Bei einem meiner letzen Projekte musste ich große Dateien einlesen und die Werte im Anschluss in ein Dictionary parsen. Auf der Suche nach dem einfachsten und elegantesten Weg habe ich diese Lösung hier gefunden.

list1 = ["a","b","c"]
list2 = [1, 2, 3]
dictinoary = dict(zip(list1, list2))

print(dictinoary)

>>>> {'a': 1, 'b': 2, 'c': 3}

Darum ist Python zurecht eine der besten Programmiersprachen wenn es um die Verarbeitung und Analyse von Daten geht.

Eine der größten Stärken von Python ist die umfangreiche Bibliothek. Bibliotheken sind Sätze von Routinen und Funktionen, die in einer bestimmten Sprache geschrieben sind. Ein robuster Satz von Bibliotheken kann die Arbeit von Entwicklern ungemein erleichtern, komplexe Aufgaben auszuführen, ohne viele Codezeilen umschreiben zu müssen.

Basisbibliotheken für Datenanalyse

Dies sind die grundlegenden Bibliotheken, die Python von einer universellen Programmiersprache in ein leistungsfähiges und robustes Werkzeug für die Datenanalyse und -visualisierung verwandeln. Sie werden manchmal als SciPy-Stapel bezeichnet und bilden die Grundlage für die Spezialwerkzeuge.

NumPy

Ist die grundlegende Bibliothek für wissenschaftliches Rechnen in Python, und viele der Bibliotheken in dieser Liste verwenden NumPy-Arrays als grundlegende Ein- und Ausgänge. Kurz gesagt, NumPy führt Objekte für mehrdimensionale Arrays und Matrizen ein, sowie Routinen, die es Entwicklern erlauben, erweiterte mathematische und statistische Funktionen auf diesen Arrays mit so wenig Code wie möglich auszuführen.

SciPy

Baut auf NumPy auf, indem es eine Sammlung von Algorithmen und High-Level-Befehlen zur Manipulation und Visualisierung von Daten hinzufügt. Das Paket enthält außerdem Funktionen zur numerischen Berechnung von Integralen, zur Lösung von Differentialgleichungen, Optimierung und mehr.

Pandas

Fügt Datenstrukturen und Werkzeuge hinzu, die für die praktische Datenanalyse in Finanz-, Statistik-, Sozial- und Ingenieurwissenschaften konzipiert sind. Pandas eignet sich gut für unvollständige, unordentliche und unmarkierte Daten (d. h. Für die Art von Daten, mit denen Sie wahrscheinlich in der realen Welt konfrontiert werden) und bietet Werkzeuge zum Formen, Zusammenführen, Umformen und Aufteilen von Datensätzen.

IPython

Erweitert die Funktionalität von Pythons interaktivem Interpreter um eine aufgemotzte interaktive Shell, die Introspektion, Rich Media, Shell-Syntax, Tab-Vervollständigung und Befehlsarchiv-Abruf ergänzt. Es fungiert auch als ein integrierter Interpreter für Ihre Programme, der insbesondere für das Debuggen nützlich sein kann. Wenn man jemals Mathematica oder MATLAB verwendet haben, so wird man sich mit IPython wohlfühlen.

Matplotlib

Ist die Standard-Python-Bibliothek zum Erstellen von 2D-Diagrammen und Diagrammen. Die API ist ziemlich low-level, d.h. es erdordert mehrere Befehle, um gut aussehende Graphen und Zahlen zu erzeugen im Vergleich zu einigen   fortgeschritteneren Bibliotheken. Der Vorteil ist jedoch eine größere Flexibilität. Mit genügend Befehlen kann man mit matplotlib fast jede beliebige Grafik erstellen.