一位数据科学家的私房工具清单

近日北卡来罗纳大学CTO，一位数据科学家Jefferson Heard分享了多年来收集沉淀的数据分析工具集：

1处理较大、较复杂的类excel数据

• Pandas -处理tabular（类似Excel）数据的通用工具套件
• SQLite – Tabular数据库格式，能够处理大规模数据集，同时也能在桌面环境运行。
• PostgreSQL – 企业级数据库系统

2处理空间、地理数据

PostGIS – Postgres的地理空间数据类型扩展

Carto – 地理空间数据的商业数据挖掘工具

Mapbox – 商业地图绘制工具，同时也是一个web地图系统。

Leaflet – 基于网络资源和本地数据开发活动web地图的代码库

qGIS – 适用于几乎所有地理空间和地图绘制的图形化GIS工具

3处理非常规数据

• RethinkDB – 处理实时数据流非常棒的数据库，正在从商业转开源，小心使用。
• MongoDB – 处理大规模非结构化和半结构化数据的流行数据库，应用于生产环境需要加小心。
• CouchDB – 与MongoDB有些类似但不尽相同。
• Cassandra – 图谱和关系数据库

4

为大规模数据集创建性能代码

• Pandas – Python下一个开源数据分析的库,它提供的数据结构DataFrame极大的简化了数据分析过程中一些繁琐操作。
• Apache Spark – 一个通用的高性能数据处理系统
• SciPy and Numpy -可编写脚本的基于C的数值算法，能在紧凑的,底层机器数据架构上运行。
• Cython – 使用用C编译器的Python编译器，用来提升Python性能。
• PyOpenCL – 在图形显卡上进行数值计算和统计处理。

5

数据清洗工具

• ODO – 在不同数据格式间进行转换的Python库。
• OpenRefine – 拥有图形用户界面的数据发现和清洗工具
• Pandas – 数据科学任务中用来处理tabular数据的通用Python工具集
• Scrapy – Python开发的一个快速,高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。
• BeautifulSoup – 与Scrapy类似但不尽相同
• Scrubadub – 去除个人身份信息
• Arrow – 帮你轻松驾驭日期和时间戳的Python库
• DataCleaner – 剔除脏数据的Python库
• Dora – 与DataCleaner功能类似的Python库。

6

数据可视化工具

• Processing – 交互式开发交互式可视化内容. 推荐读本：Visualizing Data
• D3 – 在web上开发可视化交互
• C3 – 来自D3的图表.
• Bokeh – 与D3类似, 但基于Python.
• matplotlib – 最早的Python数据可视化工具集。
• Leaflet – 一个为开发移动设备友好的互动地图的开源 JavaScript 库。
• MapBox -详见地图工具集。
• qGIS – 详见地图工具集。
• VTK – 在医疗、 和物理研究领域常用的重型可视化工具包。

7

数据挖掘和机器学习工具

• Weka – 一个机器学习和数据挖掘工具包，这里有一本免费可读的参考书
• SciKitLearn – 基于Python的机器学习和数据挖掘工具套件。
• Orange – 另一个基于Python的数据挖掘工具套件，同样拥有图形用户界面。
• TensorFlow – Google开源的多维度图谱数学建模工具。

8

分享、协作以及知识管理工具

• Django -基于Python的web框架
• Django REST Framework – 为Django网站创建 REST APIs
• IRODS – 企业级数据存储和管理，包括元数据管理和基于规则的数据处理。
• Cassandra (useful for metadata and relationship storage) – 一个存储和查询元数据经常用到的开源分布式数据管理系统
• GitLab -GitHub的开源替代品，可搭建私人服务器。
• ReciPy –
• Prov – Python implementation of the W3C provenance model
• Kanren (部署基于元数据和数据源信息的业务逻辑非常有用) – 一个描述性Python逻辑编程系统，非常适合科学元数据的查询和基于规则的处理。

END

版权声明：

转载文章均来自公开网络，仅供学习使用，不会用于任何商业用途，如果出处有误或侵犯到原作者权益，请与我们联系删除或授权事宜，联系邮箱：holly0801@163.com。转载大数据公众号文章请注明原文链接和作者，否则产生的任何版权纠纷与大数据无关。