文档介绍：几年后发生了。在使用 SAS 工作超过 5 年后，我打算走出自己的舒适区。
作为一个数据科学家，我查找其他有用的工具的旅程开头了！幸运的是，
没过多久我就打算，Python 作为我的开胃菜。
我总是有一个编写代码的倾向几年后发生了。在使用 SAS 工作超过 5 年后，我打算走出自己的舒适区。
作为一个数据科学家，我查找其他有用的工具的旅程开头了！幸运的是，
没过多久我就打算，Python 作为我的开胃菜。
我总是有一个编写代码的倾向。这次我做的是我真正宠爱的。代码。原来，写代码是如此简洁！
我一周内学会了Python 根底。并且，从那时起，我不仅深度探究了这门语言，而且也挂念了很多人学习这门语言。Python 是一种通用语言。但是，多年来，具有强大的社区支持，这一语言已经有了特地的数据分析和推测模型库。
由于Python 缺乏数据科学的资源，我打算写这篇教程来挂念别人更快地学习Python。在本教程中，我们将讲授一点关于如何使用Python 进展数据分析的信息，咀嚼它，直到我们觉得舒适并可以自己去实践。
名目
1. 数据分析的Python 根底
o 为什么学Python 用来数据分析
o Python v/s
o 怎样安装Python
o 在 Python 上运行一些简洁程序
2. Python 的库和数据构造
o Python 的数据构造
o Python 的迭代和条件构造
o Python 库
3. 在Python 中使用Pandas 进展探究性分析
o 序列和数据框的简介
o 分析 Vidhya 数据集——贷款的推测问题
4. 在Python 中使用Pandas 进展数据再加工
5. 使用Python 中建立推测模型
o 规律回归
o 决策树
o 随机森林
让我们开头吧
Python 根底
为什么学 Python 用来数据分析
很多人都有爱好选择Python 作为数据分析语言。这一段时间以来，
我有比较过SAS 和 R。这里有一些缘由来支持学习Python：
开源——免费安装
极好的在线社区
很简洁学习
可以成为一种通用的语言，用于基于Web 的分析产品数据科学和生产中。
不用说，它仍旧有几个缺点：
它是一种解释性的语言，而不是编译的语言，因此可能占用更多的 CPU 时间。然而，
由于它节约了程序员的时间〔由于学习的便利〕，它可能仍旧是一个很好的选择。
Python v/s
这是关于Python的一个最具争议的话题。你可能总是不能避开遇到，
尤其是假设你是一个初学者。这里没有正确/错误的选择。它完全取决
于具体状况和你的需要。我会尝试给你一些建议，以挂念你做出明智的
选择。
为什么选择 Python
1. 极好的社区支持！这是你在初期需要的东西。Python 2 发行于 2000 年末，已经被
使用超过 15 年。
2. 很多第三方库！虽然很多库已经供给了的支持，但仍旧有大量的模块只工作在。如
果你方案将Python 用于具体的应
用，如 Web 开发这种高度依靠外部模块
的，你选择可能会更好。
3. 版本的一些特性有向后兼容性，可以使用版本。
为什么选择 Python
1. 更整齐和更快！Python 开发者修正了一些固有的问题和小缺点，以此为将来建立一
个强大的根底。这些可能不是很相关，但最终会很重要。
2. 这是将来！是 2 .X 族公布的最终一个版本，并且最终每个人都要转移到版本。Python
3 在过去 5 年已经公布的稳定版本，并将连续。
没有明确的赢家，但我想，底线是，你应当专注于学习 Python 语言。
版本之间的转换应当只是一个时间问题。敬请期盼，不久的将来一个专
门比照Python 和 3 X 的文章！
怎样安装 Python
有两种方法安装Python
你可以直接从工程网站下载Python，然后单独安装你想要的组件和库
或者，你可以下载并安装一个包，它附带了预装的库。我建议您下载Anaconda。另
一种选择是 Enthought Canopy Express。
其次种方法供给了一个避开麻烦的安装，因此我会推举给初学者。这种
方法是你必需等待整个包进展升级，
即使你只是对一个单一的库的
最新版本感爱好。它应当不重要，直到和除非，直到和除非，你正在做
的尖端统计争辩。
选择开发环境
一旦你已经安装了Python，选择环境可以有很