Python数据分析
工欲善其事，必先利其器“，Python是目前为止做数据分析最常用的编程语言，我们可以站在巨人的肩膀上，高效完成数据分析。
我们首先来了解下Python的发展历史，Python语言诞生于20世纪80年代。由荷兰人Guido van Rossum开发完成。我们称Guido van Rossum为Python之父。值得一提的是Python这个名字的由来，Python有蟒蛇的意思，但Guido起这个名字完全和蟒蛇没有关系。当Guido在实现Python的时候，他还阅读了Monty Python's Flying Circus的剧本，这是来自一部来自20世纪70年代的BBC喜剧。Guido认为他需要一个简短、独特且略显神秘的名字，因此他决定将该语言称为Python。
Python1.0版本于1994年1月发布，这个版本的主要新功能是lambda, map, filter和reduce，但是Guido不喜欢这个版本。
六年半之后的2000年10月份，Python2.0发布了。这个版本的主要新功能是内存管理和循环检测垃圾收集器以及对Unicode的支持。然而，尤为重要的变化是开发的流程的改变，Python此时有了一个更透明的社区。
2008年的12月份，Python3.0发布了。Python3.x不向后兼容Python2.x，这意味着Python3.x可能无法运行Python2.x的代码。Python3代表着Python语言的未来。
今天的Python已经进入到了3,0时代，Python的社区也在蓬勃发展，当你提出一个有关的Python问题，几乎总是有人遇到了同样的问题并已经解决了。
Python语言的特点：
Python是完全面向对象的语言，函数、模块、数字、字符串都是对象，在 Python中一切皆对象。支持重载运算符，也支持泛型设计。
Python拥有一个强大的标准库，Python语言的核心只包含数字、字符串、列表、字典、文件等常见类型和函数，而由Python标准库提供了系统管理、网络通信、文本处理、数据库接口、图形系统、XML处理等额外的功能。
Python社区提供了大量的第三方模块，使用方式与标准库类似。它们的功能覆盖科学计算、人工智能、机器学习、Web开发、数据库接口、图形系统多个领域。
由于Python有强大的功能，使用方便，容易入手。我们经常听到人们说“人生苦短，我用Python”。调研机构 Tiobe 本周发布了 2020 年 10 月份的分析报告，Python语言连续两年蝉联第三。而在2020年11月的最新数据中，Python以势不可挡的趋势超越了Java成为了第二名。
选择一个适用的编程语言特别重要，Python语言具有简单，易学，速度快，免费开源，它专注于如何解决问题、自由开放的社区环境以及丰富的第三方库，无需浪费时间去造轮子：各种Web框架、爬虫框架、数据分析框架、机器学习框架应有尽有，拿来即用。从Python的受欢迎程度上看，一直呈上升趋势
我们现在要使用Python来做数据分析，主要从两个方面来考虑问题：
第一：选择什么开发工具。
第二：学习哪些知识来解决数据分析的问题。
开发工具我推荐使用Anaconda。具体软件可以在清华大学开源镜像网站中下载（https://mirror.tuna.tsinghua.edu.cn/help/anaconda/）根据自己使用的电脑的软硬件环境自行下载相应版本的安装包。安装完毕后再控制台输入 jupyter notebook即可。
本公众号中有详细的anaconda的安装流程，文章链接如下：
anaconda安装流程 大斌哥，公众号：数据山谷Python之Anaconda安装
数据分析使用Python中的知识点和常见的科学计算库也需要给大家列举出来：
基础语法：变量、数据类型、条件、循环。
数据结构：集合、元组、字典。
输入和输出
模块
类
科学计算库：NumPy，Pandas，Matplotlib，Seaborn。
Python做数据分析主要是解决数据清洗及数据可视化的问题，掌握Python基本的语法规则，会调用第三方模块对于提高数据分析能力非常重要。而NumPy和Pandas就是数据清洗最好用的工具，Matplotlib和Seaborn是解决数据可视化的工具包。我们可以从实用的角度来学习Python，提高数据分析的能力和效率。
