放图表和以图片格式保存图表的功能。
当我们以数据科学相关的角色进入一个组织时，一般来说，该组织遵循以下工作流程。
- 使用Python 和 SQL 从公司数据库获取数据；
- 使用pandas 将数据插入数据框架，以便以后进行分析；
- 然后在Pandas 和 Matplotlib 在等库的帮助下，开始数据分析和可视化；
- 对组织数据进行深入分析和挖掘，并根据给定的数据预测未来结果，Scikit库负责准备预测模型。
Python扮演什么角色？
现在让我们回顾一下数据科学处理过程中的每一步，以便进一步了解Python它扮演的角色。
1.数据收集和清理
通过Python，您可以加载不同格式的数据，例如CSV(逗号分隔值)，TSV(制表符分隔值)或来自网络的JSON。
不管你想直接把SQL将表格载入您的程序，或者需要爬取网站信息，Python所有这些任务都可以帮助你轻松完成：前一个任务可以使用PyMySQL可以使用后一个任务 BeautifulSoup包。PyMySQL您可以轻松连接MySQL数据库、执行查询、数据提取等。BeautifulSoup可以帮助你读取XML和HTML类型数据。在提取和替换数值后，您可能不得不在数据清洗阶段处理缺失值和无意义值。
此外，如果您在处理特殊数据集时遇到麻烦，您可以在线搜索该数据集的名称并添加Python也许能找到解决办法。
2、数据探索
现在你已经收集了数据，并标准化了数据，然后是数据探索。在此过程中，您需要澄清业务逻辑中发现的问题，并将其转化为标准化的数据科学问题。
为了实现这一点，有必要对数据类型进行更深入的分析，并将其分为不同的数据类型，如数值（numerical）、序数（ordinal）、标称（nominal）、类别（categorical）等了提供他们需要的处理方法。
一旦数据的类别一旦澄清，就可以使用Python用作数据分析的库NumPy和Pandas探索这些数据。Python在数据探索过程中，您可以在搜索引擎中搜索更多信息。
完成这些步骤后，您可以开始人工智能和数据建模机器学习步骤。
3、数据建模
这一步是数据科学过程中一个非常关键的阶段，你可能需要在建模前降低现有数据集的维度。Python语言可以很方便地帮助你完成这项任务，它有许多先进的工具库来帮助你解决问题。
如果你想对数据进行数值模型分析，你只需要使用它Python中的Numpy。利用SciPy科学计数和计算可以很容易地使用。Python上的Scikit-learn代码库提供了许多直观的界面，帮助您在数据中应用机器学习算法，整个过程不会发现任何困难。
当数据建模完成后，您可能需要可视化显示并解释数据中有价值的信息。
4、数据可视化和解释
Python数据可视化可视化的包。Matplotlib 它是最常用的库，可以生成基本的图形和图表。如果需要设计精美的高级图表，也可以试试另一个Python包Plotly。
还有一个Python包IPython，交互式数据可视化并支持使用GUI工具箱。如果将调查结果嵌入交互式网页，nbconvert 函数可以帮助你将IPython转化或把Jupyter notebooks放入到HTML在代码片段中。
如何在完成数据可视化后显示您的数据是非常重要的，这必须旨在回应项目中的业务逻辑问题。
现在你可以用这些有价值的信息为之前业务逻辑中的问题找到答案，记住你的解释对公司的项目相关者很有帮助。
准备好用Python拥抱你的数据科学目标吗？
为什么在数据科学的旅程中使用它？Python编程，这篇文章给了你很多理由。另一个新的原因是顶级科技巨头也使用它Python。
Google，Youtube，Instagram，NASA，IBM，Netflix，Spotify，Uber，Pinterest，Redit等都是使用Python进行数据科学研究的顶级公司。
最适合数据分析的Python是处理大量数据的最佳选择。它的灵活性，易学性和库的优势使其成为在大数据，机器学习等领域工作的最佳语言。
数据科学的应用：
1、医疗保健行业：在过去的几年里，由于数据科学领域的发展，医疗部门已经受益。现在，通过MapReduce等库和框架，可以实现动脉狭窄等医学图像分析程序。
2、互联网搜索：大多数搜索引擎，如谷歌、雅虎、必应等，都在内部使用数据科学算法，以便在几秒钟内生成最佳结果。据报道，谷歌每天处理超过20 PB的数据。因此，如果没有数据科学，我们甚至无法想象搜索引擎今天是什么样子。
3、金融领域：无论是数据管理，还是交易策略的制定，数据科学对于增强金融解决方案有着巨大的前景。数据科学在自动化风险管理、管理客户数据、预测分析、实时分析（欺诈识别/消费者分析/算法交易）、深度个性化和定制等方面均发挥着非常大的作用。
4、制造业：在一个制造企业中，往往数字化、应用数据的开始，就是一些可视化的数据探索。通过把一些数据某些维度可视化，挖掘出一些浅层的信息，这些往往会带来很大的价值，尤其是用于领导层的决策，用于更高效的展示结果和问题的交流。
不仅如此，数据科学的应用从医疗保健到商业再到零售，很多大行业都在使用数据科学。
总结
Python 是任何数据科学家的基础，如果你想从事数据科学领域的工作，那么你绝对应该考虑 Python 作为主要语言，因为它语法简单并且有大量的支撑库。
原文标题：How Python Became The Language for Data Science，作者：Sonia Mathias
链接：https://www.datasciencecentral.com/how-python-became-the-language-for-data-science/
首发译文：为什么说Python是数据科学领域的最佳语言？