5.5 KiB
面向社会科学家的 Python
Python 是社会科学家中越来越流行的数据分析工具。在许多已经成熟的库的支持下，R 和 Stata 用户越来越多地转向 Python，以便在不牺牲这些老程序多年来积累的功能的情况下利用 Python 的美丽、灵活和性能。
但是，尽管 Python 提供了很多东西，但现有的 Python 资源并不总是很适合社会科学家的需求。考虑到这一点，我最近创建了一个新资源——www.data-analysis-in-python.org(DAP)——专门为社会科学家 Python 用户的目标和愿望量身定制。
然而，这个网站并不是一套新的教程——世界上有比足够多的 Python 教程还要多的 T2 教程。更确切地说，该网站的目的是管理和注释现有资源，并为用户提供关注哪些主题和跳过哪些主题的指导。
为什么是社会科学家的网站？
社会科学家——事实上，大多数数据科学家——花费大部分时间试图将个体的、特殊的数据集整合成运行统计分析所需的形状。这使得大多数社会科学家使用 Python 的方式与大多数软件开发人员使用 Python 的方式有着根本的不同。
社会科学家主要对编写执行一系列命令(记录变量、合并数据集、解析文本文档等)的相对简单的程序(脚本)感兴趣。)将他们的数据整理成他们可以分析的形式。因为他们通常为特定的、特殊的应用程序和数据集编写脚本，他们通常不会专注于编写具有大量抽象的代码。
换句话说，社会科学家倾向于主要对学习如何有效地使用现有工具感兴趣，而不是开发新工具。
正因为如此，学习 Python 的社会科学家在技能发展方面比软件开发人员有着不同的优先权。然而，大多数在线教程是为开发人员或计算机科学学生编写的，所以 DAP 的目的之一是为社会科学家提供一些指导，让他们知道在早期培训中应该优先考虑的技能。特别是， DAP 建议:
立即需要:
- 数据类型:整数、浮点数、字符串、布尔值、列表、字典和集合(元组是可选的)
- 定义函数
- 写循环
- 理解可变和不可变数据类型
- 操作字符串的方法
- 导入第三方模块
- 阅读和解释错误
你在某个时候会想知道，但不是马上就要知道的事情:
- 高级调试工具(如 pdb
- 文件输入/输出(您将使用的大多数库都有工具来简化这一过程)
不需要:
- 定义或编写类
- 了解异常
熊猫
今天，大多数实证社会科学仍然围绕表格数据组织，这意味着数据在每一列中以不同的变量呈现，在每一行中以不同的观察值呈现。因此，当许多使用 Python 的社会科学家在 Python 入门教程中找不到表格数据结构时，他们会感到有些困惑。为了解决这一困惑，DAP 尽最大努力尽快向用户介绍熊猫图书馆，提供教程链接和一些关于注意陷阱的提示。
pandas 库复制了社会科学家习惯于在 Stata 或 R 中发现的许多功能——数据可以用表格格式表示，列变量可以很容易地标记，不同类型的列(如 floats 和 strings)可以组合在同一个数据集中。
熊猫也是社会科学家可能使用的许多其他工具的门户，如图形库( seaborn 和 ggplot2 )和 statsmodels 计量经济学库。
按研究领域分类的其他图书馆
虽然所有希望使用 Python 的社会科学家都需要理解核心语言，并且大多数人都希望熟悉pandas，但是 Python 生态系统充满了特定于应用程序的库，这些库只对一部分用户有用。考虑到这一点，DAP 提供了图书馆的概述，以帮助在不同主题领域工作的研究人员，以及最佳使用材料的链接，以及相关注意事项的指导:
- 网络分析 : iGraph
- 文本分析 : NLTK，如果需要的话还有 coreNLP
- 计量经济学:统计模型
- 绘图 : ggplot 和 seaborn
- 大数据 : dask 和 pyspark
- 地理空间分析 : arcpy 或 geopandas
- 让代码更快:iPython(用于评测)和 numba(用于 JIT 编译)
想参与进来吗？
这个网站是年轻的，所以我们渴望尽可能多的内容和设计的投入。如果你有这方面的经验，你想分享请给我发一封的电子邮件或者在 Github 上发一条的评论。
这是范德比尔特大学民主制度研究中心的博士后尼克·尤班克的客座博文*