为大家分享python大数据学习的一个提纲,希望对想学Python或者正在学python的你有一些帮助。
1. Python学习
语言的学习,真正掌握语言的方式,是交流与实践,所以,这三本书,是由浅入深的步骤。大家在学习过程中,可以到群里面去进行交流沟通。
另,python在线精品学习博客:
2. 数据分析课程学习
数据分析,现在已经成为大数据这一趋势中的重点。要想学好,并且能够在实际中灵活运用,那要求同学们有扎实的数据基础(包括高等代数,概率及统计分析),需要有一定的计算机算法基础,并且有极高的对数据分析这些知识的热情。
3. NumPy、Scipy和Pandas
这是重要的python数据分析库。除了第2项中提到的课本,需要深入地学习,可以去官方学习相当文档和教程。
网址:
Numpy的处理能力包括: a powerful N-dimensional array object N维数组; advanced array slicing methods (to select array elements): N维数组的分片方法; convenient array reshaping methods: N维数组的变形方法; and it even contains 3 libraries with numerical routines: basic linear algebra functions: 基本线性代数函数; basic Fourier transforms: 基本傅立叶变换; sophisticated random number capabilities : 精巧的随机数生成能力; Scipy是科学和工程计算工具。包括处理多维数组,多维数组可以是向量、矩阵、图形(图形图像是像素的二维数组)、表格(一个表格是一个二维数组);目前能处理的对象有: statistics: 统计学; numeric integration: 数值积分; special functions: 特殊函数; integration, ordinary differential equation (ODE) solvers: 积分和解常微分方程; gradient optimization: 梯度优化; genetic algorithms: 遗传算法; parallel programming tools(an expression-to-C++ compiler for fast execution, and others): 并行编程工具; 在将来会增加下面的计算处理能力(现在已经部分地具备了这些能力): Circuit Analysis (wrapper around Spice?): 电路分析; Micro-Electro Mechanical Systems simulators (MEMs):微电子机械系统;
Medical image processing: 医学图像处理; Neural networks: 神经网络; 3-D Visualization via VTK: 3D可视化; Financial analysis: 金融分析; Economic analysis: 经济分析; Hidden Markov Models: 隐藏马尔科夫模型;
4. hadoop学习及python操作模块。
hadoop资料,网上非常多,也可购买书本。 hadoop的python操作模块较多,可以参考:
5. 数据可视化
是为了能直观地从图示中反应出数据的各项指标,情况;直观地展示对数据分析的研究成果。所以,有必要学习这些知识。
matplotlib: