评论
关于 Python、R 以及 Numpy、Scipy、Pandas 的备忘单
在数据科学领域，有成千上万的包和数百个函数！一个有抱负的数据爱好者不需要了解所有内容。这里是经过头脑风暴并浓缩在几页中的最重要的备忘单。
精通数据科学涉及理解统计学、数学、编程知识，特别是在 R、Python 和 SQL 方面，然后将这些知识组合起来，通过业务理解和人类直觉来推导见解，从而驱动决策。
这里是按类别整理的备忘单：
Python 备忘单：
Python 是初学者的热门选择，同时也足够强大，能够支持一些全球最受欢迎的产品和应用。它的设计使编程体验几乎像用英语写作一样自然。Python 基础或 Python 调试器备忘单为初学者覆盖了开始时重要的语法。社区提供的库如 numpy、scipy、sci-kit 和 pandas 被广泛依赖，而 NumPy/SciPy/Pandas 备忘单提供了对这些库的快速回顾。
R 备忘单：
R 的生态系统扩展得如此之多，以至于需要大量参考。R 参考卡在几页中覆盖了大部分 R 世界。Rstudio 也发布了一系列备忘单，方便 R 社区使用。数据可视化与 ggplot2 似乎特别受欢迎，因为它有助于你在创建结果图表时。
MySQL 和 SQL 备忘单：
对于数据科学家来说，SQL 的基础知识和其他语言一样重要。PIG 和 Hive 查询语言都与 SQL（原始结构化查询语言）紧密相关。SQL 备忘单提供了一个 5 分钟的快速指南，让你学习它，然后你可以探索 Hive 和 MySQL！
Spark 备忘单：
Apache Spark 是一个用于大规模数据处理的引擎。对于某些应用场景，如迭代机器学习，Spark 的速度可以比 Hadoop（使用 MapReduce）快多达 100 倍。Apache Spark 备忘单解释了其在大数据生态系统中的位置，讲解了基本 Spark 应用的设置和创建，并解释了常用的操作和操作。
Hadoop 和 Hive 速查表：
Hadoop 作为一种非传统工具出现，它提供了一个开源软件框架，用于并行处理大量数据，解决了被认为不可解决的问题。探索 Hadoop 速查表，了解在命令行中使用 Hadoop 时的有用命令。SQL 和 Hive 函数的组合是另一个值得查看的速查表。
机器学习速查表：
我们常常花时间思考哪种算法最好？然后再翻回大部头的书籍进行参考！这些速查表给出了关于数据的性质和你正在解决的问题的想法，并建议你尝试一种算法。
-
预测分析模式
Django 速查表：
Django 是一个免费的开源 web 应用框架，用 Python 编写。如果你是 Django 新手，你可以查看这些速查表，快速了解概念，并深入学习每一个概念。
分享更多 & 学习！我们遗漏了什么吗？在评论中添加你最喜欢的备忘单吧！
相关：
-
数据科学备忘单指南
-
按人气排名前 20 的 R 包
-
大数据与 Hadoop 中最具影响力的 150 人