python数据分析(pandas)
几年后发生了。在使用SAS工作超过5年后，我决定走出自己的舒适区。作为一个数据科学家，我寻找其他有用的工具的旅程开始了！幸运的是，没过多久我就决定，Python作为我的开胃菜。
我总是有一个编写代码的倾向。这次我做的是我真正喜欢的。代码。原来，写代码是如此容易！
我一周内学会了Python基础。并且，从那时起，我不仅深度探索了这门语言，而且也帮助了许多人学习这门语言。Python是一种通用语言。但是，多年来，具有强大的社区支持，这一语言已经有了专门的数据分析和预测模型库。
由于Python缺乏数据科学的资源，我决定写这篇教程来帮助别人更快地学习Python。在本教程中，我们将讲授一点关于如何使用Python 进行数据分析的信息，咀嚼它，直到我们觉得舒适并可以自己去实践。
目录
1. 数据分析的Python基础
o为什么学Python用来数据分析
o Python 2.7 v/s 3.4
o怎样安装Python
o在Python上运行一些简单程序
2. Python的库和数据结构
o Python的数据结构
o Python的迭代和条件结构
o Python库
3. 在Python中使用Pandas进行探索性分析
o序列和数据框的简介
o分析Vidhya数据集——贷款的预测问题
4. 在Python中使用Pandas进行数据再加工
5. 使用Python中建立预测模型
o逻辑回归
o决策树
o随机森林
让我们开始吧
1.数据分析的Python基础
为什么学Python用来数据分析
很多人都有兴趣选择Python作为数据分析语言。这一段时间以来，我有比较过SAS和R。这里有一些原因来支持学习Python：
?开源——免费安装
?极好的在线社区
?很容易学习
?可以成为一种通用的语言，用于基于Web的分析产品数据科学和生产中。
不用说，它仍然有几个缺点：
?它是一种解释性的语言，而不是编译的语言，因此可能占用更多的CPU时间。然而，由于它节省了程序员的时间（由于学习的方便），它可能仍然是一个很好的选择。Python 2.7 v/s 3.4
这是关于Python的一个最具争议的话题。你可能总是不能避免遇到，尤其是如果你是一个初学者。这里没有正确/错误的选择。它完全取决于具体情况和你的需要。我会尝试给你一些建议，以帮助你做出明智的选择。
为什么选择Python 2.7
1.极好的社区支持！这是你在初期需要的东西。Python 2发行于2000年末，已经被
使用超过15年。
2.很多第三方库！虽然许多库已经提供了
3.X的支持，但仍然有大量的模块只工作在
2.X。如果你计划将Python用于具体的应用，如Web开发这种高度依赖外
部模块的，你选择2.7可能会更好。
3. 3.X版本的一些特性有向后兼容性，可以使用2.7版本。
为什么选择Python 3.4
1.更整齐和更快！Python开发者修正了一些固有的问题和小缺点，以此为未来建立
一个强大的基础。这些可能不是很相关，但最终会很重要。
2.这是未来！2.7是2 .X族发布的最后一个版本，并且最终每个人都要转移到
3.X版
本。Python 3在过去5年已经发布的稳定版本，并将继续。
没有明确的赢家，但我想，底线是，你应该专注于学习Python语言。版本之间的转换应该只是一个时间问题。敬请期待，不久的将来一个专门对比Python 2.X和3 X的文章！
怎样安装Python
有两种方法安装Python
?你可以直接从项目网站下载Python，然后单独安装你想要的组件和库
?或者，你可以下载并安装一个包，它附带了预装的库。我建议您下载Anaconda。
另一种选择是Enthought Canopy Express。
第二种方法提供了一个避免麻烦的安装，因此我会推荐给初学者。这种方法是你必须等待整个包进行升级，即使你只是对一个单一的库的最新版本感兴趣。它应该不重要，直到和除非，直到和除非，你正在做的尖端统计研究。
选择开发环境
一旦你已经安装了Python，选择环境可以有很多种选择。这里是3个最常见的选择：
?终端/基于Shell