手把手 | 两种数据科学编程中的思维模式（附代码）

大数据文摘授权转载自数据派THU数据科学的完整流程一般包含以下几个组成部分：数据收集数据清洗数据探索和可视化统计或预测建模虽然这些组成部分有助于我们理解数据科学的不同阶段，但对于编程工作流并无助益。通常而言，在同一个文件中覆盖完整的流程将会导致Jupyter Notebook、脚本变成一团乱麻。此外，大多数的数据科学问题都要求我们在数据收集、数据清洗、数据探索、数据可视化和统计／预测建模中切换。但是还存在更好的方法来组织我们的代码！在这篇博客中，我将介绍大多数人在做数据科学编程工作的时候切换的两套思维模式：原型思维模式和生产流思维模式。原型思维模式强调生产流思维模式强调某部分代码的迭代速度整体工作流程的迭代速度更 ………………………………