Если вы хотите освоить или даже просто использовать анализ данных, Python место, чтобы сделать это. Python прост в освоении, у него обширная и глубокая поддержка, и почти все библиотеки науки о данных и фреймворк машинного обучения там есть интерфейс Python.

За последние несколько месяцев несколько проектов по обработке и анализу данных для Python выпустили новые версии с основными обновлениями функций. Некоторые из них посвящены фактическому вычислению чисел; другие упрощают для Pythonistas написание быстрого кода, оптимизированного для этих задач.

Основы науки о данных Python: SciPy 1.7

Пользователи Python, которым нужна быстрая и мощная математическая библиотека, могут использовать NumPy, но сам по себе NumPy не очень ориентирован на задачи. SciPy использует NumPy для предоставления библиотек для общих задач программирования, ориентированных на математику и науку, от линейной алгебры до статистической работы и обработки сигналов.

Как SciPy помогает в науке о данных

SciPy уже давно используется для предоставления удобных и широко используемых инструментов для работы с математикой и статистикой. Но долгое время у него не было надлежащего выпуска 1.0, хотя у него была сильная обратная совместимость между версиями.

По словам основного разработчика Ральфа Гоммерса, спусковым механизмом для перехода проекта SciPy к версии 1.0 было в основном объединение методов управления и управления проектом. Но он также включал процесс непрерывной интеграции для сборок MacOS и Windows, а также надлежащую поддержку предварительно созданных двоичных файлов Windows. Эта последняя функция означает, что пользователи Windows теперь могут использовать SciPy, не прыгая через дополнительные обручи.

С момента выпуска SciPy 1.0 в 2017 году в рамках проекта было выпущено семь основных выпусков со многими улучшениями: