利用Python进行数据分析

python

主要摘录《利用Python进行数据分析》一书

为什么选择Python进行数据分析

在众多解释型语言中，Python最大的特点是拥有一个巨大而活跃的科学计算（社区）。进入21世纪以来，在行业应用和学术研究中采用Python进行科学计算的势头越来越猛。
在数据分析和交互、探索性计算以及数据可视化等方面，Python将不可避免地接近于其他开源和商业的领域特定编程语言/工具，如R、Matlab、SAS、Stata等。近年来，由于Python有不断改良的库，使其成为数据处理任务的一大替代方案。结合其在通用编程方面的强大实力，我们完全可以只使用Python这一语言去构建以数据为中心的应用程序。

把Python当做粘合剂
作为一个科学计算平台，其成功部分源于其能够轻松地集成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。
解决“两种语言”的问题
很多组织通常都会用一种类似于领域特定的计算语言（如MATLAB和R）对新的想法进行研究、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。而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。

为什么不选Python

Python是一种解释型编程语言，因此大部分Py代码都要比编译型语言（比如Java和C++）编写的代码运行慢得多。由于程序员的时间通常都比CPU时间有价值，因此许多人也愿意在这里做一些权衡。但是，在那些要求延迟非常小的应用程序中（例如高频交易系统），为了尽最大可能地优化性能，耗费实践使用诸如C++这样更低级、更低生产率的语言进行编程也是值得的。