许许多多的人都非常容易爱上Python这门语言。自从1991年诞生以来，Python现在已经成为最受欢迎的动态编程语言之一，尤其进入21世纪以来，Python在行业应用和学术研究中进行科学计算的势头也越来越迅猛。

                                                                                                      ——《Python for Data Analysis》（Wes Mckinney）

Python不仅在编程方面有强大的实力，而且由于不断改进的第三方库，Python在数据处理方面也越来越突出；近年来，非常火爆的机器学习(Machine Learning)以及前沿的自然语言处理(Natural Language Processing)也选择Python作为基础工具。所以要想在数据科学领域有所进步的话，了解学习Python看来还是有所必要的。

本文通过简单案例，分享Python在数据处理方面的实际应用，属于基础学习范畴，希望刚刚接触Python学习的新手们能通过应用去解决实际问题从而巩固掌握Python操作，在这里与大家相互学习，也希望大神们轻拍：）

Without further ado，lets get started！

#进入正题#

本文使用Python2.7版本，操作在集成开发坏境Spyder中进行；选择的数据集，是大名鼎鼎的鸢尾花数据集iris.csv，数据集网上公开请自行下载！

1. 数据集截图如下图1：

该数据集包含数据有150行*5列。前4列分别是：花萼的长度、宽度，花瓣的长度、宽度；最后一列是花的分类，总共分3类。

图1.iris数据集截图

2. 读入数据，代码如下：

输出结果如下：

Python通过pandas库，读入数据，注意读取时文件路径的填写，需用“\\”或者“/”符号。同时，Python面向对象编程，shape及head函数建立在iris数据框对象之上，这与R语言不同，R语言更加“函数化”，dim及head等函数都是内置函数。

3. 描述性统计，代码如下：

输出结果如下：

从输出结果中可以看到每列数据的平均值等统计数值，较简单不多说。

输出结果如下：

在Python中利用sklearn库中的cluster.Kmeans对irisFeatures进行聚类分析，并输出聚类结果。

5.决策树模型，代码如下：