新闻中心

是用python学数据挖掘好,还是用java学weka的开发好

个人感觉：Java跑得更快，在WEKA上做数据分析会更“舒服”。但python更加全面，适用性更广。

你熟悉java 就学weka， weka 一个软件连续开发20多年，及其成熟而且做到极致，很多都已经能自动化，其扩展版本甚至算法都能自己选择，极致到完全不懂的人都可以用。weka有损自以为高深的人的威严和神秘感。

如果是离线数据python会灵活一点（如设备的运维数据.）， 但如果是实现数据还是用java会快一点（如ERP， MES.自动化.）Java跑得更快，在WEKA上做数据分析会更“舒服”。但python更加全面，适用性更广。做统计挖掘算法分析的话用R，如果是其他用途建议学Python。

python数据挖掘模块大全?

python 数据挖掘常用的库太多了！主要分为以下几大类：第一数据获取：request，BeautifulSoup 第二基本数学库：numpy 第三 数据库出路 pymongo 第四 图形可视化？ matplotlib 第五 树分析基本的库 pandas 数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。

Scikit-Learn Scikit-Learn源于NumPy、Scipy和Matplotlib，是一 款功能强大的机器学习python库，能够提供完整的学习工具箱（数据处理，回归，分类，聚类，预测，模型分析等），使用起来简单。不足是没有提供神经网络，以及深度学习等模型。

scikit-learn 2010年诞生以来，scikit-learn成为了Python通用机器学习工具包。它的子模块包括：分类、回归、聚类、降维、选型、预处理等。与pandas、statsmodels和IPython一起，scikit-learn对于Python成为高效数据科学编程语言起到了关键作用。

基础的：numpy scipy pandas 作图的：matplotlib 统计包：statsmodels 主要就是上面一些。

有一本书《Python for Data Analysis》，作者是Pandas的主力开发，依次介绍了iPython， NumPy， Pandas里的相关功能，数据可视化，数据清洗和加工，时间数据处理等，案例包括金融股票数据挖掘等，相当不错。Mlpy是基于NumPy/SciPy的Python机器学习模块，它是Cython的扩展应用。

基于Python的数据挖掘 基本架构 matplotlib， 图形化 pandas，数据挖掘的关键， 提供各种挖掘分析的算法 numpy， 提供基本的统计 scipy， 提供各种数学公式 python common lib，python基本框架 环境搭建 安装python 安装pip pandas依赖的pip版本，最低是0.0。

学好c++和Python可以做数据挖掘吗?

软件开发，用python做软件是很多人正在从事的工作，不管是B/S软件，还是C/S软件，都能做。并且需求量还是挺大的。数据挖掘，python可以制作出色的爬虫工具来进行数据挖掘，而在很多的网络公司中数据挖掘的岗位也不少。

想学的话，当然是可以学习的。python是一门语法优美的编程语言，不仅可以作为小工具使用提升我们日常工作效率，也可以单独作为一项高新就业技能！python可以做的事情：软件开发：用python做软件是很多人正在从事的工作，不管是B/S软件，还是C/S软件，都能做。

你能想象用一下午时间实现从0开始一个简单的搜索引擎吗？C++显然是不行的。你的大部分时间都将花在实现基本数据结构和调试语言错误上。而用python，你要做的就是真正理解搜索算法，之后的实现真的很简单。我 觉得用python很适合算法研究，不仅仅是数据挖掘。

学Python能从事大数据分析。Python在数据分析方面有天然优势，比Java更有效率，具有庞大而活跃的科学计算生态，在数据分析、交互、可视化方面有相当完善和优秀的库。Python是数据分析的主流语言之一，可以应用于Web和Internet开发、科学计算和统计、人工智能、桌面界面开发、软件开发、后端开发、网络爬虫等领域。

数据分析用python还是r语言

1、Python和R语言在数据分析和数据挖掘方面都拥有专业的模块和全面的用法，包括矩阵运算和向量运算等。 Python和R语言都适用于Linux和Windows平台，并且代码的可移植性很强。 Python和R语言与MATLAB和minitab等常用数学工具相似。

2、Python在整体实用性和应用领域上更优于R语言。 应用领域差异：Python和R语言在应用领域上有明显差异。Python的应用范围非常广泛，例如Web开发、数据分析、机器学习、自动化脚本等领域。而R语言主要被用于统计分析和数据可视化。

3、Python与R对比速度更快，Python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。

4、Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。任务不同 在进行探索性统计分析时，R胜出。它非常适合初学者，统计模型仅需几行代码即可实现。Python作为一个完整而强大的编程语言，是部署用于生产使用的算法的有力工具。

Python学数据挖掘,要数学好吗?

1、建议你要学一点数学。不管是分类聚类回归推荐等等各种算法总归是要有数学基础才能够理解的，有点数学底子，结果解释你也可以很有底气，python虽然很多包是可以移植的，结果也都能出，但是要是准确还是需要自己去def的所以你要是想在这个行业做的好的话，数学不能说一定要太好，但至少不能太差。

2、学数据挖掘需要以下基础： 学好各项数学基础课，主要就是线性代数，概率论、统计学等。 程序语言，比如 c++/java 和 python，再加个matlab之类的方便应用的语言。 会一些机器学习的课程，了解这个领域具体在研究的东西，看点公开课或者书籍。 英语基础好，基本读写能力可以。

3、大数据技术需要数学好 拓展知识：数据科学与大数据技术专业对数学要求较高，一般人经过学习能够掌握相关知识和技能。该专业主要研究计算机科学和大数据处理技术等领域。从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）出发，解决实际问题。

4、而对于数据挖掘工程师，除了统计学以外，各类算法也需要熟练使用，对数学的要求是最高的。所以数据分析并非一定要数学能力非常好才能学习，只要看你想往哪个方向发展，数据分析也有偏“文”的一面，特别是女孩子，可以往文档写作这一方向发展。

5、数据分析还是具备一定难度的，但通过系统的学习，大部分人能够掌握一定的数据分析知识。数据分析的核心并不是编程语言，而是算法设计，不论是采用统计学的分析方式还是机器学习的分析方式，算法设计都是数据分析的核心问题。所以，进行数据分析要具备一定的数学基础，包括高等数学、线性代数、概率论等。

6、大学四年好好利用！学无止境！既然是数据分析那你的高等数学必须要过硬，别着急这只是你的其他学科的基础课。其次是概率与统计，这才是正科，大学那点玩意就是糊弄人的，你要多看这方面的书。这个一定要学好！线性必须要会要精通。因为数据划分是数据挖掘里最重要的一个环节。这个就是线性范畴里的了。

python纸质版图书推荐?

1、python入门与熟悉python语言。推荐《笨方法学python（learnpythonthehardway）》，这本书用非常有趣的讲述方式介绍了python的基本语法，非常适合非计算机专业作为入门书来看。数据分析与可视化。

2、如果你想要编写高质量、高效的并且易于与其他语言和工具集成的代码，《Python学习手册：第4 版》将帮助你使用Python快速实现这一点，不管你是编程新手还是Python初学者。本书是易于掌握和自学的教程，根据作者Python专家Mark Lutz的著名培训课程编写而成。

3、学习Python并不一定需要纸质书，因为网络上已经有大量的免费资源和在线文档可以供学习者使用，如官方文档、网上教程、视频课程等。当然，纸质书也有其独特的优点，比如：深入浅出的介绍：好的纸质书往往会从浅入深地介绍Python的各个方面，适合初学者学习。

4、入门级的书籍我推荐《C primer》老外写的，可能有一定难度。谭浩强的C语言程序设计是国内不错的入门书。 进阶的书包括《C缺陷与陷阱》《C专家编程》，都是老外写的。

5、C语言作为最典型的高级语言，并且对于初学者短期内难以掌握。掌握了这个语言以后，对于程序员的程序编写也会变得非常容易，越来越熟练。换句话说，这类语言给程序员一种思维模式，理解了这门语言就比较容易结合和学习别的语言，可以采用以下几个方面来学习C语言。