目錄

• 介紹
• 這就是為什么
• 摘要

介紹

雖然說Python比R更好對我而言是正確的，但對您來說可能并非如此。 當(dāng)然，您可能會(huì)因?yàn)楦鞣N原因認(rèn)為R比Python更有用。 即使您反對我的聲明，我仍然希望開始進(jìn)行對話，以便大家都能看到兩種編程語言的好處。 對于數(shù)據(jù)科學(xué)家來說，我相信Python比R具有更多的好處。 我確實(shí)意識到R有一些獨(dú)特而強(qiáng)大的統(tǒng)計(jì)庫，很可能使Python庫黯然失色。 借助使用Python與數(shù)據(jù)工程師，軟件工程師和機(jī)器學(xué)習(xí)工程師進(jìn)行擴(kuò)展，整個(gè)數(shù)據(jù)科學(xué)過程可以帶來更多的積極效果。

下面，我將討論五個(gè)為什么我認(rèn)為Python比R更好的主要原因。這些原因包括：可伸縮性，Jupyter Notebook，庫軟件包，集成以及具有成為跨職能團(tuán)隊(duì)成員的能力。

這就是為什么

可擴(kuò)展性

可伸縮性是在數(shù)據(jù)科學(xué)中采用的巨大好處。 由于大多數(shù)數(shù)據(jù)科學(xué)家通常會(huì)與工程部門的其他員工一起工作，因此建模以及模型的總體流程可以更容易部署。 例如，典型的數(shù)據(jù)科學(xué)家可能只專注于執(zhí)行建模，甚至可能是一次性輸出。 但是，在建模之前有一個(gè)步驟很可能需要在訓(xùn)練機(jī)器學(xué)習(xí)模型之前要做。 該步驟是數(shù)據(jù)工程部分。 在過程的這一部分中，您可以從SQL數(shù)據(jù)庫自動(dòng)讀取新數(shù)據(jù)，以便在訓(xùn)練時(shí)模型始終是最新的。 流程的另一方面是部署方面。 第一次部署模型可能會(huì)非常令人生畏，尤其是因?yàn)樵趯W(xué)校中所講授的模型不及建模過程那么多。

由于Python，軟件工程師和機(jī)器學(xué)習(xí)工程師可以與您并肩工作。

您可以創(chuàng)建氣流定向非循環(huán)圖(DAG)，當(dāng)在特定時(shí)間表上有新數(shù)據(jù)或滿足某些參數(shù)時(shí)，它可以自動(dòng)訓(xùn)練模型(例如，僅當(dāng)我們獲得100條新的傳入數(shù)據(jù)記錄時(shí)才訓(xùn)練該模型)。 訓(xùn)練模型后，它可以評估新數(shù)據(jù)，然后可以通過使用Python將其輸出到SQL表中。

Jupyter筆記本

或另一個(gè)類似的數(shù)據(jù)科學(xué)可視化工具，能夠解釋Python。 您可以運(yùn)行代碼單元，注釋，創(chuàng)建標(biāo)題以及添加可改善筆記本功能的小部件。 您在此處編寫和共享的代碼是Python。 對于您的數(shù)據(jù)科學(xué)家來說，能夠在Jupyter Notebook中使用這種編程語言進(jìn)行編碼是一個(gè)巨大的勝利。

第三方庫

有幾個(gè)功能強(qiáng)大且常用的軟件包可以使用Python訪問。 想到的一些是sklearn(也稱為sci-kit學(xué)習(xí))和TensorFlow。

Sklearn[2]

這個(gè)功能強(qiáng)大的數(shù)據(jù)科學(xué)庫具有打包的分類模型和回歸模型，可隨時(shí)用于您的數(shù)據(jù)集。

—分類

Sklearn對分類的定義是：標(biāo)識對象所屬的類別。 一些流行的算法包括支持向量機(jī)(SVM)，最近鄰居和隨機(jī)森林。 Sklearn還概述了垃圾郵件檢測和圖像回歸作為其最受歡迎的應(yīng)用程序使用案例。

—回歸

Sklearn對回歸的定義是：預(yù)測與對象關(guān)聯(lián)的連續(xù)值屬性。 流行的回歸算法包括支持向量回歸(SVR)和最近的鄰居，其應(yīng)用包括藥物反應(yīng)和股票價(jià)格。

TensorFlow [3]

對于深度學(xué)習(xí)，該庫是我為更復(fù)雜的情況建模的必備工具。 這個(gè)流行而強(qiáng)大的庫可以處理的一些主要項(xiàng)目是：神經(jīng)網(wǎng)絡(luò)，通用對抗網(wǎng)絡(luò)和神經(jīng)機(jī)器翻譯。

整合方式

因?yàn)槲以诖蠖鄶?shù)數(shù)據(jù)科學(xué)項(xiàng)目中都使用Python，所以我成功地將模型.py文件集成到了面向?qū)ο蟮木幊谈袷街小?這些文件以模塊化方式有條不紊地開發(fā)。 用Python調(diào)用API有點(diǎn)簡單，因?yàn)榫W(wǎng)站上有太多文檔可以幫助獲取網(wǎng)站/公司數(shù)據(jù)。

跨功能

該原因在某種程度上是可伸縮性和集成的結(jié)合。 如果您想在本地執(zhí)行數(shù)據(jù)科學(xué)過程并將輸出交給利益相關(guān)者，那很好，但是使用Python，您可以與來自工程學(xué)的其他專家一起做更多的事情。

當(dāng)我第一次開始編碼時(shí)，它是在R中的，當(dāng)我將我的過程和代碼展示給數(shù)據(jù)工程師和軟件工程師以進(jìn)行部署時(shí)，要花一些時(shí)間才能準(zhǔn)確地描述代碼背后的數(shù)據(jù)科學(xué)。

我還將發(fā)現(xiàn)與我一起工作的大多數(shù)工程師將幫助我部署模型，而他們已經(jīng)在使用Python，因此即使他們不完全了解該模型的工作原理，他們也可以輕松轉(zhuǎn)換我的數(shù)據(jù)科學(xué)代碼。 。

摘要

> Photo by Chris Ried on Unsplash [4].

如您所見，對于選擇使用Python的數(shù)據(jù)科學(xué)家來說，有很多好處。 盡管這兩種編程語言都非常有用和成功，但從我的個(gè)人經(jīng)驗(yàn)中發(fā)現(xiàn)，Python比R更好。這些主要原因包括但不限于：可伸縮性，Jupyter Notebook，庫軟件包，集成和跨功能。 最終，選擇哪種語言取決于數(shù)據(jù)科學(xué)家，但是您的目標(biāo)是展示我如何在數(shù)據(jù)科學(xué)家項(xiàng)目中使用Python，以及為什么使用Python比R編程更好。