javapython數據挖掘
主要是方便，python的第三方模塊很豐富，而且語法非常簡練，自由度很高，python的numpy、scipy、matplotlib模塊可以完成所有的spss的功能，而且可以根據自己的需要按照定製的方法對數據進行清洗、歸約，需要的情況下還可以跟sql進行連接，做機器學習，很多時候數據是從互聯網上用網路爬蟲收集的，python有urllib模塊，可以很簡單的完成這個工作，有些時候爬蟲收集數據還要對付某些網站的驗證碼，python有PIL模塊，可以方便的進行識別，如果需要做神經網路、遺傳演算法，scipy也可以完成這個工作，還有決策樹就用if-then這樣的代碼，做聚類不能局限於某幾種聚類，可能要根據實際情況進行調整，k-means聚類、DBSCAN聚類，有時候可能還要綜合兩種聚類方法對大規模數據進行聚類分析，這些都需要自行編碼來完成，此外，基於距離的分類方法，有很多距離表達方式可以選用，比如歐幾里得距離、餘弦距離、閔可夫斯基距離、城市塊距離，雖然並不復雜， 但是用python編程實現很方便，基於內容的分類方法，python有強大的nltk自然語言處理模塊，對語言片語進行切分、收集、分類、統計等。
綜上，就是非常非常方便，只要你對python足夠了解，你發現你可以僅僅使用這一個工具快速實現你的所有想法
2. 數據挖掘主要涉及到哪些方面的知識
與數據挖掘相關的內容包括資料庫、數據倉庫、機器學習、信息檢索。
學習數據挖掘基礎：資料庫理論、數學基礎（包括數理統計、概率、圖論等）、熟練掌握一種編程語言（java，python）、會使用數據挖掘工具軟體（weka、matlab、spss）
數據挖掘的內容包括分類、關聯分析、聚類和異常檢測等幾個方面
3. java的就業前景好還是python的就業前景好
Python和Java這兩大編程語言，很多人都喜歡拿來比較，一個是後起之秀，潛力無限;一個是行業經典，成熟穩定，對於想從事IT技術的人員來說，很難抉擇，那麼，Python和Java到底哪一個就業前景更好呢?
對於IT初學者，Python編程是一個好的選擇，語法簡單，語言優美，更易入門，只要認真學習，掌握合適的方法，精通Python更加容易;Java編程較Python復雜，人們學習較難，如果你邏輯思維能力很強，對編程語言感興趣，可以嘗試學習Java，能學好Java，Python自然不在話下，而且之後的拓展空間也很大，Java人才轉型做大數據更加得心應手!
4. 《Python數據分析與挖掘實戰》epub下載在線閱讀全文，求百度網盤雲資源
《Python數據分析與挖掘實戰》（張良均）電子書網盤下載免費在線閱讀
鏈接：https://pan..com/s/1WwF3Vi3vszdZYBKKw7Y0HQ
書名：Python數據分析與挖掘實戰
作者：張良均
豆瓣評分：7.6
出版社：機械工業出版社
出版年份：2016-1
頁數：335
內容簡介：
10餘位數據挖掘領域資深專家和科研人員，10餘年大數據挖掘咨詢與實施經驗結晶。從數據挖掘的應用出發，以電力、航空、醫療、互聯網、生產製造以及公共服務等行業真實案例為主線，深入淺出介紹Python數據挖掘建模過程，實踐性極強。
本書共15章，分兩個部分：基礎篇、實戰篇。基礎篇介紹了數據挖掘的基本原理，實戰篇介紹了一個個真實案例，通過對案例深入淺出的剖析，使讀者在不知不覺中通過案例實踐獲得數據挖掘項目經驗，同時快速領悟看似難懂的數據挖掘理論。讀者在閱讀過程中，應充分利用隨書配套的案例建模數據，藉助相關的數據挖掘建模工具，通過上機實驗，以快速理解相關知識與理論。
基礎篇（第1～5章），第1章的主要內容是數據挖掘概述；第2章對本書所用到的數據挖掘建模工具Python語言進行了簡明扼要的說明；第3章、第4章、第5章對數據挖掘的建模過程，包括數據探索、數據預處理及挖掘建模的常用演算法與原理進行了介紹。
實戰篇（第6～15章），重點對數據挖掘技術在電力、航空、醫療、互聯網、生產製造以及公共服務等行業的應用進行了分析。在案例結構組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最後完成模型構建的順序進行的，在建模過程的關鍵環節，穿插程序實現代碼。最後通過上機實踐，加深讀者對數據挖掘技術在案例應用中的理解。
作者簡介：
張良均 ，資深大數據挖掘專家和模式識別專家，高級信息項目管理師，有10多年的大數據挖掘應用、咨詢和培訓經驗。為電信、電力、政府、互聯網、生產製造、零售、銀行、生物、化工、醫葯等多個行業上百家大型企業提供過數據挖掘應用與咨詢服務，實踐經驗非常豐富。此外，他精通Java EE企業級應用開發，是廣東工業大學、華南師范大學、華南農業大學、貴州師范學院、韓山師范學院、廣東技術師范學院兼職教授，著有《神經網路實用教程》、《數據挖掘：實用案例分析》、《MATLAB數據分析與挖掘實戰》《R語言數據分析與挖掘實戰》等暢銷書。
5. 數據挖掘方向，Python中還需要學習哪些內容
就題論題，還包括：
1. Python 資料庫連接庫，例如MySQL 連接庫的應用，這決定你的數據從哪裡來。這裡面涉及到sql語法和資料庫基本知識，是你在學習的時候必須一起學會的。
2. Python 做基本數據計算和預處理的庫，包括numpy ，scipy，pandas 這三個用得最多。
3. 數據分析和挖掘庫，主要是sklearn，Statsmodels。前者是最廣泛的機器學習庫，後者是側重於統計分析的庫。（要知道統計分析大多時候和數據挖掘都錯不能分開使用）
4. 圖形展示庫。matpotlib，這是用的最多的了。
說完題主本身 要求，樓上幾位說的對，你還需要一些關於數據挖掘演算法的基本知識和認知，否則即使你調用相關庫得到結果，很可能你都不知道怎麼解讀，如何優化，甚至在什麼場景下還如何選擇演算法等。因此基本知識你得了解。主要包括：
1.統計學相關，看看深入淺出數據分析和漫畫統計學吧，雖然是入門的書籍，但很容易懂。
2.數據挖掘相關，看看數據挖掘導論吧，這是講演算法本身得書。
剩下的就是去實踐了。有項目就多參與下項目，看看真正的數據挖掘項目是怎麼開展的，流程怎樣等。沒有項目可以去參加一些數據挖掘或機器學習方面的大賽，也是增加經驗得好方法。
6. Python和數據挖掘有什麼關系
Python是工具
數據挖掘是研究方向
數據挖掘有很多經典演算法，這些演算法有的有現成Python包，你可以用Python調用這些包處理自己的數據實現數據挖掘。
7. 是用python學數據挖掘好，還是用java學weka的開發好
你熟悉python 就用 python，
你熟悉java 就學weka, weka 一個軟體連續開發20多年，及其成熟而且做到極致，很多都已經能自動化，其擴展版本甚至演算法都能自己選擇，極致到完全不懂的人都可以用。
weka有損自以為高深的人的威嚴和神秘感。很多人特別喜歡反復找輪子，寧願選擇用匕首去殺敵，即使匕首旁邊有一支子彈上了膛的AK47,也會選擇視而不見。當然如果你要做一些復雜的應用，熟悉java是必須的， 另python 也可以調用weka (好像叫jython)
8. 簡答題請分析Python作為數據挖掘、機器學習任務主流工具的原因。
摘要 首先，我們知道，Python具有豐富和強大的庫，其語言簡潔、優雅，有時候可以用幾句話就能表達出C語言幾千行、Java幾百行的代碼。Python可以做的事情有很多：開發、數據分析、數據挖掘、機器學習、爬蟲等等，包括它的可視化功能也是和R可以媲美的。在我看來，Python近幾年受追捧的一部分原因和數據分析行業的爆發有著密不可分的關系，隨著各大中小型企業對數據的重視程度的增加，數據分析師需求的大幅上漲，而Python作為數據分析界最容易入門上手並且做數據分析首選的的分析工具，需求也相應有了暴增。
9. 請問寫演算法、數據挖掘、機器學習、數據分析等工作在企業中一般使用java還是Python其他語言
演算法，數據挖掘之類的在企業中一般使用python，python用起來更方便。