人生苦短，我用Python

標籤：面向   時間   Regex   有趣   圖形介面   list   c++   ali   電子郵件   

                            人生苦短，我用Python(轉)

Python的特色

  1.簡單  2.易學  3.免費、開源  4.高層語言: 封裝記憶體管理等  5.可移植性: 程式如果避免使用依賴於系統的特性，那麼無需修改就可以在任何平台上運行  6.解釋性: 直接從原始碼運行程式,不再需要擔心如何編譯器,使得程式更加易於移植。  7.物件導向: 支援面向過程的編程也支援物件導向的編程。  8.可擴充性: 需要保密或者高效的代碼，可以用C或C++編寫，然後在Python程式中使用它們。  9.可嵌入性: 可以把Python嵌入C/C++程式，從而向你的程式使用者提供指令碼功能。  10.豐富的庫: 包括Regex、文檔產生、單元測試、線程、資料庫、網頁瀏覽器、CGI、FTP、     電子郵件、XML、XML-RPC、HTML、WAV檔案、密碼系統、GUI(圖形化使用者介面)、Tk和其他與系統有關的操作。     除了標準庫以外，還有許多其他高品質的庫，如wxPython、Twisted和Python映像庫等等。  11.概括: Python確實是一種十分精彩又強大的語言。它合理地結合了高效能與使得編寫程式簡單有趣的特色。  12.規範的代碼: Python採用強制縮排的方式使得代碼具有極佳的可讀性。

Python在大資料時代

              

讓我們來看看，Python在資料分析領域的生態圈吧！

 

基礎庫

 

• Numpy：矩陣計算與其它大多數架構的資料處理基礎；

• Scipy：科學計算庫，提供了很多科學計算工具包和演算法；

• Matplotlab：專業畫圖工具，話說這個單詞還是真是在Matlab之間插入了plot這個詞形成的；

• Pandas：提供類似於R語言的DataFrame操作，非常方便；

 

機器學習與深度學習

 

• OpenCV：提供Image Recognition的很多方便的操作；

• Orange：基於圖形介面的機器學習程式，也可以用Python指令碼來操作調用；

• Scikit-Learn：前面說了，這是Python在機器學習領域裡面的代表作。尤其是它的文檔，完全可以當成機器學習的參考資料來閱讀了，曾經我向朋友推薦的時候說，說過，把scikit-learn的文檔當成佛經來讀，假以時日，功力定會大增。

• Theano：深度學習裡面非常有名的一個架構了，也非常具有代表性。是其它很多架構的基礎。

• Keras：基於Theano進行了抽象，建議入門的話使用這個，搭積木一樣地就可以弄個神經網路出來了。

• NLTK：自然語言處理，提供的功能也很強大。

 

國內出品的Mxnet的Python介面

 

分布式機器學習與深度學習

 

• Spark之MLlib的Python介面Pyspark

• H2o的Python介面

• 收費的Graph Create的Python介面

• Google最近剛出的TensorFlow的Python介面

• 三星最近剛出的Veles，目前只提供Python介面

• 新的機器學習或深度學習架構，如果不提供Python介面的話，恐怕會難以推廣吧。

   

  上面列舉的只是其中一部分，還有很多很多。當然，他們很多並非是用Python來實現，但都共同的提供了Python介面，甚至好幾個都把Python當成了頭等公民（First-Class）。

   

  在此並非想說Python這門語言很強大或者複雜，而恰恰相反，得益於Python的簡潔和包容。才讓它在資料採礦領域有如此的地位。

   

  這便是生態圈的力量，不以個人的意志為轉移。

   

  對於想入門資料分析、資料採礦、機器學習的朋友來說，Python是你值得花時間的選擇。因為，除了上面的工具鏈生態圈，還有書籍和知識傳播的生態圈。

 

 

 

人生苦短，我用Python