【第01章】前言

为什么是Python

Python作为胶水语言

Python成为成功的科学计算工具的部分原因是， 它能够轻松地集成C、 C++以及Fortran代码。 大部分现代计算环境都利用了一些Fortran和C库来实现线性代数、 优选、 积分、 快速傅里叶变换以及其他诸如此类的算法。 许多企业和国家实验室也利用Python来“粘合”那些已经用了多年的遗留软件系统。

解决“两种语言”问题

很多组织通常都会用一种类似于领域特定的计算语言（如SAS和R） 对新想法做研究、 原型构建和测试， 然后再将这些想法移植到某个更大的生产系统中去（可能是用Java、 C#或C++编写的） 。人们逐渐意识到， Python不仅适用于研究和原型构建， 同时也适用于构建生产系统。 为什么一种语言就够了， 却要使用两个语言的开发环境呢？

为什么不选Python

虽然Python非常适合构建分析应用以及通用系统， 但它对不少应用场景适用性较差。

• Python是一种解释型编程语言， 因此大部分Python代码都要比用编译型语言（比如Java和C++） 编写的代码运行慢得多
  • 当然，程序员的是将比CPU时间值钱，所以也有很多人会对此做取舍
  • 但是，在那些延迟要求非常小或高资源利用率的应用中（例如高频交易系统）Python就相形见绌了

• 对于高并发、 多线程的应用程序而言（尤其是拥有许多计算密集型线程的应用程序），Python并
  不是一种理想的编程语言

  • Python有一个叫做全局解释器锁（Global Interpreter Lock，GIL） 的组件， 这是一种防止解释器同时执行多条Python字节码指令的机制

    重要的Python库

    NumPy

    NumPy（Numerical Python）的简称

• 快速高效的多维数组对象ndarray

• 用于对数组执行元素级计算以及直接对数组执行数学运算的函数
• 用于读写硬盘上基于数组的数据集的工具
• 线性代数运算、 傅里叶变换， 以及随机数生成

除此之外，Numpy的另一个主要作用，就是作为算法和库之间传递数据的容器

pandas

本书用的最多的pandas对象是

• DataFrame，一个面向列（column-oriented）的二维表结构
• Series，一个一维的标签化数组对象

pandas这个名字源于panel data（面板数据， 这是多维结构化数据集在计量经济学中的术语） 以及Python data analysis（Python数据分析）

matplotlib

• 最流行的绘制图表和其他二维数据可视化库

• 最初由John D.Hunter（JDH） 创建， 目前由一个庞大的开发团队维护

  SciPy

  SciPy是一组专门解决科学计算中各种标准问题域的包的集合， 主要包括下面这些包：

• scipy.integrate： 数值积分例程和微分方程求解器

• scipy.linalg： 扩展了由numpy.linalg提供的线性代数例程和矩阵分解功能
• scipy.optimize： 函数优化器（最小化器） 以及根查找算法
• scipy.signal： 信号处理工具
• scipy.sparse： 稀疏矩阵和稀疏线性系统求解器
• scipy.special： SPECFUN（这是一个实现了许多常用数学函数（如伽玛函数） 的Fortran库）的包装器
• scipy.stats： 标准连续和离散概率分布（如密度函数、 采样器、 连续分布函数等） 、 各种统计
  检验方法， 以及更好的描述统计法。

NumPy和SciPy结合使用， 便形成了一个相当完备和成熟的计算平台。

scikit-learn

• 分类： SVM、 近邻、 随机森林、 逻辑回归等等
• 回归： Lasso、 岭回归等等
• 聚类： k-均值、 谱聚类等等
• 降维： PCA、 特征选择、 矩阵分解等等
• 选型： 网格搜索、 交叉验证、 度量
• 预处理： 特征提取、 标准化

  statsmodels

  与scikit-learn比较， statsmodels包含经典统计学和经济计量学的算法

常用模块惯例

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
import statsmodels as sm