9 @! d; a* ~" l# z, A
* E6 p; P. j9 j. x1 S9 y4 P; E 源 / SegmentFault /作者「张京」
# [4 Q+ M( |% i4 w
Jupyter
7 m6 S! w1 G2 [ 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。
: Z1 `' Q1 h9 b) i
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。
8 Q7 T" B: }( o+ I! S' I; c$ ]
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。
8 U4 c4 N" S6 ^( R# s
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- ]2 T$ P& ]
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。
: L# l% U9 A$ p8 @( |. l
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。
- `. ]4 }: l! z
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。
& t% o6 b; [6 \3 Y) Y: m
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。
* W0 R9 S" |+ g$ _9 j
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。
. p. F) |' k" w7 F
Pandas
0 V# v. Y4 M/ F) G; M6 T5 L 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?
7 K L0 C6 I" M- Y( Z* s0 s3 ]- J
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。
+ Z3 a0 N# Z9 r/ E2 X- X$ C' W6 v6 B+ K
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 )
4 J" d9 I( Y' N8 \5 d% g/ R 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。
! q c, k4 e# Z }
所以有这样强大的库,研究人员有什么理由选择Java?
2 h+ Y$ j9 r5 ?4 a0 G, s: H# g
scikit-learn
# H; ~( F) b! S- Y B
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)。
' e2 v; k7 l9 [
' e0 ?- t a# ^7 s N2 P
简而言之,只有你想不到,没有它做不到。
# \/ N$ T6 Z7 ~* R$ o% Y
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?
- A5 p& w: ?) w8 k2 M4 X matplotlib
5 f$ ?6 C0 B5 g8 Z6 ~: Z% S 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?
7 f/ x; q6 _- z# ^7 ~1 r, R& r( e7 N4 N
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。
+ [' c: M4 L! ]$ e+ s' [' |
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。
! Y0 u( ]8 A/ ]. \+ M, h 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。
( p" R+ l% i) n7 H! R' F
安装Basemap
; ]- k3 e3 S( F4 K1 d v7 h3 _
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。
0 }2 {& [0 d+ p( W 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
3 m$ G( B; s7 F) i pip3 install https://github.com/matplotlib/basemap/archive/v1.1.0.tar.gz
0 {+ ^/ P3 A2 ^6 Q' r) u/ B9 |2 l
开始画图
8 \9 e8 M5 U$ L" @2 y- O' k 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
% j, l" P) R! c9 ]( b. w3 r
from mpl_toolkits.basemap import Basemap
1 @8 i! q* p1 E! U. l) Q$ g6 b4 a
plt.figure(figsize=(16,8))
- U& V: ] h9 a, ]7 _; [$ m; O
m = Basemap()
- X& s. U [& e1 M- r& r' X. I) X m.drawcoastlines()
: ]& \; K$ C, C- B1 X* J+ e) B plt.show()
5 s k' l& X3 E& _/ g 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:
" G4 D: }- {; ~( z: e2 p
/ \, ~. q; k# g- e l 你用Java的4行代码画一个地图出来?
- e6 {; W( l8 W/ F7 R! f 然后我们开始画上国家,又是1行代码:
m.drawcountries(linewidth=1.5)
6 J1 }, G, a5 X3 h2 u! S 就变成了这样:
6 F* k9 S7 ]2 ~& R4 E! {
8 N3 }/ _, I. u2 _+ g 用Java可能吗?用PHP可能吗?
* U9 J* x6 Y- @: N2 L$ Q& o7 ] 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)
4 ]' L& D: @$ u% j 然后就得到了中国地图:
; d, d; C8 j! D* z8 p! h6 s, ^
) \' J; B/ x8 o* y( ]. J 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)
2 s3 U9 l' I0 b6 B+ w! x. h" t& ?
这次终于看上去比较正常了:
; _( J+ `( x% U [- z' j
Z$ T& F7 L: J5 G2 G* Q5 X
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。
! x' J. n+ F/ E6 k' q% S0 N$ j
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:
" S/ A) }3 z2 \3 D: G3 E3 W
m.readshapefile( CHN_adm_shp/CHN_adm1 , states , drawbounds=True)
8 G; r/ `1 I, I+ o7 H
然后就得到了下图:
# l" b( m! t4 v! W' j$ ?) v4 H
/ O, ~8 w6 e/ @7 U( _) [ 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。
# R& f! c( j* Z6 }3 E 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。
$ u' G4 i+ q, h0 c
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。
3 @; G" s' J/ l# g- z
补充:
5 g$ |0 d2 a) b" g) v0 u( U
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。
0 |7 s! k9 e9 p' J
% B- ^2 X! b1 r" d5 _* o% d, S6 l1 i- ] ▲
4 C$ b+ F, D' }. \, S$ x+ `: b7 P END
! N3 k- C/ Y- V& Q
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。
$ |* ~( n) {* Q. l
6 }. z/ }* Z2 D" @