18张Python数据科学速查表.png

数据科学已经发展成为一个庞大的系统，包含数学、统计学、概率论、计算机、数据库、编程等各种理论技术。

目前在主流的数据科学领域一般有三大生态，一是以sas、matlab、spss等为代表的商业软件生态，二是围绕R语言建立起来的开源生态，三是目前较为火热的Python数据科学生态。

为什么Python会脱颖而出，成为数据科学的第三极，而且越来越受欢迎呢？

这是因为数据科学编程需要非常灵活的语言，编写代码很简单，但可以处理高度复杂的数学处理。

Python可以说最适合这样的需求，所以大量的数据科学库如春笋般冒出来，有的已经发展成高度完善的企业级库。

比如说Pandas、Numpy、Matplotlib、Sklearn、NLTK等，还有深度学习领域的Keras、Tensorflow、Pytorch、Caffe等，都是顶尖的数据科学工具。

Github上有一个项目，专门汇总了Python数据科学的核心知识点，并以速查表的形式，浓缩在一张张图片里。

速查表清单：

Python基础

1.Python基础.png

Pandas基础

2.Pandas基础.png

Pandas进阶

3.Pandas进阶.png

Numpy基础

4.Numpy基础.png

Matplotlib基础

5.Matplotlib基础.png

Seaborn基础

6.Seaborn基础.png

Bokeh基础

7.Bokeh基础.png

Scipy基础

8.Scipy基础.png

scikit-learn基础

9.scikit-learn基础.png

keras基础

10.keras基础.png

Jupyter基础

11.Jupyter基础.png

数据IO

12.数据IO.png

SQL基础

13.SQL基础.png

Dask基础

14.Dask基础.png

Dask进阶

15.Dask进阶.png

PySpark基础

16.PySpark基础.png

PySpark进阶

17.PySpark进阶.png

可视化基础

18.可视化基础.jpg