python训练过程是什么_Python 应该怎么去练习和使用？

小白学数据之常用Python库“小抄表”问答录（附小抄表）

我们在网上搜集了很有用的几个Python常见库小抄表，方便大家学习和编码时查询。如果文中显示的小抄图片看不清楚，可私信我们哈

问：总是记不住那些Python基础、语法啊怎么破？

答：我可以给你做一个Python基础的小抄表啊！走一个嘞～

在这张Python小抄表里，已经囊括了Python的相关介绍：变量，数据类型，字符串，列表，并最终落实到Python的基本科学计算包。

问：都说Python是大数据处理的好帮手，还有许多其它应用，可我学了Python基础之后，根本不知道怎么用Python来做这些事啊。

答：不急不急，这是因为你还不了解Python强大而丰富的库。比如说Pandas，当下最受数据科学家欢迎的数据分析Python包。是Python Data Analysis Library，它是python的一个数据分析包，基于NumPy（一种python的开源数字扩展，使python有更强大的矩阵运算功能，堪比Matlab）。

Pandas最初由AQR Capital Management于2008年4月开发，并于2009年底开源出来， 有NumPy的加持，让Pandas 拥有了大量库和一些标准的数据模型，快速便捷地处理数据的函数和方法，可以让我们利用Python高效地操作大型数据集，使Python成为强大而高效的数据分析环境。

问：那我该怎么学Pandas？

答：这个嘛，说难也不难，我来帮你！Pandas为了使实际的数据分析更加简单，设计出了快速、灵活而可读性高的数据结构。但可能对于那些刚刚接触Pandas的小鲜肉们来说，Pandas并不是那么容易掌握，尤其是面对这个包里那么多的功能、那么多的选项。

因此，一份Pandas小抄表就显得特别滴重要！噔（一声）噔（二声）噔（一声）噔（二声）~

Pandas小抄表会带着你一览Pandas包的基础知识：从数据结构到输入/输出，数据选择，下降指数（dropping indices or columns），数据整理和排序，获取所用数据结构的基本信息，到数据操作的功能应用、数据对齐等等。这可是新手上路的必备手册噢！

问：所以Python库主要就是Pandas包？

答：何止！跟大数据相关还有Bokeh可视化包，以及Scikit-Learn机器学习包。

说起来，数据分析没有图表，那可是美女没有漂亮衣裳一样，无法让人欣赏啊。所以有了Bokeh，这个Python的交互式可视化包，只要你用现代化 Web 浏览器，就可以得到它提供的大型数据集高性能交互功能，Boken 可以非常快速地创建交互式的绘图、仪表盘和数据应用，就像那些美妆试衣的软件一样，让你的数据更清晰、美观的呈现在你面前。

不过，Bokeh可不止做图表这么简单。对于数据科学家而言，Bokeh是快速简单创建统计图表的理想工具。但Bokeh还有更多的优点，比如种类繁多的输出选项，可以将可视化结果嵌入应用中。正因为众多的可视化定制选项，使得Python库成为数据科学家工具箱中不可或缺的成员。

问：这要怎么学？复杂么？

答：不会啦，忘了我们有小抄？看，这张小抄表不仅提供了绘制专业图表的五个步骤，也将会介绍统计图表的基本知识。

借助这份Bokeh小抄表，会让你很快地熟悉基本统计图表的制作过程：如何准备数据，创建图表，添加自定义的可视化数据的渲染器，输出图表并且保存或者展示。

答：Scikit-Learn！大部分用Python学习数据科学的人，都对 Scikit-Learn有所耳闻。这个开源Python包通过统一界面的帮助，实现多种机器学习、预处理、交叉验证和可视化算法。

对于一个踏入大数据领域的新人来说，机器学习、Scikit-Learn包可都是有抱负成为数据科学家的同学们的必知工具。

小白：嗯嗯，我有抱负，快说说这个Scikit-Learn的小抄表吧！

答：哈哈，小白，到这个时候你算是get啦！来看看吧，这张Scikit-Learn小抄表会向你介绍成功实现机器学习算法的基本步骤：如何加载数据，如何预处理数据，如何创建适合自己数据并能预测目标的模型，如何验证自己的模型，如何调整以进一步改善模型的性能。

简而言之，这张小抄表将会启动你的数据科学项目：借助示例的代码，你可以立刻开始创建、验证和调整你的机器学习模型。

小白：太好了！全部get !Python功能实在是太强大了！这些小抄表可是解了我的燃眉之急啊。还等什么呢？新年新气象，现在就开始学习咯！走起！

大数据文摘（公众号ID：BigDataDigest）作品，转载请联系

编译团队|张远园，行者，Aileen

参考资料：