数据分析

最近在学数据分析，这期间，看了不少书，也敲了很多代码，对数据分析有了比较深入的了解。想写点东西，和大家一起分享。

• 编程语言
  1.Python
  2.R
  3.Matlab
  数据分析首推R和Python，这点大家已经达成了共识。为什么要把Matlab放这里面的？因为，Matlab是我数学系的一大神器，积分，微分，解微分方程，画图都很方便。Matlab还是很强大的，我觉得，如果它不是商业软件，是有机会和R一争高下的。
  再说回R和Python，在学数据分析的时候，总会有人纠结，是用R好呢，还是用Python好呢？语言只是工具，结果才是王道。就算是用C语言，只要能做出结果，那也没有任何问题。我的建议是，如果以前有过编程经验，学过C/C++,Java,Python等编程语言，就用python。如果没有任何编程经验，那用R。
• 学习路线
  选择一门语言后。就该考虑学习路线的问题了。我选择的语言是python，所以，以python为例，谈谈我的建议。首先是python入门。python是一门很强大的编程语言，在很多方面都有这广泛的用途，比如：网络爬虫，网站开发，web后端，数据分析，数据挖掘，机器学习等。我们这里只谈数据分析，数据挖掘和机器学习可以作为数据分析的后续内容。
  python入门推荐廖雪峰的python教程，里面的内容不用全部看，只学我们需要的即可，具体内容后面会给出。
  然后就是python的数据分析包了，numpy，pandas，scipy，matplotlib，sk-learn，如果想往深度学习方向走，还可以学习keras, tensorflow, caffe。
  学习完之后就可以自己去做项目了，在项目中感受下这些东西到底怎么用。如果项目不好找，我推荐去打比赛，kaggle, 阿里天池，腾讯，百度都有大数据的竞赛，奖金也挺高。不过，其中用到机器学习和深度学习的东西比较多，后面的几个库还是要认真学习。

下面，分别给出一段python和R的代码，大家可以自己判断一下：

• python

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-2*np.pi, 2*np.pi, 1000)
y1 = np.sin(x)
y2 = np.cos(x)
plt.figure()
plt.plot(x, y1, x, y2)
plt.title('sin&cos')
plt.xlabel('x')
plt.ylabel('y')
plt.xticks([-2*np.pi, -np.pi, 0, np.pi, 2*np.pi], ['$-2\pi$', '$-\pi$', '0', '$\pi$', '$2\pi$'])

结果如图所示：

• R

x <- seq(-2*pi, 2*pi, 0.01)
y1 <- sin(x)
y2 <- cos(x)
plot(x, y1, type='l', col='red', xlab='', ylab='')
lines(x, y2, type='l', col='blue', xlab='', ylab='')
title('sin&cos', xlab='x', ylab='y')

结果如图所示：

本来想把 x <script type="math/tex" id="MathJax-Element-1">x</script>轴业换成上面那样的，没成功，有人会可以告诉我一下。
自己体会一下代码和图。
不是黑R，我对R的却不感冒。据说R的ggplot2绘图秒杀python，然而我不会~~。有时间再学。