為什么是Python

先來聊聊為什么做數(shù)據(jù)分析一定要用 Python 或 R 語言。編程語言這么多種， Java , PHP 都很成熟，但是為什么在最近熱火的數(shù)據(jù)分析領(lǐng)域，很多人選擇用 Python 語言?

數(shù)據(jù)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***個版本是 26 年前發(fā)表的，曾經(jīng)(或者說當前)也被用于web開發(fā)，但是就流行程度來說，遠遠干不過 Java 和 PHP 。東方不亮西方亮，在與 Java 干仗失敗的這20幾年時光里， Python 練就了一身獨門武藝，是 Java 和 PHP 遠遠不及的(當然以后是不是能追得上來，目前還不好說)。你要說做個博客網(wǎng)站， Python 的特長不在這里， PHP 和 Java 也是分分鐘的事情。你要說做個 BBS 網(wǎng)站，做個電商網(wǎng)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(jié)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后，有一幫研究人員用 Python 干出了一些驚天地泣鬼神的神器，使 Python 在數(shù)據(jù)研究領(lǐng)域做到了除了 R 語言以外基本***的地步。

Jupyter

首先，***神器是 Jupyter 。如果你是***次使用，可能搞不清楚它的開發(fā)者做這么個鬼東西出來干什么，說它是博客系統(tǒng)也不像，說它是web服務(wù)器也不像，但它就是有用。因為我們傳統(tǒng)的web開發(fā)首先想的就是面向公眾，你做一個服務(wù)器就是要服務(wù)成千上萬瀏覽器的，當然 Jupyter 也可以服務(wù)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，你把代碼像寫文章一樣直接寫在輸入框里，然后在本頁面直接就看到了這個代碼的結(jié)果，隨時修改，隨時展現(xiàn)，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 是可以直接運行 Python 代碼的。當然，也有些人試圖在 Jupyter 里運行 PHP 或 Java 代碼，但顯然成不了氣候。

因為 Python 這個語言天生就是腳本語言，可能將來唯一有希望往里移植的就是 Javascript ，這貨也是一個腳本語言。腳本語言的好處就是不用編譯，一行一個結(jié)果?？v觀計算機語言發(fā)展歷史，就是一個從繁到簡的過程，C語言需要編譯+鏈接才能運行， Java 只要 javac 一下，把編譯和鏈接合二為一， PHP 更簡單，直接運行就行了，連編譯都省了。但是還不夠直接，因為還要編寫一個 .php 文件存盤，然后才能運行，到了 Python 以及其它腳本語言這里，可以直接在殼里運行，但***的問題是運行可以運行，無法保存，要保存就又要跟傳統(tǒng)方式一樣，找個編輯器來，或者 vi ，存成文件以后才可以運行。 Jupyter ***的優(yōu)點就是：它本身還是一個外殼環(huán)境，可以運行腳本，但同時也幫你自動把這些腳本代碼保存了下來，不但保存腳本代碼，并且你插在腳本代碼當中的所有注釋不是普通注釋，而是各種格式化的 Markdown 都一并幫你保存下來，并且可以隨時修改。所以它兼具了腳本外殼和文件管理系統(tǒng)的優(yōu)點，從此你開發(fā) Python 代碼再也不用先在IDE里寫好代碼，然后再到終端里去運行，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 文件，然后求每一列數(shù)據(jù)的平均值，***值，最小值，方差，用 Java 或 PHP 怎么做?你首先要 fopen 一個文件，然后一行一行讀進來，再給它整個數(shù)據(jù)結(jié)構(gòu)，然后弄個循環(huán)計算，***你可能還要 fclose 這個文件?？傊a一坨，麻煩死。而 Python 語言因為有 Pandas 這個神器，一行代碼搞定：

df = pd.read_csv('a.csv')

行了，從此以后， df 就是這個 DataFrame ，它本身就是一個強大的數(shù)據(jù)結(jié)構(gòu)，也可以把它理解成 mysql 數(shù)據(jù)庫中的一張表吧，各種增刪改查，求總和，求平均都是一行代碼的事情。所以有這樣強大的庫，研究人員有什么理由選擇 Java ?

scikit-learn

第三神器 scikit-learn ，一般縮寫為 sclearn ，各種機器學(xué)習(xí)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，各種算法全部在 這里面 ，簡而言之，只有你想不到，沒有它做不到，不詳述。所以這就是為什么玩機器學(xué)習(xí)必選 Python 的原因，你給我找一個 Java 或者 PHP 有這樣多種算法的庫來?

matplotlib

第四神器是 matplotlib 。如果我讓你根據(jù)上面 csv 文件里的信息，畫一個圖，用 Java 該怎么做?你當然會去找第三方插件庫，然后又是一通折騰，終于把圖做出來，然后編譯，然后運行。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，而對于 matplotlib 來說，簡直就是小菜一碟。簡單的直方圖就不說了，下面重點介紹如何用 matplotlib 配合 Basemap 畫一個中國地圖。

安裝Basemap

先安裝相應(yīng)的組件。我假定你已經(jīng)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(wǎng)上有很多教程。

然后你需要用 pip3 install 很多我們下面可能需要用到的庫。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 之后，我們還是本著從最簡單的代碼開始。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(yīng)的庫，真正的代碼就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行我們創(chuàng)建一個地圖，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 行代碼畫一個地圖出來?

然后我們開始畫上國家，又是1行代碼：

m.drawcountries(linewidth=1.5)

?

用 Java 可能嗎?用 PHP 可能嗎?

如果我們想顯示中國地圖，只需要在創(chuàng)建 Basemap 時指定一下經(jīng)緯度就行了：

m = Basemap(llcrnrlon=73, llcrnrlat=18, urcrnrlon=135, urcrnrlat=53)

?

看上去有點變形，這是因為我們沒有添加任何投影的原因， 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 ，我們添加一下：

m = Basemap(llcrnrlon=77, llcrnrlat=14, urcrnrlon=140, urcrnrlat=51, projection='lcc', lat_1=33, lat_2=45, lon_0=100)

這次終于看上去比較正常了：

??

我們想加上省的邊界怎么辦呢? Basemap 缺省的包里沒有中國的省區(qū)，只有美國的州，畢竟是美國人做的嘛。不過好在世界很大，有專門的國際組織干這事，在 這里 你可以下載全世界任何一個國家的行政區(qū)劃 Shape 文件，然后我們給它加上：

m.readshapefile('CHN_adm_shp/CHN_adm1', 'states', drawbounds=True)

然后就得到了下圖：

??

再往后，你還可以往圖上改顏色啦，寫數(shù)字啦，這些就留待你研究吧?？傊?，我想說的是，用 Python 畫地圖真的超容易。

***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(shù)字研究不是很方便，但還是非常適合 web 開發(fā)的，而 Python 在這方面并不適合。所以通常的做法是：首先用 Python 驗證算法，經(jīng)過一系列復(fù)雜的計算，把算法確定下來之后，當要應(yīng)用到 web 上的時候，再用 Java 或者 PHP 把最終形成的結(jié)論重寫一遍，這樣就能充分利用各種語言的優(yōu)勢。