原文：
www.kdnuggets.com/2020/01/python-preferred-languages-data-science.html
评论
作者：Poli Dey Bhavsar，内容撰写者，来自 Helios Solutions。
根据 Indeed、Glassdoor 和 Dice 等招聘网站的数据显示，数据科学家的需求 每年持续增长，因各行各业的企业越来越依赖数据驱动的洞察力。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析技能
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT
事实上，通往这一热门职业的学习路径有很多，选择合适的路径取决于你在职业生涯中的位置。除了数学和统计技能外，编程专长也是一名有志数据科学家需要掌握的必备技能之一。
让我们深入挖掘数据科学社区中最受欢迎的编程语言吧！
根据 Kaggle 进行的调查 结果，Python 是最常用的编程语言，其次是 SQL 和 R（见下图）。
这项调查覆盖了近 24,000 名数据专业人士，其中 4 分之 3 的受访者推荐有志的数据科学家从 Python 开始他们的学习之旅。 在本文中，让我们探讨是什么使 Python 成为数据专业人士中最受追捧的编程语言，以及为何选择 Python 进行数据分析。
数据科学家需要处理复杂的问题，问题解决过程基本包括四个主要步骤——数据收集与清理、数据探索、数据建模和数据可视化。
Python 为他们提供了有效执行这一过程所需的所有工具，每个步骤都有专用库，我们将在本文后续部分讨论。这些工具包括强大的统计和数值库，如 Pandas、Numpy、Matplotlib、SciPy、scikit-learn 等，以及先进的深度学习库，如 Tensorflow、PyBrain 等。
此外，Python 已成为 AI 和 ML 的默认语言，数据科学与人工智能有交集。因此，这种多才多艺的语言成为数据科学家中使用最广泛的编程语言也就不足为奇了。
这种基于解释器的高级编程语言不仅易于使用，而且使数据科学家能够实现解决方案，同时遵循所需算法的标准。
现在，让我们来看看数据科学问题解决过程的步骤以及数据挖掘的 Python 包，这些包应该是数据科学家工具箱中不可或缺的一部分：
-
数据收集与清洗
-
数据探索
-
数据建模
-
数据可视化与解释
使用 Python，你可以处理几乎所有格式的数据，如来自网络的 CSV（逗号分隔值）、TSV（制表符分隔值）或 JSON。
无论你是想直接将 SQL 表导入代码中，还是需要抓取任何网站，Python 都可以通过其专用库，如PyMySQL和BeautifulSoup，轻松完成这些任务。前者使你能够轻松连接到 MySQL 数据库以执行查询和提取数据，而后者则帮助你读取 XML 和 HTML 类型的数据。在提取和替换值后，你还需要在数据清洗阶段处理缺失的数据集，并相应地替换无效值。
此外，如果你在处理特定数据集时遇到困难，可以通过谷歌搜索该数据集和 Python 来找到解决方案，这要归功于强大而充满活力的 Python 社区！
现在你的数据已经收集和整理完毕，确保所有收集的数据都进行了标准化。现在你有了干净的数据，确定需要回答的业务问题，然后将该问题转化为数据科学问题。
为此，探索数据以识别其属性，并将其分为不同类型，如数值型、序数型、名义型、分类型等，以提供所需的处理。
一旦数据根据类型进行分类，数据分析 Python 库NumPy和Pandas将帮助你从数据中发掘洞察，使你可以轻松高效地操作数据。
现在你的数据已经准备好使用了，是时候进入人工智能和机器学习领域进行数据建模了。
这是数据科学过程中一个非常关键的阶段，你需要努力减少数据集的维度。
Python 有许多先进的库，帮助你利用机器学习的力量执行数据建模中的任务。
你想对数据进行数值建模分析吗？只需在工具包中寻找Numpy！借助SciPy，你可以轻松进行科学计算和计算。Scikit-learn 代码库为你提供了直观的接口，并帮助你将机器学习算法应用于数据中，而无需任何复杂性。
数据建模完成后，你需要可视化和解释数据，以获得可操作的洞察。
Python 有许多数据可视化包。Matplotlib 是其中最常用的库，用于生成基本的图形和图表。如果你需要设计精美的高级图形，也可以尝试另一个 Python 库，Plotly。
另一个 Python 库，IPython，帮助你进行交互式数据可视化，并支持使用 GUI 工具包。如果你想将发现嵌入到交互式网页中，nbconvert 函数可以帮助你将 IPython 或 Jupyter 笔记本转换为丰富的 HTML 片段。
数据可视化之后，数据的呈现至关重要，必须以能够驱动你在项目开始时提出的业务问题的方式进行。
既然你已经提供了对业务问题的答案以及可操作的洞察，请记住，你的解释对组织的利益相关者而言应该是有用的。
有如此多的理由在你踏上数据科学之旅时考虑 Python 编程，这里还有另一个值得考虑的有力理由。顶级科技巨头也因各种原因使用 Python。以下是 Amazon 使用 Python 的原因：
那么，你对使用Python 进行数据科学有何看法？即使你更倾向于其他语言进行数据科学，也请告诉我们你的观点。请通过在下方留言与我们分享你的经验。
简介： Poli Dey Bhavsar 是 Helios Solutions 的内容作者。她通过撰写关于最新科技趋势和 IT 进展的故事来发挥对内容的热情。当她不在键盘前时，她在烹饪美食、旅行，并尝试揭示生命的意义。
相关：