如何用Python進(jìn)行大數(shù)據(jù)挖掘和分析？快速入門路徑圖

大數(shù)據(jù)無處不在。在時下這個年代，不管你喜歡與否，在運營一個成功的商業(yè)的過程中都有可能會遇到它。

什么是 大數(shù)據(jù) ？

大數(shù)據(jù)就像它看起來那樣——有大量的數(shù)據(jù)。單獨而言，你能從單一的數(shù)據(jù)獲取的洞見窮其有限。但是結(jié)合復(fù)雜數(shù)學(xué)模型以及強大計算能力的TB級數(shù)據(jù)，卻能創(chuàng)造出人類無法制造的洞見。大數(shù)據(jù)分析提供給商業(yè)的價值是無形的，并且每天都在超越人類的能力。

大數(shù)據(jù)分析的第一步就是要收集數(shù)據(jù)本身，也就是眾所周知的“數(shù)據(jù)挖掘”。大部分的企業(yè)處理著GB級的數(shù)據(jù)，這些數(shù)據(jù)有用戶數(shù)據(jù)、產(chǎn)品數(shù)據(jù)和地理位置數(shù)據(jù)。今天，我將會帶著大家一起探索如何用 Python 進(jìn)行大數(shù)據(jù)挖掘和分析？

為什么選擇Python?

Python最大的優(yōu)點就是簡單易用。這個語言有著直觀的語法并且還是個強大的多用途語言。這一點在大數(shù)據(jù)分析環(huán)境中很重要，并且許多企業(yè)內(nèi)部已經(jīng)在使用Python了，比如Google，YouTube，迪士尼等。還有，Python是開源的，并且有很多用于數(shù)據(jù)科學(xué)的類庫。

現(xiàn)在，如果你真的要用Python進(jìn)行大數(shù)據(jù)分析的話，毫無疑問你需要了解Python的語法，理解正則表達(dá)式，知道什么是元組、字符串、字典、字典推導(dǎo)式、列表和列表推導(dǎo)式——這只是開始。

數(shù)據(jù)分析流程

一般可以按“數(shù)據(jù)獲取-數(shù)據(jù)存儲與提取-數(shù)據(jù)預(yù)處理-數(shù)據(jù)建模與分析-數(shù)據(jù)可視化”這樣的步驟來實施一個數(shù)據(jù)分析項目。按照這個流程，每個部分需要掌握的細(xì)分知識點如下：

數(shù)據(jù)獲取：公開數(shù)據(jù)、Python爬蟲

外部數(shù)據(jù)的獲取方式主要有以下兩種。

第一種是獲取外部的公開數(shù)據(jù)集，一些科研機構(gòu)、企業(yè)、政府會開放一些數(shù)據(jù)，你需要到特定的網(wǎng)站去下載這些數(shù)據(jù)。這些數(shù)據(jù)集通常比較完善、質(zhì)量相對較高。

另一種獲取外部數(shù)據(jù)的方式就是爬蟲。

比如你可以通過爬蟲獲取招聘網(wǎng)站某一職位的招聘信息，爬取租房網(wǎng)站上某城市的租房信息，爬取豆瓣評分評分最高的電影列表，獲取知乎點贊排行、網(wǎng)易云音樂評論排行列表。基于互聯(lián)網(wǎng)爬取的數(shù)據(jù)，你可以對某個行業(yè)、某種人群進(jìn)行分析。

在爬蟲之前你需要先了解一些 Python 的基礎(chǔ)知識：元素（列表、字典、元組等）、變量、循環(huán)、函數(shù)………

以及，如何用 Python 庫（urllib、BeautifulSoup、requests、scrapy）實現(xiàn)網(wǎng)頁爬蟲。

掌握基礎(chǔ)的爬蟲之后，你還需要一些高級技巧，比如正則表達(dá)式、使用cookie信息、模擬用戶登錄、抓包分析、搭建代理池等等，來應(yīng)對不同網(wǎng)站的反爬蟲限制。

數(shù)據(jù)存取：SQL語言

在應(yīng)對萬以內(nèi)的數(shù)據(jù)的時候，Excel對于一般的分析沒有問題，一旦數(shù)據(jù)量大，就會力不從心，數(shù)據(jù)庫就能夠很好地解決這個問題。而且大多數(shù)的企業(yè)，都會以SQL的形式來存儲數(shù)據(jù)。

SQL作為最經(jīng)典的數(shù)據(jù)庫工具，為海量數(shù)據(jù)的存儲與管理提供可能，并且使數(shù)據(jù)的提取的效率大大提升。你需要掌握以下技能：

提取特定情況下的數(shù)據(jù)

數(shù)據(jù)庫的增、刪、查、改

數(shù)據(jù)的分組聚合、如何建立多個表之間的聯(lián)系

數(shù)據(jù)預(yù)處理：Python（pandas）

很多時候我們拿到的數(shù)據(jù)是不干凈的，數(shù)據(jù)的重復(fù)、缺失、異常值等等，這時候就需要進(jìn)行數(shù)據(jù)的清洗，把這些影響分析的數(shù)據(jù)處理好，才能獲得更加精確地分析結(jié)果。

對于數(shù)據(jù)預(yù)處理，學(xué)會 pandas （Python包）的用法，應(yīng)對一般的數(shù)據(jù)清洗就完全沒問題了。需要掌握的知識點如下：

選擇：數(shù)據(jù)訪問

缺失值處理：對缺失數(shù)據(jù)行進(jìn)行刪除或填充

重復(fù)值處理：重復(fù)值的判斷與刪除

異常值處理：清除不必要的空格和極端、異常數(shù)據(jù)

相關(guān)操作：描述性統(tǒng)計、Apply、直方圖等

合并：符合各種邏輯關(guān)系的合并操作

分組：數(shù)據(jù)劃分、分別執(zhí)行函數(shù)、數(shù)據(jù)重組

Reshaping：快速生成數(shù)據(jù)透視表

概率論及統(tǒng)計學(xué)知識

需要掌握的知識點如下：

基本統(tǒng)計量：均值、中位數(shù)、眾數(shù)、百分位數(shù)、極值等

其他描述性統(tǒng)計量：偏度、方差、標(biāo)準(zhǔn)差、顯著性等

其他統(tǒng)計知識：總體和樣本、參數(shù)和統(tǒng)計量、ErrorBar

概率分布與假設(shè)檢驗：各種分布、假設(shè)檢驗流程

其他概率論知識：條件概率、貝葉斯等

有了統(tǒng)計學(xué)的基本知識，你就可以用這些統(tǒng)計量做基本的分析了。你可以使用 Seaborn、matplotlib 等（python包）做一些可視化的分析，通過各種可視化統(tǒng)計圖，并得出具有指導(dǎo)意義的結(jié)果。

Python 數(shù)據(jù)分析

掌握回歸分析的方法，通過線性回歸和邏輯回歸，其實你就可以對大多數(shù)的數(shù)據(jù)進(jìn)行回歸分析，并得出相對精確地結(jié)論。這部分需要掌握的知識點如下：

回歸分析：線性回歸、邏輯回歸

基本的分類算法：決策樹、隨機森林……

基本的聚類算法：k-means……

特征工程基礎(chǔ)：如何用特征選擇優(yōu)化模型

調(diào)參方法：如何調(diào)節(jié)參數(shù)優(yōu)化模型

Python 數(shù)據(jù)分析包：scipy、numpy、scikit-learn等

在數(shù)據(jù)分析的這個階段，重點了解回歸分析的方法，大多數(shù)的問題可以得以解決，利用描述性的統(tǒng)計分析和回歸分析，你完全可以得到一個不錯的分析結(jié)論。

當(dāng)然，隨著你實踐量的增多，可能會遇到一些復(fù)雜的問題，你就可能需要去了解一些更高級的算法：分類、聚類。

然后你會知道面對不同類型的問題的時候更適合用哪種算法模型，對于模型的優(yōu)化，你需要去了解如何通過特征提取、參數(shù)調(diào)節(jié)來提升預(yù)測的精度。

你可以通過 Python 中的 scikit-learn 庫來實現(xiàn)數(shù)據(jù)分析、數(shù)據(jù)挖掘建模和分析的全過程。

總結(jié)

其實做數(shù)據(jù)挖掘不是夢，5步就能讓你成為一個Python爬蟲高手!