python数据分析与挖掘学习笔记（1）-基础及准备

这个系列是记录一下用Python进行数据分析与挖掘的一些案例和实现。

第一节就说一点简单的准备工作吧。

1. 系统：

系统我用的Ubuntu 14.04， 当然随便换个系统都可以。 

2. Python：

Python的版本我使用的是3.4.3， 考虑到python3是未来的趋势，所以没使用python2。Ubuntu14.04默认的是自带Python的，但是不用卸载，可以直接安装python3。可以兼容多版本。在终端运行python的话，直接分别输入python2和python3就好了。通常最好找一个自己喜欢的IDE，pycharm，sublime，随便什么。我一般使用pycharm，可以在settings里面设置project interpreter中的python版本。

3. 安装的模块和工具包：

numpy：高效处理，支持数组，以下的三个模块都依赖它，因此该模块是基础。也需要最先安装。这里windows系统上对这些模块和包的下载可以百度搜索“lfd python”，第一个item，也就是http://www.lfd.uci.edu/~gohlke/pythonlibs/，需要注意的是选择numpy的时候，Ctrl+F搜索 numpy+mkl，下面的模块包同样可以在该页面上下载到。注意下载安装跟自己的系统对应的版本。

scipy：主要进行数值计算，支持矩阵运算，提供高等数据处理能力。

pandas：主要用于数据探索和数据分析，个人感觉很类似与R的功能，数据框/一些读取文件的方式等都很像，可以读取csv，excel，sql等数据。注意，读取sql数据还需要安装mysql，python3访问数据库，还需要安装pymysql。

matplotlib：作图模块

scikit-learn：机器学习模块

Gensim：用于文本挖掘

statmodels：用于统计分析

暂时安装这些应该足够用。以上的都可以通过pip install XXX的指令进行安装。需详细步骤的自行百度。

以上一些模块的基础使用可以查阅相关文档看看，学会一些基本的操作即可，之后在实践中熟能生巧就好。