Python 有許多數據分析的套件，包含：

• NumPy (Numerical Python)：
  支援高階大量的維度陣列與矩陣運算，此外也針對陣列運算提供大量的數學函式函式庫
• Pandas：
  提供用於結構化數據集的強大數據處理能力，重塑(resharp)、分片(slice)、分塊(dice)、聚合(aggreation)、篩選(filter)
• SciPy：
  提供豐富的數學統計函數
• Sciki-learn：
  提供大量機器學習能力，包含分類(Classification)、回歸(Regression)、分群(Clustering)、維度縮減(dimensionality reduction)、模型選擇和資料前處理功能
• matplotlib：
  可以輕易生成圖表及可視化結果

在 Azure Machine Learning 中，可以使用 Execute Python Script，透過 Rython 語言擴充功能，和 Execute R Script 的用法類似，直接將程式碼貼至 Python Script 區域就可以執行，下圖為預設的 Python 程式碼內容，若執行成功會看到 Execute Python Script 出現綠勾勾，若失敗則會顯示紅驚嘆號，失敗原因可以從屬性下方的 View output log 查看

使用 Python Pandas 的 scatter_matrix( ) 函式來建立鳶尾花資料的散佈圖矩陣

1. 新增 Iris Two Class Data 鳶尾花分類資料集
   

2. 新增 Execute Python Script，將資料集輸出接至 Execute Python Script 的第一個輸入，Python Script 區域輸入以下 Python 語言：

   # The script MUST contain a function named azureml_main
   # which is the entry point for this module.
   
   # imports up here can be used to 
   
   # The entry point function can contain up to two input arguments:
   #   Param<dataframe1>: a pandas.DataFrame
   #   Param<dataframe2>: a pandas.DataFrame
   def azureml_main(dataframe1):
   
       # Execution logic goes here
       import matplotlib
       matplotlib.use("agg")
   
       from pandas.tools.plotting import scatter_matrix
       import matplotlib.pyplot as plt
   
       fig = plt.figure();
       ax= fig.gca()
       scatter_matrix(dataframe1,ax=ax)
   
       # If a zip file is connected to the third input port is connected,
       # it is unzipped under ".\Script Bundle". This directory is added
       # to sys.path. Therefore, if your zip file contains a Python file
       # mymodule.py you can import it using:
       # import mymodule
   
       # Return value must be of a sequence of pandas.DataFrame
       fig.savefig("scatter.png")
       return dataframe1,
   

   

3. 執行完成後，滑鼠右鍵點選 Python Device 的 Visualize 檢視結果
   

4. 可以看到以下所有欄位的散佈圖矩陣：
   

參考文章：在 Azure Machine Learning Studio 中執行 Python 機器學習服務指令碼