) g& v* N+ r& t1 ?7 ~; o# T# G c
8 U T- O* j$ ]9 p 源 / SegmentFault /作者「张京」
1 P) ]5 t+ h$ S" v; ~ Jupyter
2 T4 |0 s# ^% Y1 r4 ^& W
首先,第一神器是Jupyter。如果你是第一次使用,可能搞不清楚它的开发者做这么个鬼东西出来干什么,说它是博客系统也不像,说它是web服务器也不像,但它就是有用。
5 v5 c" i; e- a4 z2 h+ J. g9 ^
因为我们传统的web开发首先想的就是面向公众,你做一个服务器就是要服务成千上万浏览器的。
, Z; M+ _7 R& Y5 e$ B 当然Jupyter也可以服务众多浏览器,但它更多的还是方便研究人员,对研究人员来说简直是太方便了,你把代码像写文章一样直接写在输入框里,然后在本页面直接就看到了这个代码的结果,随时修改,随时展现,文码混排,是Markdown的一个增强版,毕竟Markdown还只能显示文字,最多再加上一些图片,而Jupyter是可以直接运行Python代码的。
2 H( Q' P5 Q0 e) f 当然,也有些人试图在Jupyter里运行PHP或Java代码,但显然成不了气候。因为Python这个语言天生就是脚本语言,可能将来唯一有希望往里移植的就是Javascript,这货也是一个脚本语言。脚本语言的好处就是不用编译,一行一个结果。
' z) u+ i& ^( w- W* u! M
纵观计算机语言发展历史,就是一个从繁到简的过程,C语言需要编译+链接才能运行,Java只要javac一下,把编译和链接合二为一,PHP更简单,直接运行就行了,连编译都省了。
8 P9 ]4 e7 \9 X5 `' M: {/ @ 但是还不够直接,因为还要编写一个.php文件存盘,然后才能运行,到了Python以及其它脚本语言这里,可以直接在壳里运行,但最大的问题是运行可以运行,无法保存,要保存就又要跟传统方式一样,找个编辑器来,或者vi,存成文件以后才可以运行。
8 N) I; M! q- e1 [& c( J, p Jupyter最大的优点就是:它本身还是一个外壳环境,可以运行脚本,但同时也帮你自动把这些脚本代码保存了下来,不但保存脚本代码,并且你插在脚本代码当中的所有注释不是普通注释,而是各种格式化的Markdown都一并帮你保存下来,并且可以随时修改。
; b7 @9 ~$ Z. _" c9 j7 s3 u
所以它兼具了脚本外壳和文件管理系统的优点,从此你开发Python代码再也不用先在IDE里写好代码,然后再到终端里去运行,而直接在一个web页面上就全部搞定了。
# Q; _* n' o' F* Q0 T0 {
Java有这样的工具吗?PHP有这样的工具吗?没有,所以我们必须选择Python。
, U8 d. i& j6 f' U* d Pandas
2 I/ ]- z3 _/ E/ P T2 c
第二神器是Pandas。如果我让你读取一个csv文件,然后求每一列数据的平均值,最大值,最小值,方差,用Java或PHP怎么做?
3 b* ~: `& R1 A6 T4 \: c/ {0 ~
你首先要fopen一个文件,然后一行一行读进来,再给它整个数据结构,然后弄个循环计算,最后你可能还要fclose这个文件。
( m6 T3 X+ w5 C# y* V+ d& p6 r 总之代码一坨,麻烦死。而Python语言因为有Pandas这个神器,一行代码搞定:
df = pd.read_csv( a.csv )
. M4 }& Z% s% J; D5 q 行了,从此以后,df就是这个DataFrame,它本身就是一个强大的数据结构,也可以把它理解成mysql数据库中的一张表吧,各种增删改查,求总和,求平均都是一行代码的事情。
j5 \4 r/ E2 h- O 所以有这样强大的库,研究人员有什么理由选择Java?
/ o' K4 ?# L9 d0 H5 z' Q6 L8 A
scikit-learn
- G' T" G1 v% T' m
第三神器scikit-learn,一般缩写为sclearn,各种机器学习算法,基本上只要你能想得到的,线性回归,逻辑回归,SVM,随机森林,最近邻居等等等等,各种算法全部在这里面(
http://scikit-learn.org/stable/user_guide.html)。
' J3 P( q8 N. |' R4 Q. ^# p; @
9 B+ e( I0 O! Z2 W 简而言之,只有你想不到,没有它做不到。
6 w- Z2 l+ A4 f+ ~- ^
所以这就是为什么玩机器学习必选Python的原因,你给我找一个Java或者PHP有这样多种算法的库来?
/ V+ L# u m$ O- s, F- L$ K matplotlib
D q2 H' b! i- i& T, Y
第四神器是matplotlib。如果我让你根据上面csv文件里的信息,画一个图,用Java该怎么做?
( T" a8 B; l2 Q. e# b& _+ Y
你当然会去找第三方插件库,然后又是一通折腾,终于把图做出来,然后编译,然后运行。
4 U8 T7 ~3 b( C3 m- O 如果我要改配色呢?如果我要求画地图呢?如果要画热力图呢?那个麻烦就不是一星半点,而对于matplotlib来说,简直就是小菜一碟。
7 k3 r) m3 o) I' o# e# V
简单的直方图就不说了,下面重点介绍如何用matplotlib配合Basemap画一个中国地图。
; ^+ D. ?$ t$ @% I 安装Basemap
6 o: v i) o$ l' e, p5 R( { 先安装相应的组件。我假定你已经都安装好了Python以及Jupyter等等。如果没有安装的话,就去尝试一下brew install python3和brew install jupyter吧,网上有很多教程。
" k5 _8 r" W' _9 N' t0 y C/ K
然后你需要用pip3 install很多我们下面可能需要用到的库。但是因为我们要用一个叫做Basemap的库,而这个库没有办法用简单的pip3 install安装,所以稍多两个步骤:
brew install geos
7 F9 V0 Q3 r# `' Z) a; ?4 H pip3 install https://github.com/matplotlib/basemap/archive/v1.1.0.tar.gz
9 o) p9 t; D1 b( Z& w' Y( S 开始画图
; P% T4 W0 d# Q7 k# i
启动Jupyter之后,我们还是本着从最简单的代码开始。先画一个世界地图:
import matplotlib.pyplot as plt
# E/ i' O. i, i) F1 Z3 ~6 B
from mpl_toolkits.basemap import Basemap
: Y7 a8 {) C5 x1 l, W
plt.figure(figsize=(16,8))
; K5 J N0 _, K/ L m = Basemap()
0 K- ]* W+ R% z7 v& d
m.drawcoastlines()
' T, T, a5 E9 G; k, Z
plt.show()
$ `, C/ W+ S! J4 S5 L2 } 前面两行引入相应的库,真正的代码就4行,够简单吧。第1行甚至可以不写,它定义了图的大小。第2行我们创建一个地图,第3行把海岸线画上,第4行显示这个地图,就是这样:
# A @) J6 ]: | 0 f7 k2 U% o0 C; G5 J1 @+ O
你用Java的4行代码画一个地图出来?
, h7 g, x* i* X# R. K; I# B+ ^
然后我们开始画上国家,又是1行代码:
m.drawcountries(linewidth=1.5)
8 }2 e& [5 j$ b* h 就变成了这样:
( U% H% D4 B& `# E/ \
( X1 c. Y/ c' a% Y7 V. U1 k; K 用Java可能吗?用PHP可能吗?
3 c( }! K8 o$ m
如果我们想显示中国地图,只需要在创建Basemap时指定一下经纬度就行了:
m = Basemap(llcrnrlon=73, llcrnrlat=18, urcrnrlon=135, urcrnrlat=53)
3 K5 P$ A& b* f' C
然后就得到了中国地图:
4 \/ R5 r7 V- F, p Z' K
3 K. h, E# e' E) y( W# t2 A/ G
看上去有点变形,这是因为我们没有添加任何投影的原因,Basemap提供24种不同的投影方式,你可以自己一个个试一下,比较常用的是兰勃特投影,我们添加一下:
m = Basemap(llcrnrlon=77, llcrnrlat=14, urcrnrlon=140, urcrnrlat=51, projection= lcc , lat_1=33, lat_2=45, lon_0=100)
) g& j% u5 ~$ z* U" R9 y3 m 这次终于看上去比较正常了:
9 P* _- z4 N! c0 P( G& W6 d
& ]& n/ Q B" ]# R# _8 e; s
我们想加上省的边界怎么办呢?Basemap缺省的包里没有中国的省区,只有美国的州,毕竟是美国人做的嘛。
+ Q% l4 _8 P% ~* B9 J! ]- `/ O, U$ p 不过好在世界很大,有专门的国际组织干这事,在这里(
https://gadm.org/download_country_v3.html)你可以下载全世界任何一个国家的行政区划Shape文件,然后我们给它加上:
* \/ j+ T0 U' Q! Z
m.readshapefile( CHN_adm_shp/CHN_adm1 , states , drawbounds=True)
& `( n# d1 u. G; J7 u' Z1 {
然后就得到了下图:
3 C8 p0 p3 C% e. }
+ z' A+ P* T" W1 u: B7 X& S1 x
再往后,你还可以往图上改颜色啦,写数字啦,这些就留待你研究吧。总之,我想说的是,用Python画地图真的超容易。
6 }* N. c, |; _; U( V8 ?
最后再为Java和PHP美言几句:大家分工不同,Java和PHP虽然做这样的数字研究不是很方便,但还是非常适合web开发的,而Python在这方面并不适合。
; k$ P9 d' Y `+ Z& j, }6 o+ { 所以通常的做法是:首先用Python验证算法,经过一系列复杂的计算,把算法确定下来之后,当要应用到web上的时候,再用Java或者PHP把最终形成的结论重写一遍,这样就能充分利用各种语言的优势。
( g" G" U- m6 y% \4 G$ J4 H7 E
补充:
7 e& m7 Q7 s) m: o- J3 g
basemap这个第三方库可能不太好安装,Windows下可以在
https://sourceforge.net/projects/matplotlib/files/matplotlib-toolkits/basemap-1.0.7/ 下载EXE文件安装。
3 z$ \5 w8 ^3 B& h
# Z- t: \+ L, R$ I& K, p7 b
▲
$ S' t( h! V! ?6 y/ c( |
END
4 D; n( r0 z4 L+ b5 w% L 关注民工哥技术之路微信公众号,在后台回复关键字:1024 或 2048,可以获取一份最新整理的技术干货。
0 E3 i% O+ {% Y2 A% \7 p 3 x$ l0 ~7 e3 q/ }4 i