如果你有志于做一個數據專家棺棵，你就應該保持一顆好奇心，總是不斷探索熄捍，學習烛恤，問各種問題。在線入門教程和視頻教程能幫你走出第一步余耽，但是最好的方式就是通過熟悉各種已經在生產環(huán)境中使用的工具而為成為一個真正的數據專家做好充分準備缚柏。
當你在找第一份工作的時候，你曾經投入的時間而獲得的對工具的深入理解將會使你有更大的優(yōu)勢宾添。下面就了解它們一下吧：
1船惨、IPython
IPython 是一個在多種編程語言之間進行交互計算的命令行 shell柜裸，最開始是用 python 開發(fā)的，提供增強的內省粱锐，富媒體疙挺，擴展的 shell 語法，tab 補全怜浅，豐富的歷史等功能铐然。IPython 提供了如下特性:
更強的交互 shell(基于 Qt 的終端)
一個基于瀏覽器的記事本，支持代碼恶座，純文本搀暑，數學公式，內置圖表和其他富媒體
支持交互數據可視化和圖形界面工具
靈活跨琳，可嵌入解釋器加載到任意一個自有工程里
簡單易用自点，用于并行計算的高性能工具
2、GraphLab Greate
GraphLab Greate 是一個 Python 庫脉让，由 C++ 引擎支持桂敛，可以快速構建大型高性能數據產品。
這有一些關于 GraphLab Greate 的特點：
可以在您的計算機上以交互的速度分析以 T 為計量單位的數據量溅潜。
在單一平臺上可以分析表格數據术唬、曲線、文字滚澜、圖像粗仓。
最新的機器學習算法包括深度學習，進化樹和 factorization machines 理論设捐。
可以用 Hadoop Yarn 或者 EC2 聚類在你的筆記本或者分布系統上運行同樣的代碼借浊。
借助于靈活的 API 函數專注于任務或者機器學習。
在云上用預測服務便捷地配置數據產品萝招。
為探索和產品監(jiān)測創(chuàng)建可視化的數據巴碗。
3、Pandas
pandas 是一個開源的軟件即寒，它具有 BSD 的開源許可，為 Python 編程語言提供高性能召噩，易用數據結構和數據分析工具母赵。在數據改動和數據預處理方面，Python 早已名聲顯赫具滴，但是在數據分析與建模方面凹嘲，Python 是個短板。Pands 軟件就填補了這個空白构韵，能讓你用 Python 方便地進行你所有數據的處理周蹭，而不用轉而選擇更主流的專業(yè)語言趋艘，例如 R 語言。
整合了勁爆的 IPyton 工具包和其他的庫凶朗，它在 Python 中進行數據分析的開發(fā)環(huán)境在處理性能瓷胧，速度，和兼容方面都性能卓越棚愤。Pands 不會執(zhí)行重要的建模函數超出線性回歸和面板回歸;對于這些搓萧，參考 statsmodel 統計建模工具和 scikit-learn 庫。為了把 Python 打造成頂級的統計建模分析環(huán)境宛畦，我們需要進一步努力瘸洛，但是我們已經奮斗在這條路上了。
4次和、PuLP
線性編程是一種優(yōu)化反肋，其中一個對象函數被最大程度地限制了。PuLP 是一個用 Python 編寫的線性編程模型踏施。它能產生線性文件石蔗，能調用高度優(yōu)化的求解器，GLPK读规，COIN CLP/CBC抓督，CPLEX，和GUROBI束亏，來求解這些線性問題铃在。
在此我向大家推薦一個大數據開發(fā)交流圈：658558542? ? （?點擊即可加入群聊）里面整理了一大份學習資料，全都是些干貨碍遍，包括大數據技術入門定铜，大數據離線處理、數據實時處理怕敬、Hadoop 揣炕、Spark、Flink东跪、推薦系統算法以及源碼解析等畸陡，送給每一位大數據小伙伴，讓自學更輕松虽填。這里不止是小白聚集地丁恭，還有大牛在線解答！歡迎初學和進階中的小伙伴一起進群學習交流，共同進步！
5抄瑟、Matplotlib
matplotlib 是基于 Python 的 2D(數據)繪圖庫吹埠，它產生(輸出)出版級質量的圖表植康，用于各種打印紙質的原件格式和跨平臺的交互式環(huán)境衬吆。matplotlib 既可以用在 python 腳本, python 和 ipython 的 shell 界面 (ala MATLAB? 或 Mathematica?)某筐，web 應用服務器雹嗦，和6類 GUI 工具箱庸毫。
matplotlib 嘗試使容易事情變得更容易仔拟，使困難事情變?yōu)榭赡堋Ｄ阒恍枰倭繋仔写a岔绸，就可以生成圖表理逊，直方圖，能量光譜(power spectra)盒揉，柱狀圖晋被，errorcharts，散點圖(scatterplots)等,刚盈。
為簡化數據繪圖羡洛，pyplot 提供一個類 MATLAB 的接口界面，尤其是它與 IPython 共同使用時藕漱。對于高級用戶欲侮，你可以完全定制包括線型，字體屬性肋联，坐標屬性等威蕉，借助面向對象接口界面，或項 MATLAB 用戶提供類似(MATLAB)的界面橄仍。
6韧涨、Scikit-Learn
Scikit-Learn 是一個簡單有效地數據挖掘和數據分析工具(庫)。關于最值得一提的是侮繁，它人人可用虑粥，重復用于多種語境。它基于 NumPy宪哩，SciPy 和 mathplotlib 等構建娩贷。Scikit 采用開源的 BSD 授權協議，同時也可用于商業(yè)锁孟。Scikit-Learn 具備如下特性:
分類(Classification) – 識別鑒定一個對象屬于哪一類別
回歸(Regression) – 預測對象關聯的連續(xù)值屬性
聚類(Clustering) – 類似對象自動分組集合
降維(Dimensionality Reduction) – 減少需要考慮的隨機變量數量
模型選擇(Model Selection) –比較彬祖、驗證和選擇參數和模型
預處理(Preprocessing) – 特征提取和規(guī)范化
7、Spark
Spark 由一個驅動程序構成品抽，它運行用戶的 main 函數并在聚類上執(zhí)行多個并行操作涧至。Spark 最吸引人的地方在于它提供的彈性分布數據集(RDD)，那是一個按照聚類的節(jié)點進行分區(qū)的元素的集合桑包，它可以在并行計算中使用。RDDs 可以從一個 Hadoop 文件系統中的文件(或者其他的 Hadoop 支持的文件系統的文件)來創(chuàng)建纺非，或者是驅動程序中其他的已經存在的標量數據集合哑了，把它進行變換赘方。用戶也許想要 Spark 在內存中永久保存 RDD，來通過并行操作有效地對 RDD 進行復用弱左。最終窄陡，RDDs 無法從節(jié)點中自動復原。
Spark 中第二個吸引人的地方在并行操作中變量的共享拆火。默認情況下跳夭，當 Spark 在并行情況下運行一個函數作為一組不同節(jié)點上的任務時，它把每一個函數中用到的變量拷貝一份送到每一任務们镜。有時币叹，一個變量需要被許多任務和驅動程序共享。Spark 支持兩種方式的共享變量：廣播變量模狭，它可以用來在所有的節(jié)點上緩存數據颈抚。另一種方式是累加器，這是一種只能用作執(zhí)行加法的變量嚼鹉，例如在計數器中和加法運算中贩汉。
感謝您的觀看，如有不足之處锚赤，歡迎批評指正匹舞。最后祝福所有遇到瓶頸的大數據程序員們突破自己，祝福大家在往后的工作與面試中一切順利线脚。
