Pycon China 2015

1. Python的数据工具箱 肖凯

2. 关于我
• 喜欢折腾数据
• 1号店-商务智能部
• 《数据科学中的R语言》

3. 哪一项最重要?
• 问题
• 数据
• 方法
• 工具

4. 大纲
• 为何使用Python
• Python VS R
• 数据相关模块
• 学习资源

5. 为何使用Python
• 填补数据研究和产品开发之间的鸿沟
• 配合数据科学家完成多领域任务（Bigdata/Deepleaning/NLP）

6. Python VS R
两种工具的相同点：
• 均为开源免费
• 均可在三种操作系统中运行
• 均有大量的用户群和社区支持
• 均有大量的扩展包和教程资源
• 调查显示它们是业界人士最为喜爱的两种工具

7. Python VS R

8. Python VS R
两种工具的差异点：
• Python是一种通用编程工具，R偏向于统计专业
• R有更为丰富的统计分析函数，Python长于机器学习
• R有更好的静态可视化包，Python正在进步
• Python和R的核心语法非常简洁，R包的语法兼收并蓄，
错综复杂

9. Python VS R
R:
results <- lm(y ~ x1 + x2 + x3, data=dataframe)
Python:
results = sm.OLS(y, X).fit()

10. Python VS R
R:
• 如果你不是计算机背景
• 未来有很强的学术化需求
Python:
• 如果你是计算机背景
• 未来有很强的工业化需求

11. 数据相关模块
• IPython: 增强的交互式运行环境
• NumPy : 数组数据结构和矩阵计算
• SciPy : 科学计算
• Matplotlib : 数据绘图
• Pandas : 提供data frames数据结构
• Statsmodels：统计模型
• Scikit-learn：机器学习
• Pyspark：Spark接口
• NLTK：自然语言处理
• Networkx：社交网络分析

12. 深度学习框架
• Theano：高效的数值计算库
• 与Numpy紧密结合
• 优化了速度和稳定性
• 利用GPU做高负荷运算
• 自动计算函数导数，适合深度学习
• Lasagne
• Keras
• Opendeep
• Blocks

13. 基于keras构建CNN

14. 分析流程中的Python

15. 科学计算套件

16. 推荐阅读

17. The End