1. 数据分析开源项目有哪些
1. OpenRefine
这是一款高人气数据分析工具，适用于各类与分析相关的任务。这意味着即使大家拥有多川不同数据类型及名称，这款工具亦能够利用其强大的聚类算法完成条目分组。在聚类完成后，分析即可开始。
2. Hadoop
大数据与Hadoop可谓密不可分。这套软件库兼框架能够利用简单的编程模型将大规模数据集分发于计算机集群当中。其尤为擅长处理大规模数据并使其可用于本地设备当中。作为Hadoop的开发方，Apache亦在不断强化这款工具以提升其实际效果。
3. Storm
同样来自Apache的Storm是另一款伟大的实时计算系统，能够极大强化无限数据流的处理效果。其亦可用于执行多种其它与大数据相关的任务，具体包括分布式RPC、持续处理、在线机器学习以及实时分析等等。使用Storm的另一大优势在于，其整合了大量其它技术，从而进一步降低大数据处理的复杂性。
4. Plotly
这是一款数据可视化工具，可兼容JavaScript、MATLAB、Python以及R等语言。Plotly甚至能够帮助不具备代码编写技能或者时间的用户完成动态可视化处理。这款工具常由新一代数据科学家使用，因为其属于一款业务开发平台且能够快速完成大规模数据的理解与分析。
5. Rapidminer
作为另一款大数据处理必要工具，Rapidminer属于一套开源数据科学平台，且通过可视化编程机制发挥作用。其功能包括对模型进行修改、分析与创建，且能够快速将结果整合至业务流程当中。Rapidminer目前备受瞩目，且已经成为众多知名数据科学家心目中的可靠工具。
6. Cassandra
Apache Cassandra 是另一款值得关注的工具，因为其能够有效且高效地对大规模数据加以管理。它属于一套可扩展NoSQL数据库，能够监控多座数据中心内的数据并已经在Netflix及eBay等知名企业当中效力。
7. Hadoop MapReduce
这是一套软件框架，允许用户利用其编写出以可靠方式并发处理大规模数据的应用。MapReduce应用主要负责完成两项任务，即映射与规约，并由此提供多种数据处理结果。这款工具最初由谷歌公司开发完成。
2. 开源的数据
Infobright和InfiniDB社区版。还有LucidDB和MonetDB。大数据量上Infobright好,但是社区版不支持数据修改。如果数据量不大MonetDB非常好。
3. 数据分析项目源码
许多开发者都有定期浏览GitHub的习惯，对于GitHub上如此众多的项目，有人不断分享，有人不断Mark。每个人浏览的时候，都会注意到Star的数量，它代表着这个项目的热度，我盘点GitHub上Python语言中最火的15个开源项目。希望对你有帮助，排名如下：
1、机器学习系统 tensorflow
https://github.com/tensorflow/tensorflowStar 68481
Google的TensorFlow是最流行的开源AI库之一。它的高计算效率，丰富的开发资源使它被企业和个人开发者广泛采用。TensorFlow是一个采用数据流图，用于数值计算的开源软件库。TensorFlow最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
2、oh-my-zsh
https://github.com/robbyrussell/oh-my-zshStar 58473
oh-my-zsh是基于zsh的功能做了一个扩展，方便的插件管理、主题自定义，以及漂亮的自动完成效果。Zsh和bash一样，是一种Unix shell，但大多数Linux发行版本都默认使用bash shell。但Zsh有强大的自动补全参数、文件名、等功能和强大的自定义配置功能。
3、命令行HTTP工具包 httpie
https://github.com/jakubroztocil/httpieStar 31248
HTTPie是一个命令行HTTP客户端，提供命令行交互方式来访问HTTP服务。其目标是使CLI与Web服务的交互尽可能人性化。它提供了一个简单的http命令，允许使用简单自然的语法发送任意HTTP请求。
4、shell命令行拓展 thefuck
https://github.com/nvbn/thefuckhttps://github.com/nvbn/thefuckStar 30532
首先这个项目的名字就很引人注目，取名为thefuck的原因是任何情况下你想说“我操”，你都可以用得到thefuck。theFuck是一个高可配置的应用，用户可以开启或关闭规则、配置UI、设置规则选项还有进行其他的操作。Fuck的UI很简单，它允许用户通过（上下）箭头的方式在修正过的命令列表中进行选择，使用Enter来确认选择，Ctrl+C来跳出程序。不足的是在Python标准库中没有办法在非Windows下不通过curses来读取键盘输入。
5、微型Python框架 Flask
https://github.com/pallets/flaskStar 29399
Flask是一个微型的Python开发的Web框架，基于Werkzeug WSGI工具箱和Jinja2 模板引擎。Flask使用BSD授权。Flask也被称为“microframework”，因为它使用简单的核心，用extension增加其他功能。Flask没有默认使用的数据库、窗体验证工具。然而，Flask 保留了扩增的弹性，可以用Flask-extension加入这些功能：ORM、窗体验证工具、文件上传、各种开放式身份验证技术。
6、Python Web框架 Django
https://github.com/django/djangoStar 27899
Django是 Python 编程语言驱动的一个开源模型-视图-控制器（MVC）风格的Web 应用程序框架。但是在Django中，控制器接受用户输入的部分由框架自行处理，所以 Django里更关注的是模型(Model)、模板(Template)和视图(Views)，称为MTV模式。使用 Django，我们在几分钟之内就可以创建高品质、易维护、数据库驱动的应用程序。
7、jQuery-File-Upload
https://github.com/blueimp/jQuery-File-UploadStar 27398
jQuery File Upload是一个jQuery图片上传组件，支持多文件上传、取消、删除，上传前缩略图预览、列表显示图片大小，支持上传进度条显示；支持各种动态语言开发的服务器端。
8、Python的HTTP客户端库 requests
https://github.com/requests/requestsStar 27210
requests是Python的一个HTTP客户端库，跟urllib，urllib2类似，那为什么要用 requests而不用urllib2呢？以为Python的标准库urllib2提供了大部分需要的HTTP功能，但是API太逆天了，一个简单的功能就需要一大堆代码。 看了requests的文档，确实很简单，尤其适合懒人。
9、计算机系统配置管理器 ansible
https://github.com/ansible/ansibleStar 25132
Ansible 提供一种最简单的方式用于发布、管理和编排计算机系统的工具，你可在数分钟内搞定。Ansible是一个模型驱动的配置管理器，支持多节点发布、远程任务执行。默认使用SSH进行远程连接。无需在被管理节点上安装附加软件，可使用各种编程语言进行扩展。
10、Web 爬虫框架 scrapy
https://github.com/scrapy/scrapyStar 22407
Scrapy是Python开发的一个快速,高层次的屏幕抓取和Web抓取框架，用户只需要定制开发几个模块就可以轻松的实现一个爬虫，用来抓取网页内容以及各种图片，非常之方便。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。它也提供了多种类型爬虫的基类，如BaseSpider、sitemap爬虫等。
11、Python 的机器学习项目 scikit-learn
https://github.com/scikit-learn/scikit-learnStar 20908
scikit-learn是一个Python的机器学习项目。是一个简单高效的数据挖掘和数据分析工具。基于NumPy、SciPy和matplotlib 构建。基于BSD源许可证。scikit-learn的基本功能主要被分为六个部分，分类，回归，聚类，数据降维，模型选择，数据预处理。
12、神经网络库 keras
https://github.com/fchollet/kerasStar 19132
Keras是一个极简的、高度模块化的神经网络库，采用Python（Python 2.7-3.5.）开发，能够运行在TensorFlow和Theano任一平台，好项目旨在完成深度学习的快速开发。keras的几大特点：文档齐全、上手快速、纯Python编写、关注度高更新迅速、论坛活跃、就是运行速度不太快，当有的人就是不care速度。
13、Web服务器 Tornado
https://github.com/tornadoweb/tornadoStar14178
Tornado是使用Python开发的全栈式（full-stack）Web框架和异步网络库，最早由 Friendfeed开发。通过使用非阻塞 IO，Tornado可以处理数以万计的开放连接，是long polling、WebSockets和其他需要为用户维护长连接应用的理想选择。Tornado跟其他主流的Web服务器框架（主要是Python框架）不同是采用epoll非阻塞IO，响应快速，可处理数千并发连接，特别适用用于实时的Web服务。
14、Python解释器 CPython
https://github.com/python/cpythonStar 12609
CPython是用C语言实现的Python解释器，也是官方的并且是最广泛使用的Python解释器。除了CPython以外，还有用JAVA实现的Jython和用.NET实现的IronPython，使Python方便地和JAVA程序、.NET程序集成。另外还有一些实验性的Python解释器比如PyPy。
CPython是使用字节码的解释器，任何程序源代码在执行之前先要编译成字节码。它还有和几种其它语言（包括C语言）交互的外部函数接口。
15、工具包 CNTK
https://github.com/Microsoft/CNTKStar 12225
来自微软公司的CNTK工具包的效率，“比我们所见过的都要疯狂”。 这部分归功于 CNTK可借助图形处理单元（GPU）的能力，微软自称是唯一公开“可扩展GPU”功能的公司。（从单机上的1个、延伸至超算上的多个）在与该公司的网络化GPU系统（称之为Azure GPU Lab）匹配之后，它将能够训练深度神经网络来识别语音，让Cortana 虚拟助理的速度达到以前的十倍。 去年4月的时候，CNTK就已经面向研究人员开放，只是当时的开源授权限制颇多。不过现在，它已经彻底开放了，而深度学习的初创者们将最为受益。
以上就是我盘点GitHub上Python语言中最火的15个开源项目。希望能帮到大家！
4. 数据分析开发是什么
我认为数据分析比较适合女生，因为女生比较有细心和耐心。
5. python数据分析开源项目
Python作为一个整体可以用于任何软件开发领域。下面来看看Python可以应用在哪些领域的开发。
基于控制台的应用程序
基于音频或视频的应用程序
3D CAD应用程序
.Web应用程序
企业级应用
图像应用
python该如何学习？
1.起步阶段
任何一种编程语言都包含两个部分：硬知识和软知识，起步阶段的主要任务是掌握硬知识。
（1） 硬知识
“硬知识”指的是编程语言的语法、算法和数据结构、编程范式等，例如：变量和类型、循环语句、分支、函数、类。这部分知识也是具有普适性的，看上去是掌握了一种语法，实际是建立了一种思维。例如：让一个 Java 程序员去学习 Python，他可以很快的将 Java 中的学到的面向对象的知识 map 到 Python 中来，因此能够快速掌握 Python 中面向对象的特性。
如果你是刚开始学习编程的新手，一本可靠的语法书是非常重要的。它看上去可能非常枯燥乏味，但对于建立稳固的编程思维是必不可少。
下面列出了一些适合初学者入门的教学材料
❖「笨方法学 Python」：
http://learnpythonthehardway.org/book/
这本书在讲解 Python 的语法成分时，还附带大量可实践的例子，非常适合快速起步。
❖「廖雪峰的 Python 教程」
中文教程的翘楚，专为刚刚步入程序世界的小白打造。
❖「The Hitchhiker’s Guide to Python!」
这本指南着重于 Python 的最佳实践，不管你是 Python 专家还是新手，都能获得极大的帮助。
❖「Python 官方文档」
实践中大部分问题，都可以在官方文档中找到答案。
❖ 辅助工具：Python Tutor
一个 Python 对象可视化的项目，用图形辅助你理解 Python 中的各种概念。
（2） 软知识
“软知识”则是特定语言环境下的语法技巧、类库的使用、IDE的选择等等。这一部分，即使完全不了解不会使用，也不会妨碍你去编程，只不过写出的程序，看上去显得“傻”了些。
起步阶段的核心任务是掌握硬知识，软知识做适当了解，有了稳固的根，粗壮的枝干，才能长出浓密的叶子，结出甜美的果实。
2.发展阶段
完成了基础知识的学习，必定会感到一阵空虚，怀疑这些语法知识是不是真的有用。
没错，你的怀疑是非常正确的。要让 Python 发挥出它的价值，当然不能停留在语法层面。发展阶段的核心任务，就是“跳出 Python，拥抱世界”。
在你面前会有多个分支：科学计算和数据分析、爬虫、Web 网站、游戏、命令行实用工具等等等等，这些都不是仅仅知道 Python 语法就能解决的问题。
拿爬虫举例，如果你对计算机网络，HTTP协议，HTML，文本编码，JSON一无所知，你能做好这部分的工作么？而你在起步阶段的基础知识也同样重要，如果你连循环递归怎么写都还要查文档，连 BFS 都不知道怎么实现，这就像工匠做石凳每次起锤都要思考锤子怎么使用一样，非常低效。
在这个阶段，不可避免要接触大量类库，阅读大量书籍的。
（1） 类库方面
「Awesome Python 项目」
这里列出了你在尝试解决各种实际问题时，Python 社区已有的工具型类库，如下图所示：
你可以按照实际需求，寻找你需要的类库。
至于相关类库如何使用，必须掌握的技能便是阅读文档。由于开源社区大多数文档都是英文写成的，所以，英语不好的同学，需要恶补下。
（2）书籍方面
这里我只列出一些我觉得比较有一些帮助的书籍，详细的请看豆瓣的书评：
科学和数据分析：
❖「集体智慧编程」
❖「数学之美」
❖「统计学习方法」
❖「Pattern Recognition And Machine Learning」
❖「数据科学实战」
❖「信息检索导论」
爬虫：
❖「HTTP 权威指南」
Web 网站：
❖「HTML & CSS 设计与构建网站」
...
列到这里已经不需要继续了。
聪明的你一定会发现上面的大部分书籍，并不是讲 Python 的书，而更多的是专业知识。
事实上，这里所谓“跳出 Python，拥抱世界”，其实是发现 Python 和专业知识相结合，能够解决很多实际问题。这个阶段能走到什么程度，更多的取决于自己的专业知识。
3.深入阶段
这个阶段的你，对 Python 几乎了如指掌，那么你一定知道 Python 是用 C 语言实现的。
可是 Python 对象的“动态特征”是怎么用相对底层，连自动内存管理都没有的C语言实现的呢？这时候就不能停留在表面了，勇敢的拆开 Python 的黑盒子，深入到语言的内部，去看它的历史，读它的源码，才能真正理解它的设计思路。
这里推荐一本书：「Python 源码剖析」，这本书把 Python 源码中最核心的部分，给出了详细的阐释，不过阅读此书需要对 C 语言内存模型和指针有着很好的理解。
另外，Python 本身是一门杂糅多种范式的动态语言，也就是说，相对于 C 的过程式、 Haskell 等的函数式、Java 基于类的面向对象而言，它都不够纯粹。换而言之，编程语言的“道学”，在 Python 中只能有限的体悟。学习某种编程范式时，从那些面向这种范式更加纯粹的语言出发，才能有更深刻的理解，也能了解到 Python 语言的根源。
这里推荐一门公开课「编程范式」（斯坦福大学公开课），编程范式讲师高屋建瓴，从各种编程范式的代表语言出发，给出了每种编程范式最核心的思想。
值得一提的是，这门课程对C语言有非常深入的讲解，例如C语言的范型和内存管理。这些知识，对阅读 Python 源码也有大有帮助。
Python 的许多最佳实践都隐藏在那些众所周知的框架和类库中，例如 Django、Tornado 等等。在它们的源代码中淘金，也是个不错的选择。
4. 最后的话
每个人学编程的道路都是不一样的，其实大都殊途同归。重要的是多练习，多实践，发布或者参与开源项目，与其他的开发者积极互动。
6. 数据分析 开源项目
spss不是开源的数据挖掘工具，需要购买许可才能激活使用。
7. 数据分析开源项目有哪些类型
一.数据可视化库类
Echarts
一个纯java的数据可视化库，百度的产品，常应用于软件产品开发或者 系统的图表模块，图表种类多，动态可视化效果，开源免费。
评价：非常好的一个可视化库，图表种类多，可选的主题。以前我们产品中就是使用echarts进行可视化需求的定制开发。Echarts中主要还是以图表为主，没有提供文本和表格方面的展现库，如果有相关需求还需要引入表格和文本方面的其他可视化库。
亿信BI
亿信BI让数据可视化。数据分析软件亿信BI内置数十种可视化元素和图形，通过简单的数据关系定义，就能实现丰富的可视化效果.。
评价：非常好的一个数据可视化软件，里面的图形丰富，不需要二次开发，可以直接拿过来用，操作很简单。能够将表格数据和预警部署到图上面去。
HighCharts
与echarts相似，同样是可视化库，国外的产品，商用需要付费，文档详尽。
评价：同样是非常好的一个可视化库，图表种类多。但是同样需要进行二次开发，,没有提供文本和表格方面的展现库。而且因为商用付费，所以能选择echarts肯定不会选择highcharts。
AntV
Antv是蚂蚁金服出品的一套数据可视化语法，是国内第一个才用the grammar of Graphics这套理论的可视化库。在提供可视化库同时也提供简单的数据归类分析能力。
评价：是一个优秀的可视化库，需要进行二次开发。因为采用的是the grammar of Graphics 语法，和echarts相比各有千秋。
二.报表、BI类
百度图说
由echarts衍生出来的子产品，同样继承了echarts的特点，图表种类多，没有提供文本和表格方面的展现库。Echarts接受json格式的数据，百度图说把数据格式进行了封装，可以通过表格的形式组织数据。
评价：可以把表格数据转换成图表展现形式的工具，支持excel数据导入 ，适合做静态的BI报告。因为数据偏静态，没看到与数据库结合的部分，很难和第三方系统结合展现动态变化的数据，如日报表、月报表、周报表等。
亿信BI
它是一款大数据分析工具，亿信BI内置成熟的OLAP联机分析处理引擎，构建强大的数据计算能力。通过常规计算和挖掘计算的定义，可以快速、轻松地掌握数据中的含义，发现并预测数据趋势和相关性。通过对数据的统计、钻取、分析和挖掘，挖掘数据的蛛丝马迹，提出问题，找到原因，发现内在关系，真正释放企业数据力量，辅助领导决策，驱动企业不断进步。
评价：国内BI工具的领先者，拥有成熟的产品研发团队，优质的售前和售后服务，丰富的成功案例。
Tableau
Tableau 是桌面系统中最简单的商业智能工具软件，Tableau 没有强迫用户编写自定义代码，新的控制台也可完全自定义配置。在控制台上，不仅能够监测信息，而且还提供完整的分析能力。Tableau控制台灵活，具有高度的动态性。
Tableau公司将数据运算与美观的图表完美地嫁接在一起。它的程序很容易上手，各公司可以用它将大量数据拖放到数字“画布”上，转眼间就能创建好各种图表。这一软件的理念是，界面上的数据越容易操控，公司对自己在所在业务领域里的所作所为到底是正确还是错误，就能了解得越透彻。
评价：全球知名的BI工具，价格6000元/年/人左右，如果不是因为价格以及是国外的产品，我可能就选择他了。以前踩过国外产品的坑，所以知道，不花钱不会为你做任何定制化改动，有点担心售后，所以最终放弃了。
Power BI
Power BI 是一套商业分析工具，用于在组织中提供见解。可连接数百个数据源、简化数据准备并提供即席分析。生成美观的报表并进行发布，供组织在 Web 和移动设备上使用。每个人都可创建个性化仪表板，获取针对其业务的全方位独特见解。在企业内实现扩展，内置管理和安全性。
评价：类似于excel的桌面bi工具，功能比excel更加强大。支持多种数据源。价格便宜。但是只能作为单独的bi工具使用，没办法和现有的系统结合到一起。生成的报表没办法引入到我们的系统中。
三.可视化大屏类
亿信BI
炫酷的大屏效果，布局格式随意，丰富的大屏模板让你眼花缭乱。
评价：相比其他的来说，价格很好，功能强大支持数据源
阿里DataV
提供丰富的模板与图形，支持多数据源，拖拉式布局，支持服务化服务方式和本地部署。整体来说是一款很好的大屏的产品。
评价：产品不错，就是价格把我吓到了，服务版每年5100元/年，本地部署竟然要110万，每年续费也要37万。
地图类
很多工具都能实现数据地图，比如echarts，亿信BI，tableau等。比较专业的有地图慧、我要地图都用对应的地图开发api，不过我的需求不是专业搞地图的，所以没有深入了解。
R-ggplot2
ggplot2是R语言最流行的第三方扩展包，是RStudio首席科学家Hadley Wickham读博期间的作品，是R相比其他语言一个独领风骚的特点。包名中“gg”
是grammar of graphics的简称，是一套优雅的绘图语法。主要用于机器学习绘图。
评价：机器学习、数学、科学计算领域专业的绘图语言。专业与技术要求都很高，不是专业搞机器学习或者科学计算的工程师，一般不会用到。
亿信BI
拥有世界、中国各省市的图片地图及GIS地图。通过设计与搭配，可衍生出成千上万种可视化效果，而且还可以设置数据源等。