大數(shù)據(jù)文摘作品，轉(zhuǎn)載要求見文末

作者 | Elaine,，田桂英,，Aileen

------------------

【福利】2017云棲大會深圳峰會

3月27-29日，37場分論壇,，100余嘉賓

阿里云總裁,、CTO及首席科學(xué)家到場分享

涵蓋全球技術(shù)熱點(diǎn)

點(diǎn)擊文末閱讀原文

免費(fèi)限時報(bào)名

報(bào)名詳情見文末

------------------

導(dǎo)讀：前段時間小白學(xué)數(shù)據(jù)專欄出了一期Python小抄表，后臺反應(yīng)強(qiáng)烈（點(diǎn)擊查看大數(shù)據(jù)文摘小白學(xué)數(shù)據(jù)系列文章《小白學(xué)數(shù)據(jù)之常用Python庫“小抄表”》）,。確實(shí),，數(shù)據(jù)科學(xué)越來越熱，但是對于想要學(xué)好它的小白們卻很頭疼一個問題,，需要記住的操作和公式實(shí)在是太多了,！小抄表是很實(shí)用的辦法，那么今天我們就為大家送出一份大殺器：28張小抄表合輯,！不管你是Python或R的初學(xué)者，還是SQL或機(jī)器學(xué)習(xí)的入門者,，或者準(zhǔn)備學(xué)習(xí)Hadoop,，這里都有能滿足你的資料。后臺回復(fù)“小抄大放送”打包下載,。

小白：上次你給我的Python小抄表真的很好用呢,！特別適合我這種初學(xué)者。

答：太好了,！我們收到不少讀者反饋,，希望推出更多小抄表的資料。我們這一期小白學(xué)數(shù)據(jù)專欄篩選了28份小抄,，根據(jù)覆蓋面,、清晰度和內(nèi)容實(shí)用性，分別涵蓋了機(jī)器學(xué)習(xí),、數(shù)據(jù)科學(xué),、概率,、SQL和大數(shù)據(jù)的領(lǐng)域。里面包括了你所需要的工具,、流程,、各種包和語言。

小白：我們先來回顧一下之前聊過的Python,。幫我們這樣的小白介紹一下有什么Python方面的小抄吧,？

答：入門的話有兩張表必須強(qiáng)推：

如果你剛?cè)腴TPython,那么這張小抄表非常適合你。查看這份小抄表,，你將獲得循序漸進(jìn)學(xué)習(xí)Python的指導(dǎo),。它提供了Python學(xué)習(xí)的必備包和一些有用的學(xué)習(xí)技巧等資源。

 這張由Datacamp制作的小抄表覆蓋了所有Python數(shù)據(jù)科學(xué)需要的基礎(chǔ)知識,。如果你剛開始用Python,，可以留著這張做快速參考。背下這些小抄的代碼變量,、數(shù)據(jù)類型函數(shù),、字符串操作、類型轉(zhuǎn)換,、列表和常用操作,。尤其是它列出了重要的Python包，給出了用于選擇并導(dǎo)入包的小抄代碼,。

小白：是的,，就是上面這張表讓我很快掌握了基本的Python語句！我記得還有幾張關(guān)于Python常用庫NumPy和Panda的小抄也特別實(shí)用?

答：是的,。這些常用庫可以使你輕松進(jìn)行探索性數(shù)據(jù)分析和各種數(shù)據(jù)整理,。以下3張小抄表幾乎涵蓋了所有常用的語句啦！

NumPy是Python用于科學(xué)計(jì)算的核心包,。這又是一個由DataCamp制作的小抄表,，你會找到用于創(chuàng)建NumPy數(shù)組的小抄代碼，用于執(zhí)行數(shù)學(xué)運(yùn)算,，構(gòu)造子集,、分層、索引和數(shù)組操作,。這份小抄最特別的是它給每個函數(shù)做了分類,，并用簡單的英語做了解釋說明。

在Python中進(jìn)行探索性數(shù)據(jù)分析的最佳包是NumPy, Pandas和Matplotlib,。通過它們,，你將學(xué)會如何在python中加載文件，轉(zhuǎn)換變量,，分類數(shù)據(jù),，繪圖,，創(chuàng)建樣本數(shù)據(jù)集，處理缺損數(shù)據(jù)等等,。這張表總結(jié)了三個庫中常用的語句,，這是用于探索性數(shù)據(jù)分析的最簡單的小抄本之一。

Pandas是非常重要的Python包之一,。這張表專門介紹Pandas,。如果你想要了解在Python中使用Pandas進(jìn)行探索性數(shù)據(jù)分析時所涉及到的每一步操作，那么這份小抄將是你的首選,。表里的代碼能夠用于讀寫數(shù)據(jù),預(yù)覽數(shù)據(jù)框,重命名數(shù)據(jù)框列,，匯總數(shù)據(jù)等。

小白：我在研究用Python實(shí)現(xiàn)可視化,，有什么小抄可以幫忙么,？

答：這里有兩份小抄是專為你準(zhǔn)備的。

無論是數(shù)據(jù)科學(xué)家還是非專業(yè)人士,，可視化對他們來說都是最容易理解的,。通過可視化圖表，數(shù)據(jù)能夠栩栩如生地得以展示,。這份小抄就讓你學(xué)會用各種姿勢在Python中進(jìn)行數(shù)據(jù)可視化,。一步步地找到方法繪制直方圖、柱狀圖,、線圖,、散點(diǎn)圖等。

 Bokeh是Python的交互式可視化包,，尤其是對于大型數(shù)據(jù)集極為有用,。通過這個由DataCamp制作的小抄，你將學(xué)會繪圖,，呈現(xiàn)程序和可視化定制,，保存并創(chuàng)建統(tǒng)計(jì)圖表的基本操作。

小白：不夠啊~還有別的么,？

答：Scikit-Learn專用小抄和文本清洗教程喜歡么？

 這是為使用Python中scikit-learn模塊的每種方法準(zhǔn)備的小抄表,。它給出了不同的函數(shù),，用于數(shù)據(jù)的預(yù)處理、回歸,、分類,、聚類、降維,、模型選擇和指標(biāo)以及它們對應(yīng)的說明,。這份小抄最特別的是它涵蓋了機(jī)器學(xué)習(xí)的完整階段,。

文本清洗是一個繁瑣的過程，理解正確的步驟是取得成功的關(guān)鍵,。參考這個小抄本在Python中逐步執(zhí)行文本數(shù)據(jù)清洗,。這樣你就知道什么時候該刪除停止符、標(biāo)點(diǎn),、表達(dá)式等,。這份小抄的特別之處在于每個步驟都給出了代碼和案例。

小白：好多同學(xué)都在問,，有全套的R小抄么,？

答：有哦，入門請看10-13號小抄,，從功能說明到詳細(xì)操作應(yīng)有盡有,，還不熟練的話照著做就對了。

這份小抄代碼整理了用于R的所有功能和操作,。理解在R中的不同術(shù)語,，它對于數(shù)據(jù)創(chuàng)建、數(shù)據(jù)處理,、數(shù)據(jù)操作,、函數(shù)建模、篩選等各方面功能都做了說明,。

這份小抄表將手把手地教你學(xué)會用R進(jìn)行探索性數(shù)據(jù)分析,。從學(xué)習(xí)如何加載文件，到將變量轉(zhuǎn)換為不同的數(shù)據(jù)類型,，轉(zhuǎn)置數(shù)據(jù)集,，分類數(shù)據(jù)框，創(chuàng)建圖表等,。

 這份小抄將教會你學(xué)習(xí)如何通過readr, tibble和tidyr包導(dǎo)入數(shù)據(jù),。你可以通過tibble包使用函數(shù)對數(shù)據(jù)進(jìn)行讀寫，還可以通過tidyr包重構(gòu)數(shù)據(jù),合并或者分離列,。

 這份由RStudio提供的小抄是用dplyr包做數(shù)據(jù)轉(zhuǎn)換的參考材料,。里面有所有需要進(jìn)行數(shù)據(jù)轉(zhuǎn)換操作的短代碼和運(yùn)算符，以及匯總操作,，分組操作,，運(yùn)算操作，矢量化和組合變量的函數(shù)案例,。

小白：R的可視化方面的小抄表有么,？

答：當(dāng)然。R的數(shù)據(jù)可視化功能非常強(qiáng)大。14~15號小抄就是專門為可視化定制的哦,。

之前我們看了Python的數(shù)據(jù)可視化小抄,。這個是用于R的圖表繪制小抄,你可以用它畫出數(shù)據(jù)。通過幾行代碼,就可以創(chuàng)建漂亮的圖表和數(shù)據(jù)故事,。R有很棒的庫,，用來繪制可視化圖表的基本款和升級版，比如條形圖,、直方圖,、散點(diǎn)圖、可視化地圖,、組合圖等,。

這是使用ggplot2 創(chuàng)建可視化圖表的小抄表。ggplot2用于圖形語法,，它建立在一組表示數(shù)據(jù)點(diǎn)的視覺標(biāo)志上,。用小抄代碼和不同技術(shù)在R中創(chuàng)建圖形組件和各種圖表。

小白：還有別的么,？比如關(guān)于常用包或者數(shù)據(jù)挖掘的,？

答：16號就是關(guān)于Caret 包的小抄~數(shù)據(jù)挖掘的請看17號；另外我們還有一個云計(jì)算的小抄哦,。是不是賺到啦,！

Caret包提供了一組函數(shù)用于簡化預(yù)測模型的建立過程。里面包括了進(jìn)行數(shù)據(jù)分割,、預(yù)處理,、特征選擇、模型調(diào)優(yōu)和可視化的函數(shù),。

這個小抄表提供了使用R進(jìn)行文本挖掘,、異常值檢測、集群,、分類,、社交網(wǎng)絡(luò)分析、大數(shù)據(jù),、并行計(jì)算的功能,。它給了你所有需要用R進(jìn)行數(shù)據(jù)挖掘的函數(shù)和運(yùn)算符。

云計(jì)算使我們能夠容易的從任何地方訪問我們的文件和數(shù)據(jù),。通過這份小抄表,，你將了解如何使用R進(jìn)行云計(jì)算。遵循這個指導(dǎo)你就可以在AWS上使用R進(jìn)行編程了,！

問：話說我剛開始學(xué)習(xí)機(jī)器學(xué)習(xí)算法。有哪些小抄可以用？

答：Python和R算法入門請看19號,，如果已經(jīng)進(jìn)階到scikit-learn的話那就一定要看看20號小抄啦,。有使用微軟Azure的繼續(xù)下拉，21號很適合你,。

 這本小抄表里有Python和R常用的機(jī)器學(xué)習(xí)算法,。包括線性回歸、邏輯回歸,、決策樹,、支持向量機(jī)（SVM）、樸素貝葉斯,、KNN分類算法,、聚類算法、隨機(jī)森林算法等,。

 這份算法圖是scikit-learn官方提供的,。很多人都不知道如何選擇特定的機(jī)器學(xué)習(xí)算法應(yīng)對不同的數(shù)據(jù)類型和問題。有了這份圖,，你就清楚地了解完整的機(jī)器學(xué)習(xí)問題不同算法的區(qū)別,。

這份微軟官方出品的小抄表提供了一個清晰的數(shù)據(jù)路徑，能夠幫助你找到所需的Azure Machine Learning Studio預(yù)測算法,。

小白：想不到數(shù)據(jù)科學(xué)需要那么多關(guān)于概率的知識,，有什么參考可以看么？

答：碰巧我們也有關(guān)于概率的小抄哦,。22號是基礎(chǔ)版,，23號是針對概率分布的進(jìn)階版。請好好享用,。

這份賓夕法尼亞大學(xué)總結(jié)i的小抄是針對概率與統(tǒng)計(jì)的全面參考,。每個概念都有對應(yīng)的完備圖解，用精準(zhǔn)的方式對基礎(chǔ)概率規(guī)則到高級統(tǒng)計(jì)概念進(jìn)行說明,。建議你把它放在手邊做備忘參考,。

這份小抄對于各種常用數(shù)據(jù)概率分布做了概覽。每一個分布都有對應(yīng)的符號,、公式和簡短說明,。

小白：我剛開始用SQL，連怎么導(dǎo)入信息都不知道,，有什么可以幫我的么,？

答：24號小抄就是關(guān)于SQL基礎(chǔ)操作的啦，你想了解的都在這,，請拿好,。

小白：我們公司用的是MySQL, 有關(guān)于它的小抄么,？

答：25號小抄是就是為你準(zhǔn)備的，常用的指令都可以在那找到哦,。

這份小抄表是關(guān)于SQL基礎(chǔ)操作的教程,，包括如何導(dǎo)入、更新,、刪除,、歸類、排序等,。如果你剛開始用SQL,，這份小抄務(wù)很實(shí)用。

在這份小抄里,，你會找到MySQL和SQL的常用指令,，比如MySQL需要的計(jì)算函數(shù)，字符串函數(shù),；SQL需要的數(shù)據(jù)修改和查詢指令等,。

問：既然說了這么多語言了，我也想知道關(guān)于使用大數(shù)據(jù)數(shù)據(jù)處理語言Hadoop的一切,，包括Apache Spark或者Hive這種擴(kuò)展資訊,，有沒有辦法幫我？

答：必須有,！26號小抄就是Hadoop的全面介紹,，另外關(guān)于如何使用Apache Spark和Hive指令的，詳見27號和28號小抄哦,。

Hadoop是一個巨型生態(tài)系統(tǒng),，里面包含了大量的操作內(nèi)容。為了了解各種操作用途以及工作方式,，小抄內(nèi)容按照功能進(jìn)行了分類,，比如分散式系統(tǒng)、數(shù)據(jù)處理,、數(shù)據(jù)的導(dǎo)入導(dǎo)出以及管理等,。

小白：哇噻！不知不覺已經(jīng)28張小抄表了,，絕對是良心大放送,！

答：我們希望小白還有讀者們能喜歡這篇文章啦。如果我們漏了一些小抄表或者您愿意分享自己制作的小抄表,，請務(wù)必發(fā)到評論區(qū),，這樣其他讀者和我們都能看到。歡迎在評論區(qū)提出任何建議和反饋,，告訴我們你 希望在小白學(xué)數(shù)據(jù)欄目看到的內(nèi)容~