125. IPython/ Jupyter
- 类型:第三方库
- 描述:IPython 是一个基于Python 的交互式shell,比默认的Python shell 好用得多,支持变量自动补全、自动缩进、交互式帮助、魔法命令、系统命令等,内置了许多很有用的功能和函数。从IPython4.0开始,IPython衍生出了IPython和Jupyter两个分支。在该分支正式出现之前,IPython其实已经拥有了ipython notebook功能,因此,Jupyter更像是一个ipython notebook的升级版。
- 推荐度:★★★
126. Elpy
- 类型:第三方库
- 描述:Elpy是Emacs用于Python的开发环境,它结合并配置了许多其他软件包,它们都是用Emacs Lisp和Python编写的
- 推荐度:★★
127. PTVS
- 类型:第三方库
- 描述:Visual Studio 的 Python 工具
- 推荐度:★★
128. PyCharm
- 类型:外部工具
- 描述:PyCharm带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制并可集成IPython、系统终端命令行等,在PyCharm里几乎就可以实现所有有关Python工作的全部过程
- 推荐度:★★★
129. LiClipse
- 类型:外部工具
- 描述:LiClipse是基于Eclipse的免费多语言 IDE,通过其中的PyDev可支持 Python开发应用
- 推荐度:★★
130. Spyder
- 类型:外部工具
- 描述:Spyder是一个开源的Python IDE,由IPython和众多流行的Python库的支持,是一个具备高级编辑、交互式测试、调试以及数字计算环境的交互式开发环境
- 推荐度:★★
其他Python协同数据工作工具指除了上述主题以外,其他在数据工作中常用的工具或库。
131. tesseract-ocr
- 类型:外部工具
- 描述:这是一个Google支持的开源OCR图文识别项目,支持超过200种语言(包括中文),并支持自定义训练字符集,支持跨Windows、Linux、Mac OSX 多平台使用
- 推荐度:★★★
132. RPython
- 类型:第三方库
- 描述:R集成库
- 推荐度:★★★
133. Rpy2
- 类型:第三方库
- 描述:Python连接R的库
134. matpython
- 类型:第三方库
- 描述:MATLAB集成库
- 推荐度:★★★
135. Lunatic Python
- 类型:第三方库
- 描述:Lua集成库
- 推荐度:★★
136. PyCall.jl
- 类型:第三方库
- 描述:Julia集成库
- 推荐度:★★
137. PySpark
- 类型:第三方库
- 描述:Spark提供的Python API
- 推荐度:★★★
138. dumbo
- 类型:第三方库
- 描述:这个模块可以让Pythoner轻松的编写和运行 Hadoop 程序,程序版本比较早,可以作为参考
- 推荐度:★★
139. dpark
- 类型:第三方库
- 描述:Python对Spark的克隆版本,类MapReduce框架
- 推荐度:★★
140. streamparse
- 类型:第三方库
- 描述:Streamparse允许通过Storm对实时数据流运行Python代码
- 推荐度:★★★
关于作者:宋天龙,大数据技术专家,触脉咨询合伙人兼副总裁,前Webtrekk中国区技术和咨询负责人(Webtrekk,德国的在线数据分析服务提供商)。擅长数据挖掘、建模、分析与运营,精通端到端数据价值场景设计、业务需求转换、数据结构梳理、数据建模与学习以及数据工程交付。
本文摘编自《Python数据分析与数据化运营》(第2版),经出版方授权发布。
延伸阅读《Python数据分析与数据化运营》(第2版)
推荐语:这是一本将数据分析技术与数据使用场景深度结合的著作,从实战角度讲解了如何利用Python进行数据分析和数据化运营。本书与同类书大的不同在于,并不只有纯粹的关于数据分析技术和工具的讲解,而且还与数据使用场景深度结合,在业务上真正可指导落地。