人生苦短，我用Python

标签：面向   时间   正则表达式   有趣   图形界面   list   c++   ali   电子邮件   

                            人生苦短，我用Python(转)

Python的特色

  1.简单
  2.易学
  3.免费、开源
  4.高层语言: 封装内存管理等
  5.可移植性: 程序如果避免使用依赖于系统的特性，那么无需修改就可以在任何平台上运行
  6.解释性: 直接从源代码运行程序,不再需要担心如何编译程序,使得程序更加易于移植。
  7.面向对象: 支持面向过程的编程也支持面向对象的编程。
  8.可扩展性: 需要保密或者高效的代码，可以用C或C++编写，然后在Python程序中使用它们。
  9.可嵌入性: 可以把Python嵌入C/C++程序，从而向你的程序用户提供脚本功能。
  10.丰富的库: 包括正则表达式、文档生成、单元测试、线程、数据库、网页浏览器、CGI、FTP、
     电子邮件、XML、XML-RPC、HTML、WAV文件、密码系统、GUI(图形用户界面)、Tk和其他与系统有关的操作。
     除了标准库以外，还有许多其他高质量的库，如wxPython、Twisted和Python图像库等等。
  11.概括: Python确实是一种十分精彩又强大的语言。它合理地结合了高性能与使得编写程序简单有趣的特色。
  12.规范的代码: Python采用强制缩进的方式使得代码具有极佳的可读性。

Python在大数据时代

让我们来看看，Python在数据分析领域的生态圈吧！

基础库

• Numpy：矩阵计算与其它大多数框架的数据处理基础；

• Scipy：科学计算库，提供了很多科学计算工具包和算法；

• Matplotlab：专业画图工具，话说这个单词还是真是在Matlab之间插入了plot这个词形成的；

• Pandas：提供类似于R语言的DataFrame操作，非常方便；

机器学习与深度学习

• OpenCV：提供图像识别的很多方便的操作；

• Orange：基于图形界面的机器学习程序，也可以用Python脚本来操作调用；

• Scikit-Learn：前面说了，这是Python在机器学习领域里面的代表作。尤其是它的文档，完全可以当成机器学习的参考资料来阅读了，曾经我向朋友推荐的时候说，说过，把scikit-learn的文档当成佛经来读，假以时日，功力定会大增。

• Theano：深度学习里面非常有名的一个框架了，也非常具有代表性。是其它很多框架的基础。

• Keras：基于Theano进行了抽象，建议入门的话使用这个，搭积木一样地就可以弄个神经网络出来了。

• NLTK：自然语言处理，提供的功能也很强大。

国内出品的Mxnet的Python接口

分布式机器学习与深度学习

• Spark之MLlib的Python接口Pyspark

• H2o的Python接口

• 收费的Graph Create的Python接口

• Google最近刚出的TensorFlow的Python接口

• 三星最近刚出的Veles，目前只提供Python接口

• 新的机器学习或深度学习框架，如果不提供Python接口的话，恐怕会难以推广吧。

   

  上面列举的只是其中一部分，还有很多很多。当然，他们很多并非是用Python来实现，但都共同的提供了Python接口，甚至好几个都把Python当成了头等公民（First-Class）。

   

  在此并非想说Python这门语言很强大或者复杂，而恰恰相反，得益于Python的简洁和包容。才让它在数据挖掘领域有如此的地位。

   

  这便是生态圈的力量，不以个人的意志为转移。

   

  对于想入门数据分析、数据挖掘、机器学习的朋友来说，Python是你值得花时间的选择。因为，除了上面的工具链生态圈，还有书籍和知识传播的生态圈。

人生苦短，我用Python

标签：面向   时间   正则表达式   有趣   图形界面   list   c++   ali   电子邮件   

原文地址：http://www.cnblogs.com/welltian/p/8004206.html