为什么说 Python
是数据科学的发动机(一)发展历程(附视频中字)

在PyData Seattle 2017中,Jake
Vanderplas介绍了Python的发展历程以及最新动态。在这里我们把内容分成上下两篇,先给大家带来上篇--Python的发展历程。

主讲人:

Jake
Vanderplas是华盛顿大学eScience研究所物理科学研究的负责人。该研究所负责跨学科项目,旨在支持科学领域在数据方面发现。Jake的研究领域包括天文学、天体物理学、机器学习以及可伸缩计算。此外,他是许多开源Python项目的维护者和频繁贡献者,包括scikit-learn、scipy、altair等。

CDA字幕组该讲座视频进行了汉化,附有中文字幕的视频如下:

针对不方面开视频的小伙伴,CDA字幕组也贴心的整理了文字版本,如下:

Python究竟是怎样成为了数据科学的发动机?考虑到一开始它的初衷并非如此。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

Python的发展历程

我想回顾一下Python的初衷和早期发展情况。

1990s: 脚本时代

在上世纪90年代,我认为Python以及数据科学处于脚本时代。这时的座右铭为"Python是Bash的替代品”。

没有人愿意用Bash编程,那么让我们换成用Python吧。这就是我们90年代的情况。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

当时有个从事科学领域的人,名叫David
Beasley。你可能通过《Python
Cookbook》一书熟知他。在90年代他在一个研究实验室工作,他写了一篇关于使用Python进行科学计算的文章。在文中他说:

“科学家正在使用各种不同的工具,他们倾向于使用自行开发的软件,来实现自己的特定领域语言。或者用命令行界面将它们组合到一起。”

在本文中他提出,为什么我们不使用Python把这些都组合到一起呢?

Python 是数据科学的发动机(一)发展历程(附视频中字)">

他提出一个他已进行了4年的案例研究,当中他把Python作为胶水,把许多其他的工具都粘到了一起。他写这个库在当时影响力非常大,SWIG(simplified
wrapper and interface
generator)。这能够解析整个Fortran或C代码,为你生成一个Python接口。因此为了驱动代码,你不必再去编写Fortran和C语言。

许多早期的SciPy等工具都是建立在SWI上的,我对scikit-learn的第一个贡献是用SWIG加上C
代码。之后我们不再用SWIG而转为Cython,但这是另一回事了。

2000s: SciPy时代

之后是2000年,我认为2000年代是SciPy时代。

这时的座右铭是,Python是MATLAB替代品。

我看到观众中有些点头赞同,当中有很多原因。如果看到2000年代早期有影响力并且发展SciPy堆栈的人群,可以在他们身上发现一些共同点。

例如John
Hunter是Matplotlib的创始人,在2012年他去世前的几周,他发表了很棒的SciPy演讲。

当中他谈到了Pre-Python,他有各种工作进程的大杂烩Perl脚本C
。他编写了MATLAB之后他厌倦了MATLAB,开始把东西加载到GnuPlot上。这启发他编写了Matplotlib,这基本上是用Python编写的MATLAB替代品。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

同样还有Travis
Oliphant。他创建了continuum,在这之前他编写了Numpy和SciPy项目。

他说“在Python之前,我用过Perl。然后是MATLAB、shell、scrip、Fortran以及C
库等。当我发现Python时,我真的很喜欢这个语言。但这个语言是萌芽阶段 缺少很多库。
我认为我可以通过在Python中,连接低等级的库和高等级的usage。从而在世界中献出自己的一份力量。”这启发了SciPy,SciPy取代了MATLAB、Fortran、shell、scrip。

同样的如果你熟悉IPython项目、Jupyter项目,那你肯定知道Fernando
Perez,他创建了IPython。他也有类似五花八门的工具,C、C
、Unix(awk/sed/sh)Perl、IDL、Mathematica。

想到Python出现之前的科学就很可怕。接着Fernando创建了IPython项目,他想在Python中做类似IDL或类似Mathematica,以便他能够用一个简单的工具代替这所有。

在21世纪初出现了各种工具,相同的目标是想取代MATLAB,取代所有组合的包。若看到早期的代码,会发现它们都包括可视化、计算以及壳的内容。如果看一下Matplotlib,你仍然可以导入MATLAB的子模块。类似计算周期等部分在MATLAB、Matplotlib中仍然有计算,尽管现在很多已经被移除。

如今我们熟知的库如Matplotlib、SciPy、IPython,它们的目标很清晰。社区一直在演变

我认为在SciPy时代的关键会议是SciPy大会。SciPy大会驱动了很多创新力,从2002年一直到如今。在场我认识的几个人将出席下周的SciPy在奥斯汀的会议,这是非常有意思的会议,如果有机会的话我建议你们参加。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

2010s: PyData时代

在20世纪90年代脚本时代和SciPy时代之后,我认为2010年代是PyData时代。这时的座右铭应为"Python是R语言的替代品”。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

我认为PyData社区在这点上做的很好。R语言还是有些做的很好且无法超越的地方。我认为其中一个常规数据统计,还有一个是可视化。有些人在致力于解决这些问题。

我认为PyData时代的代表是Wes
McKinney,以及他的pandas。还有他的书《利用Python进行数据分析》。

在书的序言中他这样说道“还没有任何一种工具能够很好的处理我的一些需求。例如:具有标记轴的数据结构;综合时间序列功能;算术运算和减少;缺少数据的灵活移交;合并和其他相关操作,我希望最好能够在一种语言中完成这一切。”

Python 是数据科学的发动机(一)发展历程(附视频中字)">

且能够符合软件开发的一般用途,这启发了pandas的诞生。可以说若没有pandas库,没有Wes,今天我们不可能坐在这里。在2009?2011年的时候,他辞掉了本来的工作,吃了2年拉面,这样他就可以天天编写pandas。如果你有天碰到了Wes,请感谢他。因为他真的对我们的社区做出了重大贡献。

还有许多重要的软件这个时期问世。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

pandas第一个重大的发布是在2011年左右。

scikit-learn在07年有发布一个早期的指南,但主要的scikit-learn发布于2009年或201年。

Conda的packaging发布于2012年,这真的改变了我使用Python的方式,改变了人们做事的方式。

以及2012年的IPython项目,后来更名为Jupyter。Jupyter项目真正推动了我们处理代码的方式,特别是在这个社区中。

当然当中关键的会议是PyData。

2012年,为期一天的PyData研讨会由谷歌举办,地点位于山景城。这是我影响深刻的一次会议。这次会议上我第一次公开发表了关于Python的演讲,当中我对scikit-learn进行了1小时的讲解。从那之后我就着迷了,想尽可能多的参加这个会议。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

PyData遍布世界各地,这一系列会议促进了数据科学的发展。数据科学与数据计算是不同的,之前SciPy时代则是围绕这点的。当然以上这些时代都是同时存在的。有人使用Python写脚本,有人使用SciPy工具,有人使用PyData。

人们热衷于使用Python。因为Python的直观性、美感、哲学性以及可读性。Python从其他语言中得到很多转换,因为它编写起来很有趣。因此人们做的就是结合其他工具,其他社区中习得的内容、编写相应的Python包。

Wes专门写了pandas,因为他想做到R语言对数据框的操作。John
Hunter专门写了Matplotlib,因为他想用MATLAB的方式进行绘制,但不必使用MATLAB许可证。

Python真的很擅长从其他工具其他领域摄取知识,并把它们转换到自己的空间内,然后进行运行。

我们还开发了很多自己的东西,例如scikit-learn。在任何语言中,这都是考虑机器学习的首要方式。至少是如何连接机器学习,如何进行机器学习API。我认为没有其他语言比scikit-learn更简洁,更深思熟虑的。

但我们必须认识到在整个过程中,Python并不是数据科学语言。

Python是通用语言,我认为Python的通用本质在于其优势。你可以把它Python想象成瑞士军刀。

Python 是数据科学的发动机(一)发展历程(附视频中字)">

使用Python你可以做各种不同的事情。比如你可以做网页编程,可以进行Django,可以做后端,也可以做前端。

但多年来越来越多的人都在用Python,这把瑞士军刀变得复杂起来了。这么多的工具,我们需要选择用哪个记住顺序,从而你能找到你想要的。这里的优势在于Python存在巨大的能力空间,但缺点在于从哪儿下手。

我想强调的是对于刚接触Python的人群,他们说"我想马上开始学习Python”。但是他们会发现,宇宙是如此巨大,有那么多的包,有许多需要学的东西。还有许多人们传递的未记录下来的知识,很难进入其中。

我们已经在本文中了解了Python的发展历程,之后我们将带来最新的发展动态,以及介绍一些热门的库,敬请期待哦。

为什么说 Python 是数据科学的发动机(一)发展历程(附视频中字)的更多相关文章

  1. python和数据科学(Anaconda)

    Python拥有着极其丰富且稳定的数据科学工具环境.遗憾的是,对不了解的人来说这个环境犹如丛林一般(cue snake joke).在这篇文章中,我会一步一步指导你怎么进入这个PyData丛林. 你可 ...

  2. Python和数据科学的起步指南

    http://python.jobbole.com/80853/ Python拥有着极其丰富且稳定的数据科学工具环境.遗憾的是,对不了解的人来说这个环境犹如丛林一般(cue snake joke).在 ...

  3. (数据科学学习手札69)详解pandas中的map、apply、applymap、groupby、agg

    *从本篇开始所有文章的数据和代码都已上传至我的github仓库:https://github.com/CNFeffery/DataScienceStudyNotes 一.简介 pandas提供了很多方 ...

  4. (数据科学学习手札64)在jupyter notebook中利用kepler.gl进行空间数据可视化

    一.简介 kepler.gl是由Uber开发的进行空间数据可视化的开源工具,是Uber内部进行空间数据可视化的默认工具,通过其面向Python开放的接口包keplergl,我们可以在jupyter n ...

  5. (数据科学学习手札100)搞定matplotlib中的字体设置

    本文示例文件已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 matplotlib作为数据可视化的利器,被广泛 ...

  6. python 在数据科学中的应用之matplotlib

    1.matplotlib模块生成直线图和散点图 >>>import matplotlib.pyplot as plt >>>year = [1950,1970,19 ...

  7. (数据科学学习手札62)详解seaborn中的kdeplot、rugplot、distplot与jointplot

    一.简介 seaborn是Python中基于matplotlib的具有更多可视化功能和更优美绘图风格的绘图模块,当我们想要探索单个或一对数据分布上的特征时,可以使用到seaborn中内置的若干函数对数 ...

  8. (数据科学学习手札140)详解geopandas中基于pyogrio的矢量读写引擎

    本文示例代码已上传至我的Github仓库https://github.com/CNFeffery/DataScienceStudyNotes 1 简介 大家好我是费老师,前不久我在一篇文章中给大家分享 ...

  9. (数据科学学习手册28)SQL server 2012中的查询语句汇总

    一.简介 数据库管理系统(DBMS)最重要的功能就是提供数据查询,即用户根据实际需求对数据进行筛选,并以特定形式进行显示.在Microsoft SQL Serve 2012 中,可以使用通用的SELE ...

随机推荐

  1. Linux系统搭建Red5服务器

    Linux系统搭建Red5服务器 Red5 是 支持Windows,Linux等多平台的RTMP流媒体服务器,Windows下搭建相对容易,图形界面操作比较简单,Linux服务器的环境下没有图形界面, ...

  2. 2019-8-31-dotnet-非泛型-类型-System.Collections.IEnumerable-不能与类型实参一起使用

    title author date CreateTime categories dotnet 非泛型 类型 System.Collections.IEnumerable 不能与类型实参一起使用 lin ...

  3. mysql UDF提权 sys_bineval

    介绍: 执行shellcode – sys_bineval sqmapl自带udf.dll中存在函数’sys_bineval,执行shellcode – sys_bineval 利用: MSF生成sh ...

  4. (转)lua protobuffer的实现

    转自: http://www.voidcn.com/article/p-vmuovdgn-bam.html (1)lua实现protobuf的简介 需要读者对google的protobuf有一定的了解 ...

  5. fuzzy commitment 和fuzzy vault

    Alice,这位令人惊异的魔术天才,正表演关于人类意念的神秘技巧.她将在Bob选牌之前猜中Bob将选的牌!注意Alice在一张纸上写出她的预测.Alice很神秘地将那张纸片装入信封中并封上.就在人们吃 ...

  6. MySQL数据库的基本语法

    1.MySQL数据类型数值以及浮点型介绍 2.MySQL数据类型之字符串介绍 常用的有:char.varchar.text. 3.MySQL数据类型之时间类型介绍 常用的是:timestampt,将时 ...

  7. js 高级 原型与原型链

    * 所有函数都有一个特别的属性: * `prototype` : 显式原型属性* 所有实例对象都有一个特别的属性: * `__proto__` : 隐式原型属性 1.  每个函数都有一个prototy ...

  8. MySQL 笔记一

    一.基本语法 1.数据库操作 create database [IF NOT EXIEST ] 数据库名   --创建数据库 drop database  数据库名                   ...

  9. 固定定位fixed,绝对定位absolute,相对定位relative;以及overflow

    固定定位position:fixed /*固定定位 1.定位属性值:fixed 2.在页面中不再占位(浮起来了) 3.一旦定位后,定位的布局方位 top.bottom.left.right都能参与布局 ...

  10. os.path.basename()

    返回path最后的文件名.如果path以/或\结尾,那么就会返回空值.即os.path.split(path)的第二个元素. >>> import os >>> p ...