原文：
www.kdnuggets.com/2015/07/good-data-science-machine-learning-cheat-sheets.html
评论
关于 Python、R 以及 Numpy、Scipy、Pandas 的备忘单
数据科学领域有成千上万的包和数百个函数！一个有志的数据爱好者不必了解所有这些。以下是一些经过集思广益总结出的重要备忘单，内容精简且易于查看。
掌握数据科学涉及对统计学、数学、编程知识的理解，特别是在 R、Python 和 SQL 方面，然后将这些知识结合起来，利用业务理解和人类直觉来推导出见解——这驱动了决策。
以下是按类别划分的备忘单：
Python 备忘单：
Python 是初学者的热门选择，但它仍然足够强大，可以支持一些世界上最受欢迎的产品和应用程序。它的设计使编程体验几乎像用英语写作一样自然。Python 基础或 Python 调试器的备忘单为初学者提供了开始所需的重要语法。社区提供的库，如 numpy、scipy、sci-kit 和 pandas，非常依赖，NumPy/SciPy/Pandas 备忘单提供了一个快速的复习。
R 备忘单：
R 的生态系统扩展得如此之快，以至于需要大量的参考。R 参考卡涵盖了 R 世界的大部分内容，仅需几页。Rstudio 还发布了一系列备忘单，使 R 社区更容易使用。使用 ggplot2 进行数据可视化似乎很受欢迎，因为它在创建结果图表时非常有帮助。
-
数据分析的 data.table 方法
MySQL 和 SQL 的备忘单：
对于数据科学家来说，SQL 的基础知识与其他语言同样重要。PIG 和 Hive 查询语言都与原始的结构化查询语言 SQL 密切相关。SQL 备忘单提供了一个 5 分钟的快速指南，帮助你学习它，然后你可以深入探索 Hive 和 MySQL！
Spark 的备忘单：
Apache Spark 是一个大规模数据处理引擎。对于某些应用程序，例如迭代机器学习，Spark 比 Hadoop（使用 MapReduce）快多达 100 倍。Apache Spark 备忘单解释了它在大数据生态系统中的位置，介绍了设置和创建基本 Spark 应用程序的过程，并解释了常用的操作和动作。
Hadoop 与 Hive 备忘单：
Hadoop 作为一种非传统工具出现，解决了被认为无法解决的问题，通过提供一个开源软件框架来并行处理海量数据。探索 Hadoop 备忘单，找出在命令行中使用 Hadoop 时的有用命令。SQL 与 Hive 函数的结合也是一个值得查看的内容。
机器学习备忘单：
我们经常会花时间思考哪种算法最好？然后又翻回我们的厚重书籍进行参考！这些备忘单可以给你提供数据的性质和你要解决的问题的想法，并建议你尝试某种算法。
Django 备忘单：
Django 是一个免费的开源 Web 应用框架，使用 Python 编写。如果你对 Django 不熟悉，可以查看这些备忘单，快速了解概念，并深入每一个概念。
分享更多并学习！我们遗漏了什么吗？在下面的评论中添加你最喜欢的备忘单！
相关：
-
数据科学备忘单指南
-
按受欢迎程度排名的 20 个 R 包
-
大数据与 Hadoop 中的 150 位最具影响力人物