在我看来，合理规划磁盘上的文件夹层次是高效工作的关键保障，而数据分析师更应该具有这个素质，所以，目录结构规划不局限于一个个Jupyter Notebook项目（project）内部，而是整个磁盘存储空间。本文只展示一个规划项目内部结构的参考案例，主要应用于机器学习领域的模型设计和开发。 文章 Manage your Data Science project structure in early stage 比较倾向于在Poc（Proof of Concept）阶段使用Jupyter Notebook做探索，探索成功后会对代码做重构，看起来像是不太重视项目目录结构的规划，但是依然给了一个很详细的目录结构模板（可从Github上下载 ）
1，src 作者建议把一些代码与notebook分开，因为这些代码有特定的目的，而且在数据探索完成后还会用在最终部署的系统上。这类代码又分成三类： a，preparation：属于数据集成（data integration）代码，负责从csv，关系数据库，NoSQL数据库，Hadoop中抽取数据。输出的数据将放在data目录中的raw子目录下 b，processing：属于数据转换（data transformation）代码，将raw data转换成模型需要的数据，存入data目录中的processed子目录中 c，modeling：属于构建模型（model building）代码，比如，模型训练，模型评估，多个模型的组合等等 2，test 针对src中的python代码开发测试用例，测试用例代码放在这里 3，model 存储训练过程中的中间结果和模型，也包括模型的元数据 4，data 分成raw和processed分别存储preparation和processing程序产生的数据 5，notebook notebook中的内容可以细分为 a，eda：记录数据探索（Exploratory Data Analysis，Data Exploration）过程和结果，比如，数据分布分析 b，poc的过程和结果记录 c，modeling：记录构建和训练模型的过程和结果 d，evaluation：记录模型评估的过程和结果 总结 接下来，集搜客发布的notebook都会使用上述的目录结构。可以在各个介绍文章中下载notebook源代码。 |
