知識星球
作者：張京
來源：見文末
為什麼是Python
先來聊聊為什麼做資料分析一定要用Python或R語言。程式語言這麼多種，Java, PHP都很成熟，但是為什麼在最近熱火的資料分析領域，很多人選擇用Python語言？
資料分析只是一個需求，理論上來講，任何語言都可以滿足任何需求，只是麻煩與簡易之別。Python這門語言誕生也相當之早，它的第一個版本是26年前發表的，曾經（或者說當前）也被用於web開發，但是就流行程度來說，遠遠乾不過Java和PHP。東方不亮西方亮，在與Java乾仗失敗的這20幾年時光裡，Python練就了一身獨門武藝，是Java和PHP遠遠不及的（當然以後是不是能追得上來，目前還不好說）。你要說做個部落格網站，Python的特長不在這裡，PHP和Java也是分分鐘的事情。你要說做個BBS網站，做個電商網站，PHP手到擒來。Python在這些方面和Java或者PHP競爭，基本就是作死的節奏，雖然也有django這樣的框架，但流行程度遠遠不及其他語言。但在這些年默默的失敗背後，有一幫研究人員用Python乾出了一些驚天地泣鬼神的神器，使Python在資料研究領域做到了除了R語言以外基本無人能及的地步。
Jupyter
首先，第一神器是Jupyter。如果你是第一次使用，可能搞不清楚它的開發者做這麼個鬼東西出來乾什麼，說它是部落格系統也不像，說它是web伺服器也不像，但它就是有用。因為我們傳統的web開發首先想的就是面向公眾，你做一個伺服器就是要服務成千上萬瀏覽器的，當然Jupyter也可以服務眾多瀏覽器，但它更多的還是方便研究人員，對研究人員來說簡直是太方便了，你把程式碼像寫文章一樣直接寫在輸入框裡，然後在本頁面直接就看到了這個程式碼的結果，隨時修改，隨時展現，文碼混排，是Markdown的一個增強版，畢竟Markdown還只能顯示文字，最多再加上一些圖片，而Jupyter是可以直接執行Python程式碼的。當然，也有些人試圖在Jupyter裡執行PHP或Java程式碼，但顯然成不了氣候。因為Python這個語言天生就是指令碼語言，可能將來唯一有希望往裡移植的就是Javascript，這貨也是一個指令碼語言。指令碼語言的好處就是不用編譯，一行一個結果。縱觀計算機語言發展歷史，就是一個從繁到簡的過程，C語言需要編譯+連結才能執行，Java只要javac一下，把編譯和鏈接合二為一，PHP更簡單，直接執行就行了，連編譯都省了。但是還不夠直接，因為還要編寫一個.php檔案存檔，然後才能執行，到了Python以及其它指令碼語言這裡，可以直接在殼裡執行，但最大的問題是執行可以執行，無法儲存，要儲存就又要跟傳統方式一樣，找個編輯器來，或者vi，存成檔案以後才可以執行。Jupyter最大的優點就是：它本身還是一個外殼環境，可以執行指令碼，但同時也幫你自動把這些指令碼程式碼儲存了下來，不但儲存指令碼程式碼，並且你插在指令碼程式碼當中的所有註釋不是普通註釋，而是各種格式化的Markdown都一併幫你儲存下來，並且可以隨時修改。所以它兼具了指令碼外殼和檔案管理系統的優點，從此你開發Python程式碼再也不用先在IDE裡寫好程式碼，然後再到終端裡去執行，而直接在一個web頁面上就全部搞定了。Java有這樣的工具嗎？PHP有這樣的工具嗎？沒有，所以我們必須選擇Python。
Pandas
第二神器是Pandas。如果我讓你讀取一個csv檔案，然後求每一列資料的平均值，最大值，最小值，方差，用Java或PHP怎麼做？你首先要fopen一個檔案，然後一行一行讀進來，再給它整個資料結構，然後弄個迴圈計算，最後你可能還要fclose這個檔案。總之程式碼一坨，麻煩死。而Python語言因為有Pandas這個神器，一行程式碼搞定：
df = pd.read_csv('a.csv')
行了，從此以後，df就是這個DataFrame，它本身就是一個強大的資料結構，也可以把它理解成mysql資料庫中的一張表吧，各種增刪改查，求總和，求平均都是一行程式碼的事情。所以有這樣強大的庫，研究人員有什麼理由選擇Java？
scikit-learn
第三神器scikit-learn，一般縮寫為sklearn，各種機器學習演演算法，基本上只要你能想得到的，線性回歸，邏輯回歸，SVM，隨機森林，最近鄰居等等等等，各種演演算法全部在這裡面（http://scikit-learn.org/stable/user_guide.html），簡而言之，只有你想不到，沒有它做不到，不詳述。所以這就是為什麼玩機器學習必選Python的原因，你給我找一個Java或者PHP有這樣多種演演算法的庫來？
matplotlib
第四神器是matplotlib。如果我讓你根據上面csv檔案裡的資訊，畫一個圖，用Java該怎麼做？你當然會去找第三方外掛庫，然後又是一通折騰，終於把圖做出來，然後編譯，然後執行。如果我要改配色呢？如果我要求畫地圖呢？如果要畫熱力圖呢？那個麻煩就不是一星半點，而對於matplotlib來說，簡直就是小菜一碟。簡單的直方圖就不說了，下麵重點介紹如何用matplotlib配合Basemap畫一個中國地圖。
安裝Basemap
先安裝相應的元件。我假定你已經都安裝好了Python以及Jupyter等等。如果沒有安裝的話，就去嘗試一下brew install python3和brew install jupyter吧，網上有很多教程。
然後你需要用pip3 install很多我們下麵可能需要用到的庫。但是因為我們要用一個叫做Basemap的庫，而這個庫沒有辦法用簡單的pip3 install安裝，所以稍多兩個步驟：
brew install geos
pip3 install https://github.com/matplotlib/basemap/archive/v1.1.0.tar.gz
開始畫圖
啟動Jupyter之後，我們還是本著從最簡單的程式碼開始。先畫一個世界地圖：
import matplotlib.pyplot as plt
from mpl_toolkits.basemap import Basemap
plt.figure(figsize=(16,8))
m = Basemap()
m.drawcoastlines()
plt.show()
前面兩行引入相應的庫，真正的程式碼就4行，夠簡單吧。第1行甚至可以不寫，它定義了圖的大小。第2行我們建立一個地圖，第3行把海岸線畫上，第4行顯示這個地圖，就是這樣：
你用Java的4行程式碼畫一個地圖出來？
然後我們開始畫上國家，又是1行程式碼：
m.drawcountries(linewidth=1.5)
就變成了這樣：
用Java可能嗎？用PHP可能嗎？
如果我們想顯示中國地圖，只需要在建立Basemap時指定一下經緯度就行了：
m = Basemap(llcrnrlon=73, llcrnrlat=18, urcrnrlon=135, urcrnrlat=53)
然後就得到了中國地圖：
看上去有點變形，這是因為我們沒有新增任何投影的原因，Basemap提供24種不同的投影方式，你可以自己一個個試一下，比較常用的是蘭勃特投影，我們新增一下：
m = Basemap(llcrnrlon=77, llcrnrlat=14, urcrnrlon=140, urcrnrlat=51, projection='lcc', lat_1=33, lat_2=45, lon_0=100)
這次終於看上去比較正常了：
我們想加上省的邊界怎麼辦呢？Basemap預設的包裡沒有中國的省區，只有美國的州，畢竟是美國人做的嘛。不過好在世界很大，有專門的國際組織乾這事，在這裡(https://gadm.org/download_country_v3.html)你可以下載全世界任何一個國家的行政區劃Shape檔案，然後我們給它加上：
m.readshapefile(‘CHN_adm_shp/CHN_adm1’, ‘states’, drawbounds=True)
然後就得到了下圖：
再往後，你還可以往圖上改顏色啦，寫數字啦，這些就留待你研究吧。總之，我想說的是，用Python畫地圖真的超容易。
最後再為Java和PHP美言幾句：大家分工不同，Java和PHP雖然做這樣的數字研究不是很方便，但還是非常適合web開發的，而Python在這方面並不適合。所以通常的做法是：首先用Python驗證演演算法，經過一系列複雜的計算，把演演算法確定下來之後，當要應用到web上的時候，再用Java或者PHP把最終形成的結論重寫一遍，這樣就能充分利用各種語言的優勢。
來源：張京
連結：https://segmentfault.com/a/1190000010871928
《Python人工智慧和全棧開發》2018年07月23日即將在北京開課，120天衝擊Python年薪30萬，改變速約~~~~
*宣告：推送內容及圖片來源於網路，部分內容會有所改動，版權歸原作者所有，如來源資訊有誤或侵犯權益，請聯絡我們刪除或授權事宜。
– END –
更多Python好文請點選【閱讀原文】哦
↓↓↓
